去年AI还是一个负面标签。商汤等AI四小龙合计亏损超500亿元的历史成绩，让不少投资人望而生畏。今年伴随ChatGPT的横空出世，AI公司谷底反弹。一位老板告诉南方财经全媒体记者，去年融资还很吃紧，但今年投资人排着队来送钱，并且在商业化落地上，有了不少确定性方向。

目前AI在商业化应用上，*为成熟的要数充当“眼睛”的机器视觉。从大脑构造上看，人类75%的信息获取来自视觉。现实中也是机器视觉与工业场景的结合度更高。近期AI在工业质检应用上的热度正在攀升。

目前工业AI质检可解决3C消费电子、汽车及零部件等生产制造中面临的两大痛点：其一是质检工人招工难。通常质检工人眼睛一天要在强光下直射10个小时以上，容易造成工人视力迅速衰退；其二是人工检测难以保障日复一日稳定输出，若是遇到动辄每片上万的半导体晶圆，对工厂的损失惨重。

上述痛点让一众公司看到了一片亟待开拓的蓝海。格创东智AI**架构师江渊在采访中表示，在面板行业，80%的质检人员可以被AI取代。腾讯云工业AI产品总监黄强表示，在AI质检上，腾讯看到了一个千亿级刚需市场。“单是3C电子产品的人工检测就有近300万人，按照一个人8万/年的用人成本，将是一个2400亿规模的市场。”

据IDC预计，到2025年中国工业AI质检整体市场将达9.58亿美元（约合人民币62亿元），2021-2025年CAGR为28.5%。目前距离千亿级市场，工业AI质检市场仍有数倍空间，这让更多公司跃跃欲试，加速涌入战场。

在今年愈加激烈市场竞争下，IDC认为，工业AI质检市场仍将持续碎片化格局。目前以云服务商、AI质检创新企业、机器视觉软件企业这3类背景的厂商主导市场。而工业互联网平台服务商、机器视觉检测装备商、综合AI企业、工控自动化企业、通信运营商等5类厂商正在加大投入切入市场。一场机器与机器之间的“内卷”正在加速展开。

初创公司：搭乘硅谷技术新风口，前微软高管“降维”打入AI工业质检

前微软（美国）SurfaceBook设计团队**总监郭玮，曾为微软贡献了30余项发明专利。2018年他在看清中国AI场景化应用的势头之后，立马召集了一批擅长数据处理、平台技术和AI算法的海外精英回国创业。

值得一提的是，在如今AI商业化浪潮中，市场分为三个层次：底层基础设施做芯片和算力、中间核心技术做大模型和大数据平台、上层场景化应用做解决方案落地。芯片除了技术还讲求生态，算力是国与国之间的比拼，大模型和大数据掌握在能烧得起钱的巨头手中，逐一分析排除下来，初创公司在中国*有优势的地方就是做应用落地。

2019年末，郭玮在深圳南山区创立了博瀚智能。他所组建的团队，仅凭履历就获得了深圳市高层次人才创业资助和投资机构3500万pre-A轮融资，并与深圳清华研究院联合成立了人工智能研发中心。

他给公司的定位是，一家依托自研的平台技术，专注于AI应用落地的公司，聚焦智能制造和自动驾驶两条主线。在对标领域里，智能制造与华为（NPU生态圈）密切合作，自动驾驶融入英伟达GPU生态圈。“公司的技术和产品有幸得到行业内*强的伙伴的认可，并同他们进行深度业务合作”

背靠华为计算底座，郭玮团队决心将制造领域里的AI质检提升到一个新高度，即完成甲方心目中的“不可能三角”——更短的开发周期、更高的准确率、更低的运维成本，以此颠覆传统AI质检。

博瀚智能将这套颠覆性系统称为“自适应AI质检系统”，可将模型的精度从95%快速提升至99.99%，并在后续一直维持如此高的精度标准。据内部统计，相关解决方案在上线周期缩短80%，人力成本降低90%，运维成本节省80%。

而这套自适应AI质检系统也与硅谷*前沿的风向不谋而合。2021年，被业界誉为“AI教父”的百度前首席科学家吴恩达，在一场直播中表示，AI系统正在从Model-centric（以模型为中心）向Data-centric（以数据为中心）转变。这意味着今后在AI技术路线中，数据质量要比模型本身更重要。

对于两者的区别，郭玮进一步解释称，此前Model-centricAI着重的是模型算法，可类比为人类的智商，代表着处理和学习信息的基本结构和能力。这个技术路线是通过不断优化算法本身来取得更好的结果，也就是说，通过不断提升人类智商来增强能力。而Data-centric相当于让人通过积累经验来提高能力，这意味着通过不断喂取机器高质量数据，来让AI持续适应不断变化的环境和需求。

值得注意的是，在Data-centricAI路线中，MLOps是至关重要的一环，也是博瀚所擅长的部分。MLOps在工业场景中的优势在于，其不仅可以帮助DataCentricAI的任务提高效率，还能确保模型在场景中保持有效。

对于一线实操而言，结合MLOps技术的DataCentricAI，将有效解决模型失效的问题，让原本飘在云端的AI系统，有了更标准化的落地策略——数据飞轮。而这个数据飞轮早于2021年在海外无人驾驶领域里开始被应用。

“质检与无人驾驶在数据训练上的底层逻辑相通，只不过复杂程度不同。”郭玮表示。这也是为何博瀚智能除了聚焦制造领域AI质检以外，另一个锚定的赛道是自动驾驶。同时，他还将博瀚智能的战略定位，“前三年营收以制造为主，后三年营收则希望实现双轮驱动。”

目前在制造领域，博瀚智能主要发力于3C和半导体AI检测。郭玮认为，“预计仅PCBA和外观检测市场规模就在400多亿人民币上下。”同时，PCBA市场中，20%的供应商将控制80%的产能，届时商业环境将是一个理想的强to B市场。

现阶段，博瀚智能自适应AI质检解决方案已经在多个行业头部客户落地。下一步若是郭玮所设想的模型，实现快速大规模复制，使成本随边际效应大幅递减，博瀚智能的AI质检模型将跑通PCBA领域，实现开箱即用。但在此之前一切还有待验证，同时这个自适应AI系统是否能向其他领域的AI质检拓展，也有待进一步观察。

此外，乘着今年ChatGPT的东风，越来越多硅谷AI精英组团归国，加入这场机器大战中。

互联网大厂：以AI质检为“尖刀”，切开万亿级工业互联网市场

不同于博瀚智能走硅谷精英技术路线，腾讯作为以产品驱动闻名的互联网大厂，看到的是一个千亿级市场。同时，腾讯力图将AI质检作为一个“尖刀型”产品，切开下一个万亿级工业互联网市场。

在与南方财经全媒体记者对话中，腾讯云工业AI产品总监黄强表示，作为工业场景里的刚需环节，AI质检就好比是社区团购里的一盒鸡蛋，用这个当引流工具，使之成为工业级客户接触腾讯云的第一个工业APP，建立起连接以后，再探索其他数字工厂数智化场景升级。

“基于AI质检产品往上游延伸，还可以回溯生产的全链条，提升每一个环节的数字化工艺，实现产品全生命周期管理。届时这将是一个简单而完整的数字工厂。”黄强说。

既然是作为引流的入口，腾讯对于AI质检的期望是，*终做成一款面向不同行业的通用型产品，这意味着成本方面要想办法快速压低。但*初腾讯在做头一两个case的时候是不盈利的。“我们投入了8-10个算法工程师，跟一个项目半年以上。”黄强说。

据南方财经全媒体记者了解，按照一个算法工程师市场价3万/月来测算，一个项目不算硬件、服务器等成本，打底144万。但一整套AI质检设备方案市场价也就在几十万到小百万区间。

这时候，烧了多年钱的云平台，成为了腾讯大幅降本的底气。“云肯定是我们的一大优势。云的基础是算力，当别人用一张（算力）卡跑的时候，我们用100张卡跑，这里面所迭代出模型的效率肯定是不一样的。”黄强说。

在云平台支撑下，目前腾讯已经可以做到，一个算法解决一个项目，时间上也由半年缩短至3个月。黄强表示，“再往下，当我们只需要0.1-0.2个算法工程师，就能解决一个项目时，企业客户升级AI质检的成本还能继续降。”

除此之外，腾讯还有一款针对中小企业的通用产品——AI质检一体机“腾慧飞瞳”。在这个通用产品里，腾讯只负责其中的软件算法部分，其余硬件部分交由其他厂商做。对此，黄强将其称为腾讯云的“被集成”战略。

值得注意的是，虽然流程型工业制造场景可以打“行业通用”这张牌降本，但是在离散型制造里则存在局限性。专注半导体领域AI质检的谱汇智能CEO黄秀金表示，半导体领域的AI质检，需要对行业know-how有深刻理解。原因在于，目前半导体产品质量定义还处在后标准时期，单是中游封测环节就有超20种判定标准，背后包含上百种算法。同时，在光学成像算法上的精准度要求也更高，甚至要用上3D手段检测芯片金线的弧高。

在市场规模上，仅半导体领域的AI质检，往下深入将是一个千亿级市场。黄秀金表示，“就拿半导体封测步骤来说，前后涉及至少4次检测环节。伴随国内半导体制造市场愈加成熟，国产化创新的浪潮随之而来。”

而目前腾讯基于通用行业的AI质检案例，还聚焦于产品外观检测阶段。黄强表示，腾讯有意愿与行业伙伴合作，一同做大行业蛋糕。在大厂触达不到的细分领域，深耕垂直行业的初创公司有了攻占的窗口期。

行业“小巨人”：提前感知到市场的拥挤，今年以通用机租赁模式做下沉

在腾讯等大厂准备联合云打更大规模的“行业通用”牌前夕，有厂商提前感知到市场向红海演变，今年一开年就推出了更低价位的通用机，并且还辅以租赁的商业模式，提前抢占中小企业市场。

这厂商就是2018 年成立的***专精特新“小巨人”微亿智造。在工业AI质检赛道越来越拥挤的当下，微亿智能年初以通用型AI数字质检员——“工小匠”杀入下沉市场，除了考虑做增量，背后更看重的是一片更大的生态——为所有中小企业搭建产品质量管理标准。

微亿智造市场部负责人叶思佳对南方财经全媒体记者表示，“中小企业发展之初是管生产和人，但当中国制造走向世界之后，管质量将成为不可或缺的一步。因此，我们的目标已经不是单纯做检测，而是要帮中国中小企业树立品牌标准。”

在成功交付AI智检设备及算法组件1000余套的基础上，微亿智造将工小匠的价格做到了**，仅需百万级行业定制机价格的三分之一，并且在商业模式上还提供租赁服务，满足中小企业小批量、多品种、多需求的外观检测要求。

“这相当于每个月给7×24小时的设备付工资，在精打细算的中小企业主之间非常受用。自工小匠上线1个月以来，已经有20多台的设备在走租赁模式了，并且都是企业在展会上发现后，主动找上门来。”叶思佳说，

值得一提的是，虽然是通用型机器，但在算法上的技术路线走的也是自适应AI。在机器在进入工厂的那一刻起，就让有经验的质检人员介入训练设备。而且培训步骤简单，对于**质检员而言，就像老师傅带新人一样，只需“认识产品、拍摄设置、样本收集、缺陷学习”四步就能完成岗前培训。

如此通过工人自主喂取机器现场数据的方式，不仅节省了一笔算法工程师的人力成本费用，还可以节约时间成本，目前工小匠可实现2周内“上岗”工作。这也成为微亿智能敢把设备成本压到**的底气。

细究为何微亿能够发挥这项优势，则与其积累超过百万缺陷数据的预训练模型有关。而如此丰富的缺陷样本库，又与公司的成长路径有关。

微亿智能成立不到1年，就成功通过一家常州的“果链”企业切入了AI质检赛道。“当时我们用80多台设备取代掉这家工厂里1000多名质检人员。”叶思佳回忆道。借此案例，微亿智能在3C终端品牌商圈子里，一战成名。后续微亿智能成功得到了多家国际3C龙头品牌商的认可并在其供应链内进行推广。

借品牌商之势，微亿智能一步步积累了大量消费电子赛道里的外观缺陷样本，成为消费电子结构件AI质检领域里的重要玩家。近年来，微亿智能又拓展赛道至新能源汽车、医疗器械、家用电器等多个领域的外观检测。“目前这些领域的样本都可以植入工小匠的‘脑’中，但在大批量生产中还是产品定制机会更划算。”叶思佳补充道。

目前微亿智能的工小匠还留有一点“遗憾”。虽然工小匠“身体”大部分硬件设备都实现了国产化，但机械臂这个关键零部件还采用的是发那科、那智、库卡等进口厂商。叶思佳在采访中表示，今年将完成国产化机械臂的适配，届时工小匠从里到外都将实现自主可控。

如果说在过去3年里，数字化转型还在以“机器换人”为主线，那么接下来，机器颠覆机器的战役正在打响。在机器的世界里，留给下一个机器内卷的空间，正在越来越狭小。