2016年，AlphaGo對人類頂尖圍棋手(shou)的(de)無差別“虐殺”，又(you)一次引發了大眾對AI技術的(de)關(guan)注和恐懼。
在大部分人(ren)都(dou)熱衷(zhong)于討論AI技(ji)術是否會真(zhen)的(de)全(quan)方位(wei)超越人(ren)類(lei)，進而對人(ren)類(lei)產生重(zhong)大威脅時(shi)，有一群人(ren)卻因為看到其(qi)背(bei)后突破性的(de)機器學習技(ji)術而深感興(xing)奮。
在他們看來，AI機器威脅到人類(lei)還是一個遙不可及的(de)未來，眼下最重(zhong)要的(de)是如何把AI變成“新工人”，來幫助人類(lei)解決那些遲遲沒有(you)找到好方案的(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(zao)就利用工業(ye)相(xiang)機等(deng)數據(ju)采(cai)集設備(bei)對產品實施檢測，但是(shi)采(cai)集到的數據(ju)還是(shi)要通(tong)過人工識別和判定(ding)，效率低(di)不(bu)說，質量穩定(ding)性也難以保證。
機器學習(xi)算法(fa)的(de)突(tu)破，提供(gong)了(le)一種(zhong)可(ke)能性，就是基于過往(wang)積累(lei)的(de)數(shu)據(ju)訓練AI模(mo)型，然后讓其自(zi)主判定(ding)產線相關檢測數(shu)據(ju)，進而克服人工判定(ding)的(de)低效與(yu)高錯誤率(lv)等問題。
由此，傳統制造(zao)業(ye)向智能(neng)化轉型升級的(de)大門，借(jie)由AI+機器視覺開(kai)啟(qi)了一道縫隙(xi)，讓遙(yao)遠的(de)光亮照了進來，讓行(xing)業(ye)前(qian)進的(de)道路(lu)逐漸明(ming)朗了起(qi)來。
時(shi)隔6年多后，機器(qi)視(shi)覺(jue)這項(xiang)技術發展到(dao)了什么程(cheng)度(du)？相關企業(ye)(ye)利(li)用AI技術如(ru)何打(da)造(zao)自(zi)己機器(qi)視(shi)覺(jue)產(chan)品(pin)的獨(du)特性？并如(ru)何實(shi)現商業(ye)(ye)落地？在這個過(guo)程(cheng)中，又會遭遇怎樣(yang)的阻(zu)礙？透過(guo)機器(qi)視(shi)覺(jue)的發展，能夠給(gei)我們(men)看待AI賦能傳統制造(zao)業(ye)(ye)的轉型升級提(ti)供(gong)怎樣(yang)的啟發？
為了尋求上述問題的答案，智次方·物聯網智庫分別采訪了格創(chuang)東智科技有限公司AOI產品商務(wu)負責人江淵總(zong)和(he)菲特（天津）檢測技術(shu)有限公司研發總(zong)監陳(chen)立名(ming)總(zong)，通過與(yu)兩位長期(qi)浸淫在(zai)戰斗最前線(xian)的(de)專家(jia)的(de)深度交流，盡可能(neng)全(quan)面地(di)了解機器視覺技術(shu)的(de)發展路徑，并(bing)在(zai)此基礎上管(guan)窺智能(neng)制造的(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。
機器視(shi)(shi)覺可(ke)以(yi)分(fen)為成(cheng)像(xiang)(xiang)(xiang)和(he)圖像(xiang)(xiang)(xiang)處理分(fen)析兩大部分(fen)：成(cheng)像(xiang)(xiang)(xiang)依賴(lai)于機器視(shi)(shi)覺系(xi)統的硬件(jian)組件(jian)，如光源、光源控制(zhi)器、鏡頭(tou)和(he)相機；圖像(xiang)(xiang)(xiang)處理分(fen)析則是在成(cheng)像(xiang)(xiang)(xiang)基礎上，通(tong)過視(shi)(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(shu)功能的難度是逐次遞增(zeng)的，因此，生產(chan)檢測也是最能展(zhan)現機器視覺“功力”的領域之一。
2023年12月12日，工信部聯合發(fa)改委和金(jin)融(rong)監管(guan)總局發(fa)布(bu)了《制造業卓越質(zhi)量工程實施意見》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。
在這樣一(yi)個背(bei)景下再看機器視覺(jue)技術，其重要性不言而喻。
目前，機器視覺(jue)技術已經廣泛應用于消費電子、汽車(che)制造(zao)、半導體、光伏(fu)等領域，且市場(chang)規模(mo)在不(bu)斷擴大。
據(ju)Markets and Markets統計(ji)和預測(ce)，2021年全球機(ji)(ji)器(qi)(qi)視覺(jue)市場規(gui)模(mo)(mo)為804億(yi)元，2025年有望達(da)到(dao)1276億(yi)元。根據(ju)高工機(ji)(ji)器(qi)(qi)人(ren)產業(ye)研(yan)究所數據(ju)，2021年中國(guo)機(ji)(ji)器(qi)(qi)視覺(jue)市場規(gui)模(mo)(mo)達(da)到(dao)138.16億(yi)元，到(dao)2025年我國(guo)機(ji)(ji)器(qi)(qi)視覺(jue)市場規(gui)模(mo)(mo)將達(da)到(dao)469億(yi)元，2021-2025年復合增速達(da)到(dao)36%。前(qian)瞻產業(ye)研(yan)究院預測(ce)，至2028年，中國(guo)機(ji)(ji)器(qi)(qi)視覺(jue)行業(ye)市場規(gui)模(mo)(mo)將達(da)到(dao)億(yi)837元。
格創(chuang)東智科技(ji)有限(xian)公司和菲特（天津(jin)）檢測技(ji)術(shu)有限(xian)公司自2017年起，各自開啟了(le)AI+機器視覺(jue)的(de)創(chuang)新(xin)之旅。雖然(ran)兩家企業(ye)從不同(tong)的(de)地點出發(fa)，經歷了(le)截然(ran)不同(tong)的(de)探索過程，但從更宏(hong)觀的(de)技(ji)術(shu)發(fa)展(zhan)視角來看，卻又給人(ren)一種殊途同(tong)歸的(de)感覺(jue)。
接下來，我們將分別進行介紹。
格創東智——從具體場景中走出來的企業
2018年，格創東智由TCL孵化而出。帶著(zhu)TCL在解(jie)決(jue)特定問題上積累的數字化能力，并以(yi)此為(wei)基礎(chu)發展(zhan)出一系列(lie)相(xiang)關產品和解(jie)決(jue)方案。
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。
格創東智的(de)機器視覺檢(jian)測(ce)方案——天樞AI視覺檢(jian)測(ce)系統(tong)是其工業智能解決(jue)方案中的(de)一個(ge)細(xi)小分支(zhi)，源自TCL華(hua)星的(de)半導體(ti)生產(chan)檢(jian)測(ce)。
據江淵(yuan)介紹，面板生產(chan)過(guo)(guo)程的每一(yi)個(ge)關(guan)鍵(jian)制程都(dou)需(xu)要(yao)AOI（自動光(guang)學(xue)檢測）設(she)備拍攝圖(tu)片，進而識(shi)別相關(guan)缺陷。早(zao)期通(tong)過(guo)(guo)人工進行(xing)缺陷分類，只有分類好了，才能知道下一(yi)步該(gai)怎么處理。整(zheng)個(ge)流(liu)程有一(yi)百多個(ge)制程，需(xu)要(yao)大量的人工去做每一(yi)個(ge)關(guan)鍵(jian)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(ji)術進行圖片的(de)識別分類。
方案實施后，首先是大(da)幅(fu)提(ti)升了檢(jian)測(ce)效率，能夠(gou)代替百(bai)(bai)分之八九十(shi)的(de)檢(jian)測(ce)人(ren)員，一天(tian)可以檢(jian)測(ce)將近三百(bai)(bai)多萬張圖(tu)片。其次是提(ti)升了檢(jian)測(ce)精度，因為能夠(gou)有(you)效避免人(ren)員易(yi)疲勞、人(ren)與人(ren)之間的(de)認知差異等問題(ti)。
此后(hou)，隨著技術成(cheng)熟度的提(ti)升，格創東智的機器視覺方案逐(zhu)步(bu)從半導體行業外(wai)溢，目(mu)前(qian)已經成(cheng)功賦能光伏、3C電(dian)子、家電(dian)、石油石化、航(hang)(hang)空(kong)航(hang)(hang)天等22個細(xi)分行業。
AI模型是如何賦能生產制造的？
從采訪中我們也了(le)解到，AI賦能機器視覺檢測的過程，經歷(li)了(le)一(yi)個(ge)從小模(mo)型到大模(mo)型，再到“小模(mo)型”的路徑。
初期，格(ge)創東智先結合(he)深厚的(de)行業數據積累和對(dui)特(te)定(ding)(ding)工業場景及檢(jian)測指(zhi)標的(de)深入理解，再融合(he)機器學習算法，構筑(zhu)了針對(dui)特(te)定(ding)(ding)檢(jian)測場景的(de)小模(mo)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)過專注(zhu)和(he)定(ding)(ding)制化的開發過程，小模型能夠在滿足行業特定(ding)(ding)需求的同時，提(ti)高操(cao)作效率和(he)決策質量。
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)有這樣的人才儲備。
2022年，大模型技術的突破給上述問題的解(jie)決帶來(lai)了希(xi)望。
相比于小模型，大模型有更強的兼容性和穩定性。大(da)模型的(de)(de)(de)設計不(bu)受數(shu)據(ju)復雜性的(de)(de)(de)限制，無(wu)需對(dui)場景(jing)理解過(guo)于深入，只需足夠多的(de)(de)(de)數(shu)據(ju)進行訓練，無(wu)需過(guo)多的(de)(de)(de)參數(shu)調整或架(jia)構設計。在更加簡(jian)便(bian)地處理各(ge)種(zhong)類(lei)型的(de)(de)(de)數(shu)據(ju)的(de)(de)(de)同時，還(huan)不(bu)會(hui)出(chu)現(xian)過(guo)擬(ni)合的(de)(de)(de)現(xian)象。
概言之，大(da)模型的出現可以大(da)幅降低(di)模型落(luo)地的門檻(jian)。
長期(qi)思索于如何將機器視覺系統變得更好、更容易(yi)落(luo)地的格創東(dong)智(zhi)積極響應大模(mo)型的技術(shu)潮流(liu)，基(ji)于已有的大量數據和小模(mo)型來訓(xun)練(lian)和開(kai)發自己的大模(mo)型。
但是(shi)要直接(jie)(jie)把大模(mo)型落地在客戶側又(you)存在新的(de)問(wen)題，就是(shi)在實時工業場景中推理需求的(de)高資源消耗與(yu)成本壓力(li)難以滿足連(lian)續(xu)快速檢(jian)測與(yu)生產流程的(de)無縫對接(jie)(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)樣做的(de)好處是，利用大模型進行(xing)學習和提取特征，可以更高效地(di)訓(xun)練出小模型，訓(xun)練過程中所需的(de)數據量也大幅減少，使得模型的(de)落地(di)應(ying)用變(bian)得更加便捷(jie)和可行(xing)。
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)系列預設的(de)子(zi)模型和算法(fa)中選擇(ze)，通(tong)過簡單(dan)的(de)操作將它們組合起來，構建出(chu)滿(man)足特定需求(qiu)的(de)模型，無需深(shen)入了解背(bei)后復雜的(de)算法(fa)細(xi)節。
這樣一(yi)來(lai)，很(hen)多客(ke)戶企業無需額外投入巨大的(de)人力成本(ben)，就可以(yi)享用到最(zui)新的(de)機(ji)器視覺(jue)技術的(de)賦能。
這種(zhong)時刻從(cong)客戶場景入(ru)手，不斷在(zai)產品落地和(he)交付(fu)性方面死磕的精神，正是格(ge)創東(dong)智這種(zhong)從(cong)具體場景中孕育而出的企業最(zui)大的特點(dian)，也是他(ta)們的最(zui)大優勢。
菲特——國家重點“專精特新”小巨人
不同于格創東智的機器(qi)視覺檢(jian)測方(fang)案，是在(zai)一個大的工業智能(neng)解決(jue)方(fang)案基座(zuo)上延伸出(chu)來的一個枝節。
成立于2013年(nian)的(de)菲特（天津）檢(jian)測技術(shu)有限(xian)公司則是從檢(jian)測這個點(dian)出(chu)(chu)發(fa)，在(zai)產業實踐過程中不斷(duan)積累和豐富技術(shu)經驗，逐漸衍生出(chu)(chu)新(xin)的(de)能(neng)力，從質量智(zhi)能(neng)逐步到(dao)工廠智(zhi)能(neng)，進而在(zai)更為(wei)廣(guang)泛的(de)工業智(zhi)能(neng)中發(fa)光發(fa)熱(re)。
國家級重點“專精特新”小巨人的稱(cheng)號(hao)，便是對其十年磨一(yi)劍最好的肯(ken)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(yi)家企業掛上(shang)了“專精特新”的牌子，那也意味著(zhu)在其耕耘的領域(yu)，他已經具備了相當深(shen)厚的積累和話(hua)語權(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。
這四(si)大領域(yu)覆蓋了從生產(chan)前端到(dao)后端的全(quan)(quan)過(guo)程，先后為整車、零部件、化紡、醫藥、軍工(gong)、泛工(gong)業(ye)等領域(yu)內(nei)的眾(zhong)多全(quan)(quan)球知名企業(ye)提供了整體智能制造解決方案(an)，真正為客(ke)戶企業(ye)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(lai)五年的(de)技(ji)術儲備而(er)進行的(de)頂級(ji)研發工作。這一層面的(de)研發活(huo)動集(ji)中在創新和拓展技(ji)術邊(bian)界，比如2D和3D測量技(ji)術等(deng)，其(qi)目的(de)是要實(shi)現在線級(ji)（即落地(di)到(dao)實(shi)際的(de)生產線上）微米級(ji)別(bie)的(de)精(jing)確度(du)。
標準化技術的中臺層是(shi)指(zhi)通(tong)過匯(hui)總標準化、模塊化的工(gong)具和(he)技術(shu)，形成(cheng)中(zhong)臺(tai)能力，以應對多(duo)變的工(gong)業場(chang)景和(he)定制化生產需求(qiu)。這一(yi)層面(mian)的研(yan)發旨在實現技術(shu)的可復用性和(he)靈活性，以便快速適應市場(chang)和(he)客戶需求(qiu)的變化。
產品層指的(de)(de)是具(ju)(ju)體的(de)(de)產(chan)品開發，包括檢測(ce)設備和監(jian)控(kong)系統等，直接面向市場和客戶。力圖將先進(jin)的(de)(de)技術應用到具(ju)(ju)體的(de)(de)產(chan)品設計和功能(neng)實現中(zhong)，使其成為看得(de)見摸得(de)著的(de)(de)成果。
大模型技術浪潮興起后，菲特也(ye)積(ji)極響應新趨勢。
陳(chen)立名(ming)提(ti)到，對于大模型(xing)的發展，他(ta)們(men)有一個(ge)長期的規劃，主(zhu)要(yao)集中在兩個(ge)方向(xiang)：
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)表單和流程(cheng)，轉向更直觀、更人性(xing)化(hua)的(de)交互模式(shi)。既包含人與人之(zhi)間的(de)交互，也涉及知識檢(jian)索(suo)和沉淀，特別是將原本沉淀在個人或(huo)零散文(wen)件(jian)中的(de)行(xing)業Know-How，通過大模型(xing)技術進行(xing)整理(li)和可檢(jian)索(suo)化(hua)，以便更有效地復用。
其次，菲特也開始了多模態大模型的開發和應用。通過結合傳統的圖像(xiang)數(shu)據(ju)和文本數(shu)據(ju)，實現不同數(shu)據(ju)類型(xing)的綜合利用，以(yi)此(ci)來(lai)更(geng)好(hao)地沉淀(dian)行業數(shu)據(ju)。
對談下(xia)來，筆(bi)者能夠(gou)感覺到，菲(fei)特對自(zi)(zi)己(ji)的(de)核心要求體現在，他們始終想著如(ru)何利用AI技術去(qu)幫助客戶企業將他們已經擁有的(de)數(shu)據資(zi)源和行業能力充分利用起來，以此為目標讓自(zi)(zi)己(ji)向著國內領先的(de)智能制造(zao)整體解決方(fang)案提供商邁進。
機器視覺的商業模式
通過與兩位技術(shu)專家的對(dui)談，我(wo)們也對(dui)機(ji)器視覺的交(jiao)付方式和商業模式有了(le)更為深入地了(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)常包括數據算(suan)法的(de)優(you)化、調試以及系統的(de)維護和更(geng)新等，以確(que)保系統的(de)長(chang)期穩(wen)定運行。
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(ze)是(shi)客戶購(gou)買硬件設(she)備，并(bing)訂閱公司提供的服(fu)務(wu)。
商務模式的(de)(de)選擇與客(ke)戶企業的(de)(de)規模和需(xu)求有(you)關(guan)。對(dui)(dui)于規模較(jiao)大、產品類型繁多的(de)(de)企業，可能更傾(qing)向于買(mai)斷模式，以滿足(zu)不斷變化(hua)的(de)(de)需(xu)求。而對(dui)(dui)于小型企業，可能更傾(qing)向于訂閱模式，以降低(di)成(cheng)本(ben)并獲(huo)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了一個全面的解(jie)決(jue)方案，包括軟件(jian)和硬件(jian)的整合(he)。公司承擔從(cong)項目開(kai)始到完(wan)成(cheng)的所(suo)有工(gong)作(zuo)，類似“交鑰匙(chi)”工(gong)程，即客戶從(cong)開(kai)始到結束(shu)不需要(yao)擔心任何細(xi)節問題。
軟件算法服務交付模式下，公司專注于提供軟件(jian)(jian)算法(fa)(fa)方面的服(fu)務(wu)，而不涉及任何(he)硬(ying)件(jian)(jian)設(she)備(bei)。公司的服(fu)務(wu)主要是賦能客(ke)(ke)戶現有的設(she)備(bei)，比如制(zhi)造設(she)備(bei)或(huo)質(zhi)檢(jian)設(she)備(bei)，通過提供高級的軟件(jian)(jian)算法(fa)(fa)來優化(hua)客(ke)(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)(gong)司提供的(de)(de)是成品解決(jue)方(fang)案，即直(zhi)接銷(xiao)售標準化的(de)(de)產(chan)品給客(ke)戶(hu)。交(jiao)付過程(cheng)通常包括現場安裝和(he)調試，而所有的(de)(de)后續配(pei)合和(he)適配(pei)工作則由(you)客(ke)戶(hu)自己(ji)或公(gong)(gong)司的(de)(de)渠道伙伴(ban)來完成。
機器視覺方案的推進阻礙
通盤來看，AI+機器視(shi)覺帶給企(qi)業的(de)好處(chu)是顯(xian)而易見的(de)，但這(zhe)并不意味著相關(guan)方案的(de)落(luo)地就會水(shui)到渠成。在采訪中，兩位專家也(ye)提到了他(ta)們在產品(pin)推進過程中的(de)一些阻礙以及(ji)相對應(ying)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，只有讓(rang)(rang)客戶(hu)在(zai)數據上看到(dao)機器視覺方(fang)案帶(dai)來的(de)顯(xian)著(zhu)收益(yi)，他們(men)才愿意在(zai)前期投入巨大的(de)成本(ben)來引進。這需要方(fang)案提(ti)供商想辦法建立標桿(gan)案例(li)，提(ti)高(gao)行業(ye)認知度，也讓(rang)(rang)客戶(hu)更加(jia)理(li)解和信(xin)任新技術(shu)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，把新技術(shu)當成了許愿(yuan)池和百寶箱，期望引進相關(guan)技術(shu)方案后，能(neng)夠一(yi)下(xia)子解決自己公司面(mian)臨的所(suo)有的問題。面(mian)對(dui)這一(yi)情況，服務商能(neng)夠做的就是不斷溝通和解釋，讓客戶(hu)對(dui)新技術(shu)的認知更加清晰和明確(que)，意識(shi)到相關(guan)技術(shu)的可(ke)(ke)為(wei)和不可(ke)(ke)為(wei)。
此外，數據保密問題也是一個比較大的阻礙。一(yi)(yi)些關鍵數據，客戶企業一(yi)(yi)方面是不(bu)愿(yuan)(yuan)意(yi)分享(xiang)給服務商，這就無法讓他們的(de)AI模型發揮作用。一(yi)(yi)些愿(yuan)(yuan)意(yi)分享(xiang)的(de)，也會要求相關開發工(gong)作必須在客戶現場進(jin)行，這又(you)容易出現算力(li)和(he)工(gong)程(cheng)師資(zi)源不(bu)足等(deng)問題。
最后，就是檢測指標的問題。客(ke)戶的(de)期待是，既然都上AI了，那是不是能(neng)夠做(zuo)到零(ling)漏(lou)檢(jian)和零(ling)缺陷，這在(zai)當前也很難實現。一方面(mian)是故(gu)障(zhang)指標難以形成一個標準(zhun)化的(de)共識，另一方面(mian)就是質量(liang)問題與整個生產流程相關，無法通過檢(jian)測環節去解決所有問題。
總體(ti)而言，機器視覺方案的(de)推(tui)進難(nan)度主要體(ti)現在客(ke)(ke)戶認知顆(ke)粒度的(de)對(dui)齊(qi)上(shang)，需要服務(wu)商不斷(duan)與客(ke)(ke)戶方溝(gou)通和(he)(he)交流，并通過標桿案例等方式，解決客(ke)(ke)戶認知上(shang)的(de)偏差(cha)和(he)(he)客(ke)(ke)戶期(qi)望與實際(ji)情況的(de)落(luo)差(cha)。
寫在最后
通過(guo)了解(jie)機器視(shi)覺的發展境況，可以讓我們對AI的影(ying)響(xiang)力(li)和落地形(xing)式有一個更為直(zhi)觀和具象的了解(jie)。它(ta)來得并不像技術(shu)狂(kuang)熱(re)派(pai)所宣揚(yang)的那(nei)么迅(xun)猛(meng)和摧枯(ku)拉朽，也(ye)不像保守者所認為的那(nei)樣一無(wu)是處，只是炒作和概念。
AI技(ji)術(shu)帶來(lai)的改變正在(zai)一點一滴地發生著，帶給我(wo)們新希望的同(tong)時也伴(ban)隨著種種待解決的問(wen)題。與(yu)此同(tong)時，技(ji)術(shu)起作(zuo)用(yong)的關鍵，從不在(zai)于旁(pang)觀者如何(he)言說，而是依賴于那些始終思考著如何(he)利(li)用(yong)新技(ji)術(shu)去解決老問(wen)題的實(shi)踐者。
