2024年7月8日-10日，由機(jī)器視覺產(chǎn)業(yè)聯(lián)盟（CMVU）主辦，慕尼黑展覽（上海）有限公司承辦的VisionChina2024（上海）機(jī)器視覺展暨機(jī)器視覺技術(shù)及工業(yè)應(yīng)用研討會(huì)在上海新國際博覽中心完美收官。阿丘科技也以其前沿的AI技術(shù)實(shí)踐，為觀眾帶來一場AI+工業(yè)的視覺盛宴。

在工業(yè)應(yīng)用研討會(huì)現(xiàn)場，阿丘科技研發(fā)副總裁鐘克洪圍繞“工業(yè)視覺進(jìn)入AI-Native大時(shí)代”主題，發(fā)表精彩演講，解析工業(yè)視覺產(chǎn)品新范式，下文為其演講內(nèi)容整理。

大家好，我是阿丘科技研發(fā)負(fù)責(zé)人鐘克洪。

去年我在VisionChina北京和大家分享了工業(yè)AI視覺演進(jìn)的一些理解和觀點(diǎn)《工業(yè)視覺AI進(jìn)化論》。一年來，AI在制造業(yè)的概念認(rèn)知加速普及。各行業(yè)終端廠商高管積極探索導(dǎo)入AI的路徑，視覺廠商也都紛紛包裝上AI的人設(shè)。

但AI技術(shù)架構(gòu)的視覺產(chǎn)品大多固守在原有視覺產(chǎn)品的認(rèn)知框架內(nèi)，AI技術(shù)更多只是作為一個(gè)關(guān)鍵功能組件，AI對(duì)于工業(yè)問題的解決并沒有質(zhì)的飛躍。我認(rèn)為AI技術(shù)架構(gòu)的產(chǎn)品一定要能夠直擊工業(yè)痛點(diǎn)，可這樣的產(chǎn)品到底應(yīng)該長什么樣子？一定是AI-Native。

這個(gè)就是我想和大家分享的主題——《工業(yè)視覺進(jìn)入AI-Native大時(shí)代》，也是阿丘科技一年來的一些思考和探索。

今天我分享的內(nèi)容主要分為三個(gè)部分，分別是工業(yè)視覺需要解的問題、AI-Native提供了全新的解題框架，以及對(duì)產(chǎn)品發(fā)展的一些趨勢觀點(diǎn)。

一、工業(yè)視覺挑戰(zhàn)

整個(gè)制造業(yè)目前關(guān)注的核心，我從四個(gè)維度概括就是：提質(zhì)、增效、降本、擴(kuò)柔。一言概之，即“提升規(guī)模效應(yīng)、提高生產(chǎn)柔性”。

前面三個(gè)維度相信大家平時(shí)思考的比較多，但是“擴(kuò)柔”這一部分，實(shí)際上可能是當(dāng)前各個(gè)制造企業(yè)考慮的必選項(xiàng)。特別是在傳統(tǒng)制造業(yè)中，“小單快反”成為當(dāng)下制造業(yè)的主流，柔性化生產(chǎn)已經(jīng)成為常規(guī)動(dòng)作。

那么，目前整個(gè)工業(yè)視覺行業(yè)的挑戰(zhàn)有哪些呢？

隨著AI技術(shù)的導(dǎo)入，確實(shí)對(duì)檢測能力的魯棒性有非常大程度的提升。但是整個(gè)視覺系統(tǒng)的泛化能力，我認(rèn)為并沒有本質(zhì)的改變，甚至直接導(dǎo)致整個(gè)產(chǎn)品的適配性非常差。一旦更換新的場景，就還要另外進(jìn)行模型訓(xùn)練，即便是在同一個(gè)場景下，如果遇到整個(gè)產(chǎn)品換型，所消耗的周期也非常長，簡而言之就是“切拉換型周期長、場景遷移能力弱。”

而且，整個(gè)視覺系統(tǒng)的TCO仍然過高。目前，大部分的視覺系統(tǒng)其實(shí)都還是定制的，在評(píng)估、開發(fā)、部署、維護(hù)層面都要消耗很多人力，這是導(dǎo)致高成本重要原因。俗話說“羊毛出在羊身上”，視覺系統(tǒng)的成本變高之后，終端客戶對(duì)其的普及度就會(huì)變得很低。

二、AI-Native工業(yè)視覺產(chǎn)品新范式

現(xiàn)在，我們從AI原生的視角，來探究一下前面提出的問題。

首先，什么是AI原生？我們可以從AI和視覺系統(tǒng)結(jié)合形態(tài)的角度，來解讀AI-Native。

當(dāng)前大部分AI視覺系統(tǒng)都只是把AI作為組件，我們阿丘科技的AIDI、Cognex VisionPro Deep Learning等構(gòu)建的視覺系統(tǒng)即屬于該類，這也是當(dāng)前AI和視覺系統(tǒng)的主要結(jié)合方式。

另一種方式是對(duì)現(xiàn)有的視覺系統(tǒng)進(jìn)行優(yōu)化，比如阿丘科技的PCB ARS（AI Review System）即是對(duì)現(xiàn)有視覺系統(tǒng)進(jìn)行優(yōu)化，降低人工復(fù)判成本，同時(shí)進(jìn)行缺陷分類、根因分析、過程控制，從而提高或保持良率。

這兩種方式本質(zhì)上仍屬于Vision + AI范疇，AI只是視覺系統(tǒng)的核心組件或?qū)ΜF(xiàn)有視覺系統(tǒng)的優(yōu)化，而并沒有基于AI對(duì)視覺系統(tǒng)進(jìn)行重構(gòu)，所以視覺系統(tǒng)只是“量”的變化，盡管這個(gè)“量”變幅度有些大。

而所謂AI-Native，是將視覺系統(tǒng)的所有組件都AI化，即從基于規(guī)則的傳統(tǒng)視覺系統(tǒng)躍遷為基于Learning的視覺系統(tǒng)，它完全基于數(shù)據(jù)驅(qū)動(dòng)，并且從方案設(shè)計(jì)、部署、維護(hù)等貫穿全流程。

了解了AI-Native的大體情況之后，接下來我要介紹一下AI-Native重構(gòu)工業(yè)視覺的底層邏輯。

AI技術(shù)是從圖像分析的局部模塊切入，也是當(dāng)前主流AI和視覺系統(tǒng)結(jié)合方式。圖像分析端到端AI化，這也是我們AIDI 3.0系列的底層設(shè)計(jì)邏輯。

目前，主流的成像系統(tǒng)都是基于規(guī)則的，而基于學(xué)習(xí)的成像系統(tǒng)已經(jīng)初現(xiàn)端倪，即基于物理光學(xué)+計(jì)算成像，同時(shí)將場景自動(dòng)學(xué)習(xí)成為成像關(guān)鍵的維度參數(shù)，這將革命性提高成像系統(tǒng)場景適應(yīng)性。

我們應(yīng)當(dāng)明白，工業(yè)視覺檢測的本質(zhì)，是把控產(chǎn)品在生產(chǎn)過程的一些關(guān)鍵度量，基于這些度量進(jìn)行根因分析、過程控制，形成閉環(huán)，提高良率，這也是制造業(yè)企業(yè)的本質(zhì)訴求。

所以，基于AI原生的工業(yè)視覺底層邏輯，應(yīng)當(dāng)是從“成像”，到“圖像分析”再到“工藝優(yōu)化”的完整鏈條，并在其底層有共同的AI-Core做支撐，后面再基于數(shù)據(jù)驅(qū)動(dòng)做優(yōu)化，對(duì)不同場景進(jìn)行適配，以上是我認(rèn)為的AI-Native產(chǎn)品的架構(gòu)邏輯。

至此，視覺系統(tǒng)的產(chǎn)品新范式，將從“基于規(guī)則”迭代至“基于學(xué)習(xí)”。01

當(dāng)前產(chǎn)品，“規(guī)則”范式

指我們針對(duì)特定的場景，甚至是特定的產(chǎn)品型號(hào)，來做打光實(shí)驗(yàn)，來設(shè)計(jì)算法方案，來做調(diào)差及一些核心策略。在此規(guī)則模式下，人力占比較高，本質(zhì)上是將人員對(duì)產(chǎn)品的理解跟洞察，轉(zhuǎn)換成產(chǎn)品中的設(shè)計(jì)。

但其實(shí)，人類對(duì)于經(jīng)驗(yàn)的歸納和總結(jié)能力是非常有限的，這就造成產(chǎn)品的成功與否大部分基于人員的經(jīng)驗(yàn)，而經(jīng)驗(yàn)沉淀的豐富程度則可以決定產(chǎn)品的價(jià)值。

同時(shí)，這也導(dǎo)致這些“基于規(guī)則”的產(chǎn)品的泛化性較差，且我們還需要針對(duì)不同的場景分別做光學(xué)評(píng)估、方案設(shè)計(jì)、部署、維護(hù)等，使得TCO過高。

02

AI-Native產(chǎn)品：“學(xué)習(xí)”范式

AI-Native產(chǎn)品則是基于“學(xué)習(xí)”的概念，學(xué)得越多，模型能力越強(qiáng)，更便于后期基于數(shù)據(jù)來進(jìn)行規(guī)?；．a(chǎn)品的主體是算法，這個(gè)算法不僅僅是我們前面理解的圖像分析的算法，還包括成像，以及后面整個(gè)工藝優(yōu)化，是一個(gè)完整的端到端的AI算法。

所以，此時(shí)我們的產(chǎn)品價(jià)值主要由模型的能力來決定，而產(chǎn)品迭代也將立足于有價(jià)值的數(shù)據(jù)之上。這類體系下的產(chǎn)品不但具有較強(qiáng)的泛化能力，同時(shí)也會(huì)使TCO發(fā)生革命性地降低，AI視覺應(yīng)用也將爆發(fā)。

三、發(fā)展趨勢

我們參考自動(dòng)駕駛的框架，嘗試構(gòu)建工業(yè)視覺AI-Native成熟度模型，其中，該模型包含兩個(gè)關(guān)鍵的維度：AI化程度、人工干預(yù)程度。

如圖所示，我們當(dāng)前的狀態(tài)，基本位于“1”與“2”之間，約為1.5。這意味著，AI已經(jīng)作為主題滲透在行業(yè)之中，不管是終端客戶，還是視覺廠商，大家都會(huì)把AI作為基本的考核要素，即AI作為視覺系統(tǒng)核心組件的觀點(diǎn)已經(jīng)不可逆轉(zhuǎn)。

那為什么還沒有達(dá)到”2“？

簡而言之是當(dāng)前的視覺系統(tǒng)產(chǎn)品大多沒有統(tǒng)一的Core AI基礎(chǔ)設(shè)施。那么后面我們的工業(yè)視覺產(chǎn)品一定會(huì)走到“5“的狀態(tài)嗎？這個(gè)問題目前無法確定，但我認(rèn)為，未來我們至少應(yīng)該會(huì)走到”3“的位置，即全部核心組件AI化，整體架構(gòu)基于Core AI基礎(chǔ)設(shè)施，將全部功能組件AI化。

基于AI原生的大趨勢，我也將阿丘科技對(duì)未來3-5年工業(yè)AI的一些趨勢觀點(diǎn)與大家分享。

第一，模型性能。雖然當(dāng)前的模型泛化能力偏弱，但整個(gè)垂直行業(yè)的模型化已經(jīng)紛紛開始落地。

比如阿丘科技，我們目前已經(jīng)構(gòu)建出一套基于PCB行業(yè)的通用大模型，提升了PCB行業(yè)的工業(yè)視覺檢測效率，縮短了交付周期，通過流程優(yōu)化，提高了數(shù)據(jù)處理速度及模型穩(wěn)定性。我認(rèn)為，在未來2-3年，基礎(chǔ)模型/通用模型將會(huì)迎來較大的突破，更多行業(yè)的垂直大模型即將涌現(xiàn)。

第二，計(jì)算成像。當(dāng)前主流成像方案還是基于規(guī)則的，定制性偏強(qiáng)。未來，基于AI的計(jì)算成像將重塑成像解決方案及產(chǎn)品。這需要視覺系統(tǒng)各Component專業(yè)鏈條上廠商共創(chuàng)，并且也會(huì)涌現(xiàn)一批新的成像產(chǎn)品廠商，來解決我們共同的現(xiàn)狀問題。

第三，TCO。當(dāng)前視覺系統(tǒng)的設(shè)計(jì)、部署、維護(hù)成本過高，幾乎每一個(gè)關(guān)鍵環(huán)節(jié)都依賴于人員經(jīng)驗(yàn)，未來，當(dāng)端到端全部AI化之后，真正實(shí)現(xiàn)全鏈路AI和數(shù)據(jù)驅(qū)動(dòng)時(shí)，將革命性地降低TCO，我預(yù)計(jì)可能在未來5年后，將會(huì)出現(xiàn)這一“殺手級(jí)“的產(chǎn)品。

第四，全新AI-Native產(chǎn)品形態(tài)探索。全新的AI-Native產(chǎn)品形態(tài)，將驅(qū)動(dòng)新的技術(shù)和行業(yè)生態(tài)蓬勃發(fā)展，未來5-10年，行業(yè)生態(tài)即將更換一個(gè)新模樣，同時(shí)廠商也會(huì)逐步經(jīng)歷一個(gè)新陳代謝、優(yōu)勝劣汰的過程。