2016年，AlphaGo對人(ren)類頂尖圍棋手的(de)無差別“虐殺”，又一(yi)次引發了大眾對AI技術的(de)關注(zhu)和恐懼。
在大(da)部分人都熱衷于討論(lun)AI技術是否會真的全方位超越人類，進而對人類產生重大(da)威(wei)脅時，有(you)一(yi)群人卻因為(wei)看到其背后突破(po)性的機器(qi)學(xue)習(xi)技術而深感興奮。
在他們看來，AI機器(qi)威脅到人(ren)類(lei)還是(shi)一個(ge)遙不可及的(de)(de)未來，眼下最重要的(de)(de)是(shi)如(ru)何把AI變成“新工人(ren)”，來幫助人(ren)類(lei)解(jie)決那些(xie)遲遲沒有找到好方案(an)的(de)(de)問題。
產品檢測就是這樣一個急切需要新技術的老問題。
盡管企業(ye)很早就利用工(gong)業(ye)相機(ji)等數據采集設備對產品實施(shi)檢測，但是采集到的數據還是要通(tong)過人工(gong)識別和判(pan)定，效率低不(bu)說，質量(liang)穩定性也(ye)難以保證(zheng)。
機器(qi)學習算法的(de)突破，提供了一種可能(neng)性，就是基于過往(wang)積累的(de)數據(ju)訓練AI模型(xing)，然后讓其自主判定產線(xian)相關檢測數據(ju)，進而(er)克服(fu)人工判定的(de)低效與高錯誤(wu)率等問題。
由(you)此，傳統制(zhi)造(zao)業(ye)向(xiang)智能(neng)化轉型升級的(de)(de)大(da)門，借由(you)AI+機器(qi)視(shi)覺開啟了(le)一(yi)道縫隙，讓遙遠的(de)(de)光亮(liang)照了(le)進(jin)來，讓行業(ye)前進(jin)的(de)(de)道路(lu)逐(zhu)漸明朗了(le)起來。
時隔6年(nian)多(duo)后，機(ji)(ji)器(qi)視(shi)覺這(zhe)項(xiang)技術發(fa)展到(dao)了什么(me)程度？相關(guan)企業利用AI技術如何(he)(he)打造自己機(ji)(ji)器(qi)視(shi)覺產品的獨(du)特性(xing)？并(bing)如何(he)(he)實現商業落(luo)地(di)？在這(zhe)個過(guo)程中(zhong)，又會遭(zao)遇怎(zen)(zen)樣(yang)的阻礙？透(tou)過(guo)機(ji)(ji)器(qi)視(shi)覺的發(fa)展，能(neng)夠給我(wo)們(men)看待(dai)AI賦能(neng)傳統制造業的轉(zhuan)型升(sheng)級提(ti)供怎(zen)(zen)樣(yang)的啟發(fa)？
為了尋求上述問題的答案，智次方·物聯網智庫分別采(cai)訪了格創(chuang)東智科技有(you)限公司AOI產品商務負責人江(jiang)淵總(zong)和菲特（天(tian)津）檢測技術有(you)限公司研(yan)發總(zong)監陳立名總(zong)，通過與(yu)兩位長期浸(jin)淫在戰斗最前(qian)線的(de)(de)(de)專家的(de)(de)(de)深度交(jiao)流，盡可能(neng)全(quan)面地了解機器視覺(jue)技術的(de)(de)(de)發展路徑(jing)，并在此基(ji)礎上(shang)管窺智能(neng)制(zhi)造(zao)的(de)(de)(de)發展現狀(zhuang)和方向。
什么是機器視覺？
根據美國自動成像協會（AIA）的定義：機器視覺（Machine Vision）是一種應用于工業和非工業領域的硬件和軟件組合，它基于捕獲并處理的圖像為設備執行其功能提供操作指導。
機器視(shi)覺可以分(fen)為成(cheng)像(xiang)和圖(tu)像(xiang)處(chu)理(li)分(fen)析(xi)兩大部分(fen)：成(cheng)像(xiang)依賴于機器視(shi)覺系統的(de)硬件組件，如光(guang)源、光(guang)源控制器、鏡頭(tou)和相機；圖(tu)像(xiang)處(chu)理(li)分(fen)析(xi)則是在(zai)成(cheng)像(xiang)基(ji)礎(chu)上，通過(guo)視(shi)覺控制系統進行的(de)。
機器視覺系統的核心功能包括：識別、測量、定位和檢測。
上述功能的難度是(shi)逐(zhu)次遞(di)增的，因(yin)此，生產檢測(ce)也是(shi)最能展現機器視覺“功力(li)”的領域(yu)之一。
2023年12月12日，工信部聯合發改(gai)委和金融監管總局發布了《制造業卓越質量工程實施意(yi)見》通知。
通知中強調，質量是制造業的生命線，卓越的質量是高端制造的準則，推動產業從數量擴張向質量提升是新時期制造業高質量發展的現實需要，追求卓越質量是制造業由大變強的必由之路。
在這一定位下，通知中提出要推進質量保障數字化……推動企業加強試驗驗證、檢驗檢測數字化和智能化，深化機器視覺、人工智能等技術應用，提高質量檢驗檢測的效率、覆蓋率和準確性。
在這樣一(yi)個背景(jing)下再看機器視覺技術，其重要性不言而喻。
目前(qian)，機器(qi)視(shi)覺技術已經廣泛應用于消(xiao)費電子、汽(qi)車制造、半導體(ti)、光伏等(deng)領域，且市場規模在(zai)不(bu)斷擴大(da)。
據Markets and Markets統計和預(yu)(yu)測(ce)，2021年(nian)全球機器視覺(jue)(jue)(jue)市場(chang)(chang)規模(mo)(mo)為804億(yi)(yi)元，2025年(nian)有望達(da)(da)到(dao)1276億(yi)(yi)元。根據高工機器人產業研(yan)(yan)究所數(shu)據，2021年(nian)中國機器視覺(jue)(jue)(jue)市場(chang)(chang)規模(mo)(mo)達(da)(da)到(dao)138.16億(yi)(yi)元，到(dao)2025年(nian)我國機器視覺(jue)(jue)(jue)市場(chang)(chang)規模(mo)(mo)將達(da)(da)到(dao)469億(yi)(yi)元，2021-2025年(nian)復合增速達(da)(da)到(dao)36%。前瞻產業研(yan)(yan)究院預(yu)(yu)測(ce)，至2028年(nian)，中國機器視覺(jue)(jue)(jue)行業市場(chang)(chang)規模(mo)(mo)將達(da)(da)到(dao)億(yi)(yi)837元。
格創東智(zhi)科技(ji)有(you)限公(gong)司和(he)菲特（天(tian)津）檢測(ce)技(ji)術有(you)限公(gong)司自(zi)2017年起，各自(zi)開(kai)啟了AI+機(ji)器視覺的(de)(de)創新之旅。雖然兩(liang)家企業從(cong)不(bu)同的(de)(de)地(di)點出發，經歷了截然不(bu)同的(de)(de)探索過程，但從(cong)更宏(hong)觀的(de)(de)技(ji)術發展(zhan)視角來看，卻又給(gei)人一種殊(shu)途同歸的(de)(de)感覺。
接下來(lai)，我們將分別(bie)進行介紹。
格創東智——從具體場景中走出來的企業
2018年，格(ge)創東智由TCL孵化(hua)(hua)而(er)出(chu)。帶著TCL在解(jie)決特定問(wen)題(ti)上積累的(de)數字化(hua)(hua)能力，并以此為基礎發展出(chu)一系列相(xiang)關(guan)產品和(he)解(jie)決方(fang)案(an)。
這樣的企業具備一個天然優勢，就是擁有深厚的行業Know-How，不同于一些AI企業是帶著技術去找場景和客戶，他們本身就是具體場景孕育的結果，所以甫一降生，就帶有很好的理解場景和客戶需求的基因。
格創東(dong)智的(de)機器視(shi)覺檢(jian)測(ce)方案(an)——天樞(shu)AI視(shi)覺檢(jian)測(ce)系統(tong)是(shi)其工業智能解(jie)決方案(an)中的(de)一(yi)個細小(xiao)分支，源自TCL華星的(de)半導體生產檢(jian)測(ce)。
據江淵介紹，面(mian)板生產過(guo)程的每(mei)一(yi)個(ge)關鍵制程都(dou)需要(yao)AOI（自(zi)動光學(xue)檢(jian)測）設備拍攝(she)圖片，進而識別相關缺陷(xian)。早期通過(guo)人工進行缺陷(xian)分(fen)(fen)類，只有(you)分(fen)(fen)類好了(le)，才(cai)能知(zhi)道(dao)下一(yi)步該怎么處理(li)。整個(ge)流程有(you)一(yi)百多個(ge)制程，需要(yao)大(da)量(liang)的人工去做每(mei)一(yi)個(ge)關鍵制程。
2017年，機器視覺技術興起后，TCL華星內部開發了AI視覺檢測系統，基于人工智能技術進行圖片的識別分類。
方案實施(shi)后，首先是大幅(fu)提升了(le)檢測效率，能(neng)夠代(dai)替百分之(zhi)八九(jiu)十的檢測人員(yuan)，一(yi)天可以檢測將近三(san)百多萬張圖片(pian)。其次是提升了(le)檢測精度，因為能(neng)夠有效避(bi)免人員(yuan)易(yi)疲勞、人與人之(zhi)間的認知(zhi)差(cha)異等問題。
此后，隨著技術成熟度(du)的提升，格創東智的機(ji)器視覺方案(an)逐步從半導(dao)體行業外溢，目(mu)前已經成功賦能(neng)光伏(fu)、3C電子、家電、石(shi)油石(shi)化、航空航天等22個(ge)細分(fen)行業。
AI模型是如何賦能生產制造的？
從(cong)采訪中我(wo)們也了解到，AI賦能機(ji)器視覺檢測(ce)的過程(cheng)，經歷了一個(ge)從(cong)小模(mo)型到大模(mo)型，再(zai)到“小模(mo)型”的路徑。
初(chu)期，格(ge)創東智先結合深厚(hou)的行業數據積累和對特定工業場景及檢(jian)測(ce)指標的深入理解，再融合機器學習算法(fa)，構筑了(le)針(zhen)對特定檢(jian)測(ce)場景的小模型。
小模型的構建旨在緊密匹配特定的業務場景和需求，強調的是針對性和高適應性。通過專注和定(ding)制(zhi)化的(de)開發過程，小模(mo)型能夠在滿足行(xing)業特定(ding)需求的(de)同時，提高操作(zuo)效(xiao)率和決策(ce)質量(liang)。
但是，小模型存在過擬合的風險，即模型太過專注于訓練數據集中的細節和噪聲，以至于它在新的、未見過的數據上表現得不好。這使得其落地前提是必須對數據進行規范化和標準化，使得數據分布和比例達到最佳狀態。模型的開發和調優需要專業人員的參與，要求他們既熟悉AI技術，也了解行業專業背景知識。
而很多客戶企業并沒有這樣的(de)人才儲備。
2022年，大模型技術的(de)突破給上(shang)述問題(ti)的(de)解決(jue)帶來了希望。
相比于小模型，大模型有更強的兼容性和穩定性。大模型的(de)(de)(de)設計不受(shou)數(shu)(shu)(shu)據復雜性的(de)(de)(de)限(xian)制，無(wu)需對場景理解過(guo)于深入，只需足夠(gou)多的(de)(de)(de)數(shu)(shu)(shu)據進行訓練，無(wu)需過(guo)多的(de)(de)(de)參數(shu)(shu)(shu)調(diao)整或(huo)架構設計。在更加簡(jian)便地處理各種類型的(de)(de)(de)數(shu)(shu)(shu)據的(de)(de)(de)同時，還不會出現(xian)過(guo)擬合的(de)(de)(de)現(xian)象。
概(gai)言之，大模型(xing)的出(chu)現可以大幅降(jiang)低模型(xing)落地的門(men)檻(jian)。
長期思索于(yu)如何將機器視覺系(xi)統(tong)變得更好、更容易(yi)落(luo)地的格(ge)創東智(zhi)積極(ji)響應大(da)模型(xing)的技術潮流，基于(yu)已(yi)有的大(da)量數據(ju)和小模型(xing)來訓練和開發(fa)自己的大(da)模型(xing)。
但是要直接(jie)把大(da)模型落地在客戶(hu)側又存(cun)在新(xin)的(de)(de)問題，就是在實時工業場景(jing)中(zhong)推理需求的(de)(de)高資源消耗(hao)與成本壓力難以滿足連續快速檢測與生產流程的(de)(de)無縫對接(jie)。
格創東智的解決辦法是，先在內部訓練大模型，而后再針對特定場景進行“模型瘦身”。這樣(yang)做的好處是，利用大模(mo)型(xing)進行學習和提取特征，可以(yi)更(geng)高(gao)效地訓(xun)練出小模(mo)型(xing)，訓(xun)練過(guo)程中所需的數(shu)據量也大幅減少，使得模(mo)型(xing)的落地應用變得更(geng)加便捷(jie)和可行。
此外，江淵也介紹到，為了提高產品交付性，他們的天樞AI視覺檢測系統還開發了可視化功能，通過將模型開發過程簡化為直觀的拖拉拽操作，使得非AI專家的普通IT人員也能輕松開發和優化AI模型。
客(ke)戶可以(yi)從一系(xi)列預設的(de)子(zi)模型(xing)和算(suan)法中(zhong)選擇，通(tong)過簡單的(de)操作將它們組合起(qi)來，構建出滿(man)足特定需求的(de)模型(xing)，無需深入(ru)了解背后復雜(za)的(de)算(suan)法細節。
這樣一來，很多客(ke)戶企業無需額外投入巨大的(de)人(ren)力成本(ben)，就可以享用到最新的(de)機(ji)器視(shi)覺技(ji)術的(de)賦(fu)能(neng)。
這種時刻從(cong)(cong)客戶場(chang)景入手，不斷在產(chan)品落地(di)和交(jiao)付性(xing)方面死磕的精神，正是格創(chuang)東(dong)智這種從(cong)(cong)具體(ti)場(chang)景中孕育(yu)而出的企業最大的特點，也是他們的最大優勢。
菲特——國家重點“專精特新”小巨人
不同于格創東智(zhi)的(de)機器視(shi)覺(jue)檢測方案，是(shi)在一(yi)個大的(de)工業智(zhi)能解(jie)決方案基座上延伸(shen)出(chu)來的(de)一(yi)個枝節。
成立于(yu)2013年的(de)菲特（天津）檢測(ce)技術有限公司(si)則是從檢測(ce)這個點出發(fa)，在(zai)產業(ye)實踐過程中不斷積累和豐富技術經驗，逐漸衍生(sheng)出新(xin)的(de)能(neng)力，從質(zhi)量智(zhi)(zhi)能(neng)逐步到工廠智(zhi)(zhi)能(neng)，進而在(zai)更為廣泛的(de)工業(ye)智(zhi)(zhi)能(neng)中發(fa)光發(fa)熱。
國家級重點“專精特新”小巨人的(de)稱號，便(bian)是(shi)對(dui)其十年磨一劍最(zui)好的(de)肯定。
筆者曾在文章中提到過，專精特新企業的目的不在于主導市場，讓自己成為家喻戶曉的知名企業，而是更加關注小生態位的主導權。通過產品創新和深耕市場，構筑具有絕對優勢的競爭壁壘，讓自己成為某個產業鏈中必不可少的基本要素。
概言之，如果一家企業掛上了“專精(jing)特新(xin)”的(de)牌(pai)子，那也意味著(zhu)在其耕(geng)耘的(de)領域，他(ta)已(yi)經具備了相(xiang)當(dang)深厚的(de)積累和話(hua)語權。
從陳立名的介紹中我們了解到，菲特也積極抓住了2017年的機器學習浪潮，著手于將此前已經積累的大量數據用于模型訓練，這些模型專門針對質量檢測領域的需求，滿足特定行業檢測標準的同時實現最大化的成本控制。
在后續的發展中，菲特嘗試將AI技術應用于更多的工業場景，最后形成了四個主要的應用方向：生產智能、質量智能、物流智能、安全智能。
這四大領域覆(fu)蓋了從生產前端(duan)到后端(duan)的全過程，先后為(wei)整(zheng)車、零部件(jian)、化紡(fang)、醫藥、軍工、泛工業等領域內的眾多(duo)全球(qiu)知名企業提供了整(zheng)體(ti)智能制造解決方案，真正為(wei)客戶(hu)企業實現提質增效。
一條獨特的研發路徑：技術-中臺-產品
陳立名提到，為了支撐上述四大業務領域的發展，菲特采用了分層研發策略，包括核心技術層、標準化技術的中臺層和產品層。
核心技術層是企業為未來五年的(de)技(ji)術儲備而進行(xing)的(de)頂(ding)級(ji)研發(fa)工作。這一層面(mian)的(de)研發(fa)活動集中在創新和拓展技(ji)術邊界，比如2D和3D測量技(ji)術等，其目的(de)是要實現在線(xian)級(ji)（即落地到實際的(de)生產(chan)線(xian)上）微米級(ji)別(bie)的(de)精確度。
標準化技術的中臺層是指通過(guo)匯總標準(zhun)化(hua)、模(mo)塊化(hua)的(de)(de)工具和(he)(he)技(ji)術，形成中臺能力，以應對多變的(de)(de)工業場景和(he)(he)定制化(hua)生產需(xu)求。這一層面的(de)(de)研發(fa)旨在(zai)實(shi)現技(ji)術的(de)(de)可復用性(xing)和(he)(he)靈(ling)活性(xing)，以便(bian)快速適應市場和(he)(he)客(ke)戶需(xu)求的(de)(de)變化(hua)。
產品層指(zhi)的是具體的產(chan)(chan)品開發，包括(kuo)檢測(ce)設備(bei)和監控系統(tong)等，直接面向市場和客(ke)戶。力(li)圖將先進的技術應用到具體的產(chan)(chan)品設計和功(gong)能實現(xian)中(zhong)，使其成(cheng)為看得見摸得著的成(cheng)果。
大(da)模型技術浪潮興起后(hou)，菲特(te)也積極響應新趨(qu)勢。
陳立(li)名提到，對(dui)于(yu)大模型的發展，他們有一個長(chang)期的規劃，主要集中在兩(liang)個方向：
首先，利用大語言模型改進數字化系統的交互方式，從傳統的(de)表單和(he)流程，轉向更直觀、更人(ren)性(xing)化的(de)交(jiao)互模(mo)(mo)式。既(ji)包含人(ren)與人(ren)之間的(de)交(jiao)互，也涉及知識檢(jian)索(suo)和(he)沉淀，特別(bie)是(shi)將(jiang)原(yuan)本沉淀在個人(ren)或零散(san)文件中的(de)行業Know-How，通(tong)過(guo)大(da)模(mo)(mo)型技術進行整理和(he)可(ke)檢(jian)索(suo)化，以(yi)便更有效(xiao)地(di)復用。
其次，菲特也開始了多模態大模型的開發和應用。通過(guo)結(jie)合(he)傳統的(de)圖像數(shu)據(ju)和文本數(shu)據(ju)，實現不(bu)同數(shu)據(ju)類(lei)型的(de)綜合(he)利用，以此來(lai)更(geng)好地沉淀(dian)行業數(shu)據(ju)。
對談(tan)下來(lai)，筆者(zhe)能夠感覺(jue)到，菲(fei)特對自己(ji)的(de)核心要(yao)求體(ti)現在(zai)，他們(men)始終想著如何利用AI技(ji)術去幫助客(ke)戶企業將他們(men)已經擁有的(de)數據資源和行業能力充分利用起來(lai)，以此為目標讓自己(ji)向(xiang)著國內領先的(de)智(zhi)能制(zhi)造(zao)整(zheng)體(ti)解決方案(an)提供商邁(mai)進。
機器視覺的商業模式
通過與兩位技術(shu)專家的對談，我們也對機器視覺(jue)的交付方(fang)式和商(shang)業模式有了(le)更為(wei)深(shen)入地了(le)解。
江淵提到，格創東智向客戶交付的機器視覺檢測系統主要涉及三大塊內容：硬件、數據算法和后續服務。
硬件部分主要包括光學采集設備和系統設備，這些設備在檢測過程中起著重要作用。數據算法與系統集成在一起，提供給客戶的是一個整合的系統，客戶可以在此基礎上進行使用和操作。后續服務通(tong)常包括數(shu)據算法的(de)優化、調(diao)試以(yi)及(ji)系統的(de)維護和更新等，以(yi)確保系統的(de)長期穩定運行(xing)。
據江淵介紹，他們與客戶的商務合作模式主要分為兩類：買斷和訂閱。
買斷指客戶一次性購買系統和硬件，之后自行管理，遇到問題再與服務商聯系。訂閱則是(shi)客戶購買硬(ying)件設備，并訂閱公司(si)提供的服務。
商(shang)務模(mo)(mo)式(shi)的(de)(de)選擇(ze)與客戶企業的(de)(de)規模(mo)(mo)和需(xu)求有關。對于規模(mo)(mo)較大、產品類型繁(fan)多的(de)(de)企業，可能更傾向(xiang)于買(mai)斷模(mo)(mo)式(shi)，以(yi)滿足不斷變化的(de)(de)需(xu)求。而對于小型企業，可能更傾向(xiang)于訂閱模(mo)(mo)式(shi)，以(yi)降(jiang)低成本并獲得專業的(de)(de)服(fu)務支持。
類似的，陳立名介紹到，目前菲特的交付模式主要有三種類型，分別是全套服務交付模式、軟件算法服務交付模式和標準化產品交付模式。
全套服務交付模式提供(gong)了一個全(quan)面的(de)(de)(de)解決方(fang)案，包括(kuo)軟件和硬(ying)件的(de)(de)(de)整合。公司承(cheng)擔從項目開(kai)始(shi)到完成的(de)(de)(de)所有工(gong)作(zuo)，類似(si)“交(jiao)鑰匙”工(gong)程，即客戶從開(kai)始(shi)到結束不需要擔心任(ren)何細節(jie)問題。
軟件算法服務交付模式下，公司(si)專注于提供(gong)軟件(jian)算(suan)法(fa)(fa)方面(mian)的服務(wu)，而不涉及(ji)任何硬件(jian)設備。公司(si)的服務(wu)主要是賦能客(ke)戶現有的設備，比如(ru)制造設備或質檢設備，通過提供(gong)高級的軟件(jian)算(suan)法(fa)(fa)來優化客(ke)戶的操作流程。
與前兩種定制化服務不同，標準化產品交付模式下，公(gong)司提供的(de)(de)(de)是成(cheng)品(pin)解決(jue)方案，即直(zhi)接銷售標準化的(de)(de)(de)產品(pin)給客(ke)(ke)戶(hu)。交付過程通常包括(kuo)現場安裝和(he)調試，而所有的(de)(de)(de)后續配(pei)合和(he)適配(pei)工(gong)作則由客(ke)(ke)戶(hu)自己或(huo)公(gong)司的(de)(de)(de)渠道伙伴來(lai)完成(cheng)。
機器視覺方案的推進阻礙
通盤(pan)來看，AI+機器視覺帶給企業的(de)好處是顯而易見(jian)的(de)，但這并不意味(wei)著(zhu)相關方案(an)的(de)落地就會水(shui)到渠(qu)成。在采訪中，兩(liang)位(wei)專家也提到了他(ta)們在產(chan)品推進過程中的(de)一些(xie)阻礙以及相對應的(de)策略。
首先，他們面臨的最大的問題是所有2B企業都繞不開的問題，即如何給客戶算清楚投入產出比這筆帳，只有(you)讓客(ke)戶在(zai)數據上看到機器視覺方案帶(dai)來的顯(xian)著收益，他們才愿意在(zai)前期(qi)投(tou)入巨大的成本來引進。這需要方案提供商(shang)想(xiang)辦(ban)法(fa)建(jian)立標桿(gan)案例，提高行業認知度，也讓客(ke)戶更加理(li)解和信任新(xin)技術(shu)的價值。
其次，很多企業的相關人員對新技術的認知存在一定的局限性，把(ba)新技術(shu)當(dang)成了(le)許愿池和(he)百寶箱，期望引進(jin)相關(guan)技術(shu)方案后，能夠一下子解決自(zi)己公司面臨的(de)所有的(de)問題。面對(dui)這(zhe)一情況，服務商(shang)能夠做的(de)就是不斷溝(gou)通(tong)和(he)解釋，讓(rang)客戶對(dui)新技術(shu)的(de)認(ren)知更加清晰和(he)明確，意識到相關(guan)技術(shu)的(de)可為(wei)和(he)不可為(wei)。
此外，數據保密問題也是一個比較大的阻礙。一些關鍵數據，客戶企業一方面是不愿(yuan)意分享給(gei)服務商，這就無法讓他們的(de)AI模型發(fa)揮作用。一些愿(yuan)意分享的(de)，也會(hui)要求相關開發(fa)工作必須在客戶現場進行，這又容易出現算力和工程師(shi)資源(yuan)不足(zu)等問(wen)題。
最后，就是檢測指標的問題。客戶的期待是，既然都上(shang)AI了，那是不是能夠做(zuo)到零漏(lou)檢(jian)和零缺(que)陷，這(zhe)在(zai)當前也很難實(shi)現。一方面是故(gu)障指(zhi)標難以形成一個(ge)(ge)標準(zhun)化(hua)的共識，另一方面就是質(zhi)量(liang)問題(ti)與整個(ge)(ge)生產流程相關，無法通過檢(jian)測環節去解決所有問題(ti)。
總體(ti)而言，機器視(shi)覺(jue)方案(an)的推進難度主(zhu)要體(ti)現在(zai)客(ke)戶認知顆(ke)粒(li)度的對齊上(shang)，需要服務商不斷與(yu)客(ke)戶方溝通和(he)交流，并通過(guo)標(biao)桿案(an)例(li)等(deng)方式，解決客(ke)戶認知上(shang)的偏差和(he)客(ke)戶期望與(yu)實際(ji)情況(kuang)的落差。
寫在最后
通過了解(jie)機器視(shi)覺的(de)發展境況，可以(yi)讓(rang)我們(men)對AI的(de)影(ying)響力和(he)(he)落地形式有一個更為直觀(guan)和(he)(he)具象(xiang)的(de)了解(jie)。它來得并(bing)不(bu)像(xiang)技術(shu)狂(kuang)熱派所宣揚的(de)那(nei)么(me)迅猛和(he)(he)摧枯拉朽，也不(bu)像(xiang)保守者(zhe)所認為的(de)那(nei)樣一無是處，只是炒作和(he)(he)概(gai)念。
AI技(ji)術帶(dai)來的(de)改變正在(zai)(zai)一點一滴地發生著，帶(dai)給我(wo)們(men)新希(xi)望的(de)同時(shi)也伴(ban)隨著種種待(dai)解決的(de)問題(ti)(ti)。與此同時(shi)，技(ji)術起作用的(de)關鍵(jian)，從不(bu)在(zai)(zai)于(yu)旁觀者如何(he)言說，而(er)是(shi)依賴于(yu)那些始(shi)終思考著如何(he)利用新技(ji)術去(qu)解決老問題(ti)(ti)的(de)實踐者。
