2016年，AlphaGo對人類頂尖圍棋手(shou)的無(wu)差(cha)別“虐殺”，又一(yi)次引(yin)發了(le)大眾(zhong)對AI技術(shu)的關(guan)注和恐懼。
在(zai)大部分(fen)人都(dou)熱衷于討論AI技術是(shi)否會真的全方(fang)位超越人類，進而對(dui)人類產生重(zhong)大威脅(xie)時，有一群人卻因為看(kan)到其(qi)背后(hou)突破性的機器(qi)學習技術而深感興奮(fen)。
在他們看來(lai)(lai)，AI機器威脅(xie)到人類(lei)還是一個(ge)遙不可及的(de)未來(lai)(lai)，眼下(xia)最重要的(de)是如何把AI變成“新工人”，來(lai)(lai)幫助人類(lei)解決那(nei)些(xie)遲遲沒(mei)有找到好(hao)方案的(de)問題(ti)。
產品檢測就是這樣一個急切需要新技術的老問題。
盡管企業很早(zao)就(jiu)利用工(gong)業相機等數(shu)據(ju)(ju)采集(ji)設備對產品實施檢測(ce)，但是采集(ji)到的數(shu)據(ju)(ju)還是要通過人工(gong)識別和判定，效率低不說，質量(liang)穩定性也難以(yi)保證(zheng)。
機器學習(xi)算法的(de)(de)突破(po)，提供了一種(zhong)可能性(xing)，就是基于過往(wang)積累的(de)(de)數(shu)(shu)據訓(xun)練AI模型，然后讓其自(zi)主判定產線(xian)相關檢(jian)測數(shu)(shu)據，進而克服人工判定的(de)(de)低效與高(gao)錯(cuo)誤(wu)率(lv)等問題。
由(you)此，傳統(tong)制造業(ye)向智能化(hua)轉型升級的大(da)門，借由(you)AI+機器視覺開(kai)啟了(le)一道(dao)縫(feng)隙，讓遙遠(yuan)的光亮照了(le)進來(lai)，讓行(xing)業(ye)前進的道(dao)路逐漸明朗(lang)了(le)起來(lai)。
時(shi)隔(ge)6年多后(hou)，機(ji)器(qi)視覺(jue)這項技(ji)(ji)術發(fa)(fa)展(zhan)到了什(shen)么程度？相關企(qi)業利用AI技(ji)(ji)術如(ru)(ru)何打造自己機(ji)器(qi)視覺(jue)產品的(de)獨特性(xing)？并如(ru)(ru)何實現商業落地？在這個過程中，又(you)會遭遇怎樣的(de)阻礙？透過機(ji)器(qi)視覺(jue)的(de)發(fa)(fa)展(zhan)，能夠給我們看待AI賦能傳統制(zhi)造業的(de)轉(zhuan)型升級提供怎樣的(de)啟發(fa)(fa)？
為了尋求上述問題的答案，智次方·物聯網智庫分別(bie)采訪了格創東智科(ke)技(ji)有(you)(you)限(xian)公司(si)(si)AOI產(chan)品商務負責人江淵總和(he)菲特(te)（天津）檢測(ce)技(ji)術(shu)有(you)(you)限(xian)公司(si)(si)研發總監陳立名總，通過與兩位長期浸淫在戰(zhan)斗最前線的(de)專(zhuan)家的(de)深度交流，盡(jin)可(ke)能全面地了解(jie)機器視覺(jue)技(ji)術(shu)的(de)發展路徑，并在此(ci)基礎上管窺智能制(zhi)造(zao)的(de)發展現狀和(he)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(qi)視(shi)覺可以分(fen)為成像(xiang)(xiang)和(he)圖像(xiang)(xiang)處(chu)(chu)理分(fen)析兩(liang)大部分(fen)：成像(xiang)(xiang)依賴于機器(qi)視(shi)覺系(xi)統的硬件組件，如光源、光源控制(zhi)器(qi)、鏡頭和(he)相機；圖像(xiang)(xiang)處(chu)(chu)理分(fen)析則(ze)是在成像(xiang)(xiang)基礎上，通過視(shi)覺控制(zhi)系(xi)統進行的。
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(nan)度是逐次(ci)遞(di)增的，因此，生產檢測也(ye)是最能展現機(ji)器視覺“功力”的領域之一。
2023年12月(yue)12日，工(gong)信部(bu)聯合(he)發改(gai)委和金(jin)融(rong)監管總(zong)局發布了《制造業卓(zhuo)越質量工(gong)程實(shi)施意見》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(zhe)樣一個背景下再看機器視(shi)覺(jue)技(ji)術，其重(zhong)要性不言(yan)而喻。
目前，機器視覺技術已(yi)經廣(guang)泛應用于(yu)消費電子、汽車制(zhi)造、半導體、光伏等領域，且市(shi)場規模在不斷擴大。
據(ju)Markets and Markets統計(ji)和預測，2021年(nian)全球(qiu)機(ji)器視(shi)覺市場(chang)規(gui)模(mo)(mo)為(wei)804億元，2025年(nian)有(you)望達到1276億元。根據(ju)高工(gong)機(ji)器人產業(ye)研究(jiu)所數(shu)據(ju)，2021年(nian)中國機(ji)器視(shi)覺市場(chang)規(gui)模(mo)(mo)達到138.16億元，到2025年(nian)我國機(ji)器視(shi)覺市場(chang)規(gui)模(mo)(mo)將(jiang)達到469億元，2021-2025年(nian)復合增(zeng)速達到36%。前瞻產業(ye)研究(jiu)院(yuan)預測，至2028年(nian)，中國機(ji)器視(shi)覺行業(ye)市場(chang)規(gui)模(mo)(mo)將(jiang)達到億837元。
格創東智科技有限(xian)公司(si)和菲特(te)（天津）檢測(ce)技術有限(xian)公司(si)自2017年起，各自開啟了AI+機器(qi)視覺的(de)(de)(de)創新(xin)之旅(lv)。雖然(ran)兩家企業從不同(tong)的(de)(de)(de)地點出發，經歷了截然(ran)不同(tong)的(de)(de)(de)探索過程，但從更宏觀的(de)(de)(de)技術發展視角來看，卻又給人一種殊途同(tong)歸的(de)(de)(de)感覺。
接下來，我們將分(fen)別進行介(jie)紹。
格創東智——從具體場景中走出來的企業
2018年，格創東智(zhi)由TCL孵化而出。帶著TCL在解決(jue)(jue)特(te)定問題上(shang)積累的數(shu)字化能(neng)力，并以此為基礎發展出一系列相(xiang)關產品和解決(jue)(jue)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(ge)創(chuang)東智的(de)(de)機器視覺(jue)(jue)檢測方案——天(tian)樞AI視覺(jue)(jue)檢測系(xi)統是其(qi)工業智能解決(jue)方案中(zhong)的(de)(de)一個細小(xiao)分支，源自TCL華星的(de)(de)半導體生產檢測。
據江淵介紹(shao)，面板生(sheng)產過(guo)程(cheng)(cheng)(cheng)的每一(yi)個(ge)關(guan)鍵制(zhi)程(cheng)(cheng)(cheng)都需要AOI（自動光學檢測）設備(bei)拍攝圖片，進而識別相關(guan)缺(que)陷(xian)。早期(qi)通過(guo)人(ren)工進行缺(que)陷(xian)分(fen)類，只有分(fen)類好了，才能知道下一(yi)步該(gai)怎么(me)處(chu)理。整個(ge)流程(cheng)(cheng)(cheng)有一(yi)百多個(ge)制(zhi)程(cheng)(cheng)(cheng)，需要大(da)量(liang)的人(ren)工去做每一(yi)個(ge)關(guan)鍵制(zhi)程(cheng)(cheng)(cheng)。
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(jin)行(xing)圖(tu)片的(de)識別分類。
方案實施后，首先是(shi)大幅(fu)提(ti)升了(le)檢測效率，能(neng)夠代替(ti)百分之八九十的檢測人(ren)(ren)員，一天(tian)可(ke)以檢測將(jiang)近三百多萬張圖片(pian)。其(qi)次(ci)是(shi)提(ti)升了(le)檢測精度，因為能(neng)夠有效避(bi)免人(ren)(ren)員易疲勞(lao)、人(ren)(ren)與人(ren)(ren)之間的認知差異等問題。
此后，隨著技術成熟度的提升，格創東(dong)智的機器視覺方(fang)案逐步(bu)從半(ban)導(dao)體行(xing)業外溢，目前(qian)已經成功賦(fu)能光伏、3C電(dian)子、家電(dian)、石油石化(hua)、航(hang)空(kong)航(hang)天(tian)等22個細(xi)分行(xing)業。
AI模型是如何賦能生產制造的？
從采訪(fang)中我們也了解到，AI賦能機器視覺檢測的過程(cheng)，經歷了一個從小模型(xing)到大模型(xing)，再到“小模型(xing)”的路徑。
初(chu)期，格創(chuang)東(dong)智(zhi)先結合深(shen)厚的行業(ye)數(shu)據積累和對(dui)特(te)定工業(ye)場景(jing)及檢測指標的深(shen)入理解，再融(rong)合機器學習算法，構筑(zhu)了針對(dui)特(te)定檢測場景(jing)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(tong)過(guo)專注(zhu)和定制(zhi)化的開發(fa)過(guo)程，小模型能夠(gou)在滿(man)足行業特定需求的同時，提高操(cao)作(zuo)效率和決策質(zhi)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(er)很多客戶企業并沒(mei)有這(zhe)樣的人才儲備。
2022年，大模型(xing)技(ji)術(shu)的突破給上(shang)述問題(ti)的解決帶來了希望(wang)。
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(she)計不受數據復雜(za)性的(de)(de)(de)限制，無需(xu)(xu)對場景理(li)解(jie)過(guo)于深入(ru)，只需(xu)(xu)足夠多的(de)(de)(de)數據進(jin)行訓練，無需(xu)(xu)過(guo)多的(de)(de)(de)參(can)數調整(zheng)或架構設(she)計。在更加簡便地(di)處理(li)各種類型的(de)(de)(de)數據的(de)(de)(de)同時，還(huan)不會出現過(guo)擬合的(de)(de)(de)現象(xiang)。
概言之(zhi)，大模型的(de)出現可以大幅降低(di)模型落地的(de)門檻。
長期思索于如何將機(ji)器視覺系統變得更好、更容易落(luo)地的(de)(de)(de)格(ge)創東智積極響應大(da)模型(xing)的(de)(de)(de)技術潮流(liu)，基(ji)于已有的(de)(de)(de)大(da)量數據和(he)小模型(xing)來訓練和(he)開(kai)發自己(ji)的(de)(de)(de)大(da)模型(xing)。
但是要直接(jie)把大模(mo)型(xing)落地在(zai)客戶側(ce)又存在(zai)新的(de)問題，就是在(zai)實時工業(ye)場景中推理需(xu)求的(de)高資(zi)源消(xiao)耗與(yu)成本壓力難以滿足連續(xu)快速檢測與(yu)生產流程的(de)無(wu)縫對(dui)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(zhe)樣做(zuo)的(de)(de)好處(chu)是，利用大模(mo)型(xing)進行學習和(he)提取(qu)特征，可(ke)以更高效地訓練出小(xiao)模(mo)型(xing)，訓練過程中所需的(de)(de)數據(ju)量也(ye)大幅減少(shao)，使得模(mo)型(xing)的(de)(de)落地應用變得更加便捷和(he)可(ke)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。
客戶可以從一(yi)系(xi)列(lie)預設的(de)子模(mo)型和(he)算法中(zhong)選擇，通過簡單的(de)操作將它們組(zu)合起來，構(gou)建(jian)出滿足特定需求的(de)模(mo)型，無需深入了解背后(hou)復雜(za)的(de)算法細節(jie)。
這樣一來，很(hen)多(duo)客戶企業(ye)無需額(e)外投入巨大的(de)人力成(cheng)本，就可以享用到最(zui)新(xin)的(de)機器視覺(jue)技術的(de)賦(fu)能。
這(zhe)種時刻從客(ke)戶(hu)場景入手，不斷在產品落地(di)和交付性方(fang)面(mian)死磕(ke)的精(jing)神，正是(shi)格創東智這(zhe)種從具體場景中孕育而出的企業最(zui)大的特點，也(ye)是(shi)他們的最(zui)大優勢。
菲特——國家重點“專精特新”小巨人
不(bu)同于格創東智的機器(qi)視覺檢測方(fang)案(an)，是在一個大的工業智能解(jie)決方(fang)案(an)基座上延伸出來的一個枝節。
成(cheng)立于2013年(nian)的菲特(te)（天津(jin)）檢(jian)測(ce)技術有限公司(si)則是從(cong)檢(jian)測(ce)這(zhe)個(ge)點(dian)出(chu)發(fa)，在產業(ye)實(shi)踐過(guo)程中不斷積累和豐富(fu)技術經驗，逐(zhu)漸衍(yan)生出(chu)新的能(neng)力，從(cong)質量智能(neng)逐(zhu)步到(dao)工廠智能(neng)，進(jin)而(er)在更為廣泛的工業(ye)智能(neng)中發(fa)光發(fa)熱。
國家級重點“專精特新”小巨人的稱號，便是(shi)對(dui)其(qi)十年磨一劍最好(hao)的肯定(ding)。
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(gai)言之(zhi)，如果一家企業掛上了“專(zhuan)精特新”的(de)(de)牌子(zi)，那也意味著在(zai)其(qi)耕耘的(de)(de)領(ling)域，他已經具備了相當深(shen)厚的(de)(de)積累和話語(yu)權(quan)。
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(zhe)四(si)大(da)領(ling)域覆蓋了從(cong)生(sheng)產前端(duan)到后端(duan)的全(quan)過(guo)程，先(xian)后為(wei)整車(che)、零部件、化紡(fang)、醫藥、軍工、泛工業(ye)等領(ling)域內的眾(zhong)多全(quan)球知名企業(ye)提供(gong)了整體(ti)智(zhi)能制造解決方案(an)，真正(zheng)為(wei)客戶(hu)企業(ye)實現提質增(zeng)效(xiao)。
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(qi)業(ye)為未(wei)來五年的(de)技(ji)(ji)術(shu)儲備而進行的(de)頂(ding)級研發工作。這一層(ceng)面的(de)研發活動集中(zhong)在創新和(he)拓展技(ji)(ji)術(shu)邊(bian)界，比如2D和(he)3D測量(liang)技(ji)(ji)術(shu)等，其目的(de)是要(yao)實(shi)(shi)現在線級（即落(luo)地到實(shi)(shi)際(ji)的(de)生產線上）微米(mi)級別(bie)的(de)精確度(du)。
標準化技術的中臺層是指通過(guo)匯總標準化(hua)(hua)、模(mo)塊化(hua)(hua)的(de)工(gong)具和技術(shu)(shu)，形成(cheng)中(zhong)臺能力，以應對多變的(de)工(gong)業場(chang)景(jing)和定(ding)制(zhi)化(hua)(hua)生產需求(qiu)。這一層面的(de)研(yan)發(fa)旨(zhi)在實現技術(shu)(shu)的(de)可復用性(xing)和靈(ling)活性(xing)，以便快(kuai)速(su)適應市場(chang)和客戶需求(qiu)的(de)變化(hua)(hua)。
產品層指(zhi)的(de)是具體(ti)(ti)的(de)產品開發(fa)，包括檢測(ce)設(she)備(bei)和(he)監控系統等，直(zhi)接面向市場和(he)客戶。力圖(tu)將先進的(de)技(ji)術應用(yong)到具體(ti)(ti)的(de)產品設(she)計和(he)功能實現中，使其(qi)成(cheng)為看(kan)得見摸得著的(de)成(cheng)果。
大模型技術浪潮興起后，菲(fei)特也積極響應新趨勢。
陳立名提到，對于大(da)模(mo)型的發展(zhan)，他們有一個(ge)長期的規(gui)劃，主(zhu)要集(ji)中在(zai)兩個(ge)方(fang)向：
首先，利用大語言模型改進數字化系統的交互方式，從傳統的表單和(he)流程(cheng)，轉向(xiang)更直觀、更人性(xing)化的交互模式。既包(bao)含人與人之間的交互，也涉(she)及知識(shi)檢索(suo)和(he)沉(chen)淀，特別是(shi)將原本(ben)沉(chen)淀在個人或零散文件中的行(xing)業Know-How，通過大模型技術進行(xing)整理(li)和(he)可檢索(suo)化，以(yi)便(bian)更有(you)效(xiao)地復用。
其次，菲特也開始了多模態大模型的開發和應用。通(tong)過結合(he)(he)傳統的圖像數(shu)據和文本數(shu)據，實(shi)現(xian)不(bu)同數(shu)據類型(xing)的綜合(he)(he)利用，以(yi)此來更好地沉淀(dian)行業數(shu)據。
對談下來，筆者能(neng)夠感覺到，菲(fei)特對自己的(de)核心要求體現(xian)在(zai)，他(ta)們始終想著如(ru)何利用AI技術去(qu)幫助客戶(hu)企(qi)業(ye)將(jiang)他(ta)們已經擁有的(de)數(shu)據資源和(he)行(xing)業(ye)能(neng)力(li)充分利用起來，以此為目標讓自己向著國(guo)內(nei)領(ling)先的(de)智能(neng)制造整體解決(jue)方案提(ti)供商(shang)邁進。
機器視覺的商業模式
通過與兩位技(ji)術專家的對談，我們也對機器視(shi)覺的交付方式和(he)商業模(mo)式有(you)了更為深入地了解(jie)。
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。后續服務通常(chang)包括數據算法的(de)優(you)化、調試以及系統的(de)維護(hu)和(he)更(geng)新等(deng)，以確保系統的(de)長期穩(wen)定運(yun)行。
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)客戶購買硬件設(she)備，并訂閱公司(si)提供的服務。
商(shang)務模(mo)式的(de)(de)選(xuan)擇與客(ke)戶企業(ye)的(de)(de)規(gui)模(mo)和需求有關。對于(yu)規(gui)模(mo)較大、產品類型(xing)繁(fan)多的(de)(de)企業(ye)，可能(neng)更(geng)傾(qing)向(xiang)于(yu)買(mai)斷(duan)模(mo)式，以(yi)滿足不斷(duan)變化的(de)(de)需求。而對于(yu)小型(xing)企業(ye)，可能(neng)更(geng)傾(qing)向(xiang)于(yu)訂閱模(mo)式，以(yi)降低(di)成本并(bing)獲(huo)得專業(ye)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(ti)供了一個全面的(de)(de)解決方案，包括軟件和硬件的(de)(de)整合。公司承(cheng)擔(dan)從項目開始到完成(cheng)的(de)(de)所有(you)工作，類似“交(jiao)鑰(yao)匙”工程，即客戶從開始到結束不需要擔(dan)心任何細節(jie)問(wen)題(ti)。
軟件算法服務交付模式下，公(gong)司專(zhuan)注于提供(gong)軟(ruan)件算(suan)法方面的(de)(de)(de)服務，而(er)不(bu)涉及任何硬件設(she)備。公(gong)司的(de)(de)(de)服務主要是(shi)賦能客(ke)戶(hu)現有的(de)(de)(de)設(she)備，比如制造(zao)設(she)備或(huo)質檢設(she)備，通過(guo)提供(gong)高級的(de)(de)(de)軟(ruan)件算(suan)法來優(you)化客(ke)戶(hu)的(de)(de)(de)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，公司提供(gong)的是成品(pin)解決方案，即直接銷售標準化的產品(pin)給客戶。交(jiao)付過程(cheng)通常包括現場安裝(zhuang)和(he)調試，而所(suo)有的后續配(pei)合和(he)適配(pei)工作則由客戶自己或公司的渠(qu)道(dao)伙伴來完(wan)成。
機器視覺方案的推進阻礙
通盤來看(kan)，AI+機器視覺帶給企業的好處是顯而易見的，但(dan)這并不意味著相關方案的落地就會水(shui)到渠成(cheng)。在采訪中(zhong)，兩位專(zhuan)家也(ye)提到了他(ta)們在產品推進(jin)過程(cheng)中(zhong)的一些阻礙(ai)以(yi)及相對應的策略。
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，只有讓客戶在數據上看到機器視覺方案(an)帶(dai)來(lai)的(de)顯著(zhu)收益(yi)，他們才(cai)愿意在前期投入巨大(da)的(de)成本來(lai)引進。這(zhe)需要(yao)方案(an)提(ti)供商想辦法建立(li)標(biao)桿案(an)例，提(ti)高行業認知度，也讓客戶更(geng)加理(li)解和信任新(xin)技術的(de)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，把新(xin)技(ji)(ji)術(shu)(shu)當(dang)成了許(xu)愿池和(he)(he)(he)百寶箱(xiang)，期望引進相(xiang)關技(ji)(ji)術(shu)(shu)方(fang)案后，能夠一(yi)下子解決自己公司面臨的(de)所有的(de)問(wen)題。面對這一(yi)情況，服務商能夠做的(de)就是不斷溝通和(he)(he)(he)解釋，讓客戶(hu)對新(xin)技(ji)(ji)術(shu)(shu)的(de)認知更加(jia)清(qing)晰(xi)和(he)(he)(he)明確，意(yi)識到(dao)相(xiang)關技(ji)(ji)術(shu)(shu)的(de)可為和(he)(he)(he)不可為。
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(ye)一方面是不愿意(yi)分享給服務商(shang)，這就無法讓他(ta)們的AI模型發(fa)揮作用(yong)。一些愿意(yi)分享的，也(ye)會要(yao)求(qiu)相(xiang)關開發(fa)工作必須(xu)在客戶現場(chang)進行，這又(you)容易出現算力和工程師資源不足等問題。
最后，就是檢測指標的問題。客戶的期待是(shi)，既然都上AI了，那是(shi)不(bu)是(shi)能夠(gou)做到零漏檢和(he)零缺陷，這在當前也很難實現。一(yi)(yi)方面是(shi)故障指(zhi)標難以形成一(yi)(yi)個標準化的共識，另一(yi)(yi)方面就是(shi)質(zhi)量問題(ti)與整個生(sheng)產流程相(xiang)關，無法通(tong)過(guo)檢測環(huan)節去解決所(suo)有問題(ti)。
總體而言，機器(qi)視覺方(fang)案(an)的推進難度主要體現在客(ke)戶(hu)認知(zhi)顆粒度的對(dui)齊上(shang)(shang)，需要服(fu)務(wu)商不(bu)斷與客(ke)戶(hu)方(fang)溝通(tong)和交流，并通(tong)過標(biao)桿案(an)例(li)等(deng)方(fang)式，解(jie)決客(ke)戶(hu)認知(zhi)上(shang)(shang)的偏(pian)差(cha)和客(ke)戶(hu)期望與實際情況的落差(cha)。
寫在最后
通過(guo)了解(jie)(jie)機(ji)器(qi)視覺的(de)發展境(jing)況，可(ke)以(yi)讓我們對AI的(de)影響力和落地形式有(you)一個更為直(zhi)觀和具象(xiang)的(de)了解(jie)(jie)。它來得并不像技術狂熱(re)派所宣揚的(de)那么迅猛和摧(cui)枯(ku)拉朽，也不像保(bao)守(shou)者所認為的(de)那樣(yang)一無是(shi)處，只是(shi)炒作和概念。
AI技術(shu)帶(dai)來(lai)的(de)(de)(de)(de)改變(bian)正在一點一滴(di)地發生著(zhu)，帶(dai)給我們新(xin)希(xi)望的(de)(de)(de)(de)同時也伴隨(sui)著(zhu)種種待解(jie)決的(de)(de)(de)(de)問題。與此同時，技術(shu)起作用的(de)(de)(de)(de)關鍵，從(cong)不在于旁觀者如何(he)言說，而是依賴于那些始終思考著(zhu)如何(he)利用新(xin)技術(shu)去解(jie)決老問題的(de)(de)(de)(de)實踐者。
