在搜索平台上输入“召回”两个字，可以发现一天之内的消息里，大到豪华汽车，小到、牙刷，每天都有大量品牌发出公告，提醒消费者对相关产品发起退货。
一次次缺陷产品召回的背后，不仅会对品牌声誉造成影响，也让其一定程度上失去了消费者的信任。这背后，除了产品原始的设计问题，品控也得背锅。
因为随着人们消费水平的提高，工厂的出货压力也随之增加。而品控环节基本都是依赖人工检测，高强度工作之下，质检员可能因为视觉疲劳、精神不集中等出现更多错检、漏检情况。
如何在保证检测效率的情况下，提高产品良率呢？AI或许是把利剑。
工业需要国产“慧眼”
制造业苦人工质检久矣。
一直以来，传统的人工检查方法除了效率低，更突出的问题在于人口红利不再导致的“用工难”问题。据统计，目前每天流水线上进行人工检测的工人数量超350万人，但因工资低、工作枯燥，愿意从事人工质检的工人愈来愈少。
因此，制造业在质检上花费成本甚至能占人力成本的40%。在降本增效的需求下，质检行业也一直在寻找更高性价比的方式。
从上图可以看到，在深度学习阶段，智能化赋能质检后，可以解决更多场景更复杂的质检工作，也就彻底实现“机器换人”。
当下，越来越多企业利用AI加快智能化转型，一方面是需求所致，另一方面则是技术推动。在此前的《RPA赛道大热，正在量产你未来的机器人同事》文章中，我们也提到过，现在工业机器人同样也在面临智能挑战，从一开始承担类似工厂流水线的活，到现在需要理解老板的意思，效率更高、出错更少，所以让RPA+AI的结合拥有了更大的想象力。RPA和AI就相当于人的“手”和“大脑”，从体力和脑力上来解放人工。（RPA意为机器**程自动化）
同样在质检上，随着RPA和AI技术的逐渐成熟，AI质检的声量也越来越高。但是，AI质检这项关乎生产良率的“命门”，却长期掌握在国外厂商手中，寻求替代品，就成为了国内创业者的当务之急。
可以说中国工业，尤其是高端自动化行业中，普遍存在这样的“通病”：外资厂商牢牢掌握先发优势，技术方面积累更深，人才储备丰富，往往价格也普遍更高，但是服务却不见得好。
就以修建地铁不可或缺的盾构机为例。2000年左右的时候，中国没有盾构机，只能靠进口，不仅购买价格高达到7亿一台，且维修工作都由国外的维修工人飞到国内进行，一人一天3000美金，相当于国内普通工人一年的工资。面对这样的高昂成本，又本着技术掌握在自己手里才是真道理，中国便下决心自己研发，从对盾构机一无所知，到研发出第一台自己的盾构机，中国花了6年的时间。到目前为止，中国的国产盾构机已经占据了90%的国内市场，并拿下了全球市场的2/3，顺带着把国外盾构机产品的价格也打下来了。
所以，正是中国智造的崛起，让国产AI检测企业正在积极布局。各路云厂商、AI创企、传统机器视觉企业以及工业互联网平台企业等等，也都加入了工业AI质检赛道。IDC数据显示，中国国AI工业质检市场在高速增长下，预计到2024年的规模将达到4亿美元。
AI巨头与工业的双向奔赴
传统制造业已经渴求AI质检太久。
一直以来，传统质检都主要依靠人工进行质量质检与产品分拣，瑕疵品常常难以被有效记录与分拣，再加上质检员经验水平参差不齐，效率低下、覆盖面积小、质检标准不一。
与此同时，中国人口老龄化、劳动力成本上升等问题，让“用工荒”浪潮席卷各个行业，重复、枯燥流水化作业的人工质检岗位更是如此。
AI质检伴随时代的鼓点而生。
相比于人工质检，AI质检优势明显。具有降低人力资源成本，实现质检范围100%覆盖，检测标准统一，提升良品率等优点，大大提升了生产效率。
不仅如此，AI质检借助机器学习建模进行深度分析，在流程优化与工艺改进上的优势，也非人工质检可以比肩。
商汤科技智慧工业负责人崔磊介绍道，目前商汤打造的AI质检产品和解决方案，已经贯穿了材料研发和设计、来料分拣、工业质检、仓储物流、安监运营等全流程，实现降本增效的同时，可以对生产工艺和运营质量持续优化。
传统工业制造领域对AI技术的渴求，催生出了一批前仆后继者，其中就包括手握人才、技术、资金、数据分析能力的互联网巨头和AI头部企业。
经历过消费互联网近20年的厮杀，互联网大厂优势不小。
首先是强大的资金。
市场初期，企业进行上下游延伸、技术研发投入、客户拓展、行业推广都需要强大的资金支持。
巨头们雄厚的资金，在建设周期长、速度慢的制造业，可以以资本换市场，某种程度上可以推动行业前进。
其次是足够的品牌影响力。
理想的智能制造，需要全产业链的共同投入，基础设施的支撑和上下游的共同配合才能完成。
他们品牌力，面对产业链长、生产过程极其复杂的制造业，可以以生态聚合能力吸引产业上下游一起玩。
再者是新视角带来的潜在创新能力。
科技历史无数次论证，创新往往出现在不同层面交叉点，对于工业领域，巨头们带来不同的知识背景和认知层次，从不同的角度和立场出发，也许，能带来不一样的业务模式、运营模式和商业模式的数字化、智能化变革思路。
事实证明，他们的确给工业制造带了新气息。
早在2017年，AI质检还未被各路追捧之前，百度就进场了。
在某3C精密零部件的制造企业，百度智能云的AI质检方案将检测效率提高了近9倍，为企业年节省成本4000万。
在中国化纤行业的龙头企业恒逸化纤工厂，百度智能云的智能质检系统改变了过去依靠人眼+手电筒的传统质检模式，大幅提升了质检效率；
当初从首钢的AI质检出发，5年长途跋涉，百度智能云AI质检走进了电子、汽车、钢铁、纺织、能源、航天等十余个行业。
2017年，阿里云研发了业界首个工业视觉AI方案，并逐步应用于钢铁、化纤、汽车等领域。
近年，腾讯也承接了液晶面板制造行业龙头型企业华星光电项目，有消息称，该项目是目前为止国内最大规模的工业AI质检项目。
AI企业也不甘示弱。
商汤科技作为中国头部AI企业，商汤AI大装置也在各大工业质检领域落地。从汽车到3C，从纺织到医药，制造业对质检都存在巨大需求，也与巨大挑战。为了解决这些问题，商汤的深泉平台从质、敏、柔三个方面重点发力。质的方面，深泉平台从多光学方案支持、多零部件形态支持、多重质检支持三个角度提供了解决方案，可以将缺陷漏检率和误检率压缩到极致。敏的方面，深泉平台针对生产前-轻量化产线、生产中-软硬一体高效推理、生产后-工艺快速迭代提供了多方面解决方案，将工艺的迭代从“月”为单位改变为“周”为单位。柔的方面，
深泉平台提供了工业模型训练组件、推理工作流调度组件、报表配置组件，实现低代码支撑柔性质检，满足多件小批次的高质量质检。
应用深泉平台后，全球灯塔工厂之一的福田康明斯发动机工厂的质检效率得到大大提升，同时随着工厂向智能制造转型，企业竞争力也得到显著增强。
在他们的强势入局下，工业AI质检领域，也已经在3C电子、新能源、汽车等行业实现了规模化应用，且增长迅速，智能制造呈现出遍地开花的态势。
工业质检助企业一年省数千万元
在工业AI的工业视觉赛道，腾讯云智能的AI技术找到了施展能力的天地。
作为一家金属粉末注射成型（MIM）产品专业制造商，富驰高科的MIM产品质检环节此前面临明显的人工质检局限性，急需找到有效的AI质检方案。
“人工质检是用人最多的地方，且面临明显问题。一方面，工作时间长且枯燥，人工拿着产品360度旋转找缺陷，每件检查时间长达1分钟，工作人员容易疲劳。另一方面，订单变动时无法准确适配人员，人力成本不断拉高，质检高峰期用人数量超过1500人。” 上海富驰高科自动化总监邓声志表示。
富驰高科在其它工序上基本实现自动化，唯独人工质检智能化升级遇到瓶颈。难点在于3C产品成像易造成高反光，难以判断是否正常反光，凹凸缺陷呈现难以凸显，机器检测易造成过杀。此外，工厂更换新产品时算法快速迭代的需求很难满足。
“我们与很多家AI企业沟通过，最后发现腾讯最用心且最有信心。腾讯在前期评估时便驻场调研并试验算法，使检验指标达到预期效果。看到腾讯的技术能力和信息，我们决定合作推进AI质检项目。” 邓声志表示。
腾讯优图实验室作为AI核心技术能力提供者深入参与了富驰高科的工业质检项目。腾讯云AI研发总经理、腾讯优图实验室副总经理吴永坚表示，AI技术应用到质检项目的过程中遇到了多个困难，在技术适应工业场景的要求并不断提升能力后，最终才啃下富驰高科AI质检这块“硬骨头”。
一大挑战在于，为避免影响对下游组装，质检过程不能出现零部件漏检，AI质检对算法的要求极高，腾讯优图实验室不断针对性优化AI算法等能力后才达到0漏检。其次，进行工业AI改造不仅是算法的问题，还包括成像、后续流程改善等问题，需要一一解决。此外，AI质检不仅需要解决方案，还需要与产线配合，为解决流程中出现的具体问题，团队需要多次进入工厂学习和测试。
令邓声志印象深刻的是，在长达300天的研发周期中，腾讯团队与富驰高科团队开过两百多次超半个小时的技术讨论会议。腾讯云和腾讯优图实验室的工程、软件、AI算法、架构师等条线人员深度参与，双方在各个过程中不断碰撞和调整，才“磨”出了最终满意的方案。
最终，腾讯优图实验室团队创新地设计了光学一体技术，有效解决凹凸缺陷的成像技术难题，借助算法模型快速完成数百张高分辨率图片推理计算，结合迁移学习和缺陷生产技术，帮助富驰高科在早期产品样本数据不足的情况下达到生产指标。
该AI质检速度相比人工质检速度提升了10倍，检测能力全面超越人工水平，解决人力水平难以标准化、状态不稳定、容易疲劳等问题，还可以24小时持续稳定工作。在几十台设备持续满载生产的情况下，该项目预计每年能为富驰高科节省人力成本数千万元。
AI工业场景扩大
以工业视觉赛道为突破口，腾讯的AI能力在工业领域不断磨练升级，逐渐扩大AI工业场景。
作为腾讯旗下顶级的机器学习研发团队，腾讯优图实验室依托在人脸检测、图像理解等领域的技术积累向工业AI领域开拓，其技术能力瞄准了越来越多工业领域的痛点。
从需要AI助力的工业细分赛道看，吴永坚表示，工业有3C、锂电、物流、制药、汽车、白酒等众多赛道，几乎所有细分赛道的AI场景当前都处于早期状态，且不同赛道间差异大，进行整个工业AI标准化不现实。要实现工业AI标准化复制，首先要聚焦重点赛道标准化。例如，不同种类的3C结构件在光机电的很多方面接近，硬件解决方案有可能做到标准化，算法解决方案也
吴永坚表示，腾讯优图实验室选择了几个赛道，潜心打穿打透，有信心做出易复制的方案。而通过逐步解决多个3C结构件的工业AI问题，可以逐渐在3C细分赛道奠定能力基础。在3C等关键赛道积淀能力后，再跨赛道解决其他领域的工业AI问题。
吴永坚表示，从上游工艺做到下游质检，工业AI可以形成一个闭环，带动智慧工厂应用场景，这将是腾讯优图实验室接下来将探索的方向。
从一个工业场景到另一个工业场景，从一个工业细分赛道到另一个赛道，AI正逐步推动工业高端转型升级，AI技术赋能已成为产业升级的一大动力。
“在我国经济提速换挡的关键时期，腾讯将始终坚持‘产业数字化助手’定位，助力产业数字化发展。腾讯云智能不仅仅是数字化工具，它还是为各行业塑造竞争优势的新生产力，要让人们工作更高效、生活更美好、体验更美好。”汤道生表示。
