一根根针插在塑料板上，工人戴着指套的手指灵活地翻转这小小的一块，检查插针的排布是否符合要求。这个小块就是连接器，未来要负责信号和电流的传输，在交通、医疗、汽车等领域都有应用。检验电镀好的多个插针与盒座接插后插针是否有缺漏、定位是否正确是TE Connectivity（泰科电子，下称“TE”）工厂流水线上组装的环节之一，只有被认定为良品，它们才会被放在流水带上奔赴下一道工序。

AI“进厂打工”能够部分解决产品缺陷全靠人工检验带来标准不统一的问题，不过也会带来新烦恼：由于材料供应商批次或者电镀等不同，良品也会因反光率等问题被误认为是次品而被自动剔除。

解决了这个问题的团队在TE主办的2023 年TE AI Cup第四届全球竞赛上获得了一等奖。今年，全球25所高校的200余名工程学子从AI机器视觉、AI工艺优化和综合AI应用三个方面参与“调教”AI打工人。

在数字化转型浪潮中，AI“进厂打工”已是定局，但要想成为工厂中意的打工人，也需要AI卷起来，离不开人类工程师的指导。

产学合作

今年是TE工业事业部苏州工厂第四年参与TE AI Cup。上海大学团队与TE工业事业部苏州工厂工程师共同设计出一款图像分析及参数自动调整系统，摘得了一等奖。此前，行业在利用AI视觉检测来把控产品质量时，普遍需要频繁地手动调整检测参数。而这套系统可根据输入的图像自动调整检测参数，并在预输入参数设置错误时，及时给出正确的调整建议。经验证，方案预计能够减少81%的检测时间，可实现产品报废率降低90%。

TE AI Cup在2018年由TE全球运营技术副总裁鲁異博士发起，TE自动化制造技术团队组织，如今已升级成为包含亚洲赛区，欧洲、中东与非洲赛区和美洲赛区的全球性科技赛事。在TE全球8大事业部的30家工厂的支持下，学生团队实地前往工厂，了解工业制造场景中真实的挑战，设计的AI解决方案也会在TE工厂进行实地验证和调整。这既加速了AI技术在工业场景中的应用，也为高校学子提供了探索AI技术及实际应用场景的平台。

“工厂这边很给力，为我们搭建了硬件平台的实验室，给我们配备了厂方的工程师，是完全沉浸式的比赛。”上海大学计算机学院教授，本届TE AI Cup冠军项目导师辛立明说。他告诉财经，通过比赛建立起校企合作的关系，能够为更多学生提供实践的机会。“在这个过程当中，我们学生跟工厂深度融合，学会去发现问题，以及发现问题怎么去解决。”

苏州工厂总经理徐颖卿表示，历年的成果都会在工厂中逐步应用起来，“AI可以自主学习并统一进行标准判断，这对于保证质量的稳定性起到了作用。” 以这款获一等奖的图像分析及参数自动调整系统为例，在一家工厂内，就有超过70个部署该项目的机会。

AI打工人

从竞赛中可以看到有趣的一点是，AI作为打工人也面临着竞争压力。

财经了解到，在苏州工厂里，有一条产线曾与 TE AI Cup连续两届合作。2022年，苏州大学团队与TE工程师共同开发了一套基于人工智能的自反馈调速系统，命名为AI 插针速度自动调整与防撞击项目，该系统兼顾自动调速算法、算法普适性、避免设备撞击的算法改进等，可帮助工厂在保证设备运行质量的前提下提升设备的速度值。在比赛测试环节，该系统在TE工业事业部苏州工厂试运行三个月时间，成功将工厂的组装设备生产力提高了约10%。

2023年，逢甲大学团队在同一产线上，以避免设备撞击为目的，与TE工程师开发了通过对插针过程的监控避免设备撞机系统。通过AI数据分析，实现了对机器实时监控达到预测性维护的状态，进一步避免生产过程中的撞机。

但这条产线还有优化的空间，TE工程师表示，“明年预计将生产力提升到25%”。

除了创新，吸引工厂进行尝试和改进的解决方案要经过充分的验证，满足稳定性，不能影响生产环节速度和良率，以及使用时要容易操作等等要求。毕竟，数字化转型的生产线很有可能不只覆盖一种产品，有可能会生产不同批次且有一定差异的产品。

那么今年火热的大模型是否有望“进厂务工”呢？

“我们一直关注着大模型的发展。”TE Connectivity 全球运营自动化制造技术团队专家工程师兼中国矿业大学硕士生导师周磊告诉财经，应用的难点在于走向工业领域的垂类时，工业界定制化比较多，会牵涉不同的料号，在进行数据调优时并不容易，“这个设备有可能兼容十个料号，明天我就可能要切换两次，数据其实也比较难搜集。”此外，由于还会涉及信息安全等问题，对于准确率要求较高的工厂而言，目前看到在实际生产中能发挥的作用并不明显。

但他充分认可AIGC的能力，“我们关于良品的训练及和照片已经很多了，因此现在利用AIGC生成一些不良品的照片，帮助系统进行识别和判定。”去年来自墨西哥索诺拉大学的冠军团队就是通过算法开发出‘缺陷品图片合成器’获得了一等奖，在这个领域，大模型显然大有可为。财经了解到，今年参赛的方案，除了涉及视觉检测、增产提效、生产与产能规划，还扩展至销售预测、供应链管理等领域。而这些领域的扩展也将是未来大模型的机会所在。“未来生产的排班，接收到一个指令就能排好，这是非常让人期待的。” 周磊说。