文|億邦動力網(wǎng) 胡鏷心

編輯|董金鵬

當(dāng)行業(yè)專家、投資人和創(chuàng)業(yè)者還在分析這一輪大模型驅(qū)動的AI浪潮有哪些機(jī)會時，工業(yè)AI企業(yè)已經(jīng)先行一步。

4月13日，創(chuàng)新奇智推出生成式AI產(chǎn)品——“奇智孔明AInnoGC”，基于創(chuàng)新奇智正在建設(shè)的工業(yè)預(yù)訓(xùn)練大模型，面向制造業(yè)垂直場景，提供內(nèi)容生成和代碼生成等能力。

同一天，阿丘科技推出升級版缺陷生成平臺AIDG，通過AIGC技術(shù)，解決AI質(zhì)檢中數(shù)據(jù)收集慢和標(biāo)注成本高等問題。

計算機(jī)視覺是AI應(yīng)用的主賽道，AI質(zhì)檢是計算機(jī)視覺中最成熟的場景之一。

據(jù)第三方機(jī)構(gòu)和沐智訊的數(shù)據(jù)，2021年，AI工業(yè)質(zhì)檢融資21起，2022年融資19起。近三年，上市的AI工業(yè)質(zhì)檢企業(yè)超10家，如創(chuàng)新奇智、奧普特和凌云光等，啟動IPO的相關(guān)企業(yè)超20家，其中?？乒怆姟⑺继┛说纫堰^會。

騰訊云工業(yè)AI產(chǎn)品總監(jiān)黃強(qiáng)曾表示，騰訊在AI質(zhì)檢上看到一個千億級剛需市場，“單是3C電子產(chǎn)品的人工檢測就有近300萬人，按照一個人8萬元/年的用人成本，將是一個2400億規(guī)模的市場。”

另據(jù)IDC（Internet Data Center，互聯(lián)網(wǎng)數(shù)據(jù)中心，簡稱IDC）數(shù)據(jù)，到2025年，國內(nèi)工業(yè)AI質(zhì)檢的市場規(guī)模將達(dá)到62億元，距離千億級市場規(guī)模仍有數(shù)倍增長空間。

盡管市場空間巨大，AI質(zhì)檢公司的日子卻并不好過。創(chuàng)新奇智招股書顯示，2018年、2019年、2020年及2021年前三季，創(chuàng)新奇智經(jīng)調(diào)整虧損凈額分別為4540萬元、1.6億元、1.44億元以及8100萬元。

同時，新一輪AI技術(shù)正在改變AI質(zhì)檢公司的成本結(jié)構(gòu)。過去一年，創(chuàng)新奇智提升平臺能力與產(chǎn)品標(biāo)準(zhǔn)化程度，建立智能算法引擎，降低模型訓(xùn)練成本，提升AI遷移能力。2022年，創(chuàng)新奇智營收15.58億元，同比增長80.88%；調(diào)整后凈虧損1.38億元，凈虧損率同比縮窄46.1%，虧損大幅收窄。發(fā)布財報后的第一個交易日，創(chuàng)新奇智股價收漲34.38%。

AIGC能否成為AI質(zhì)檢行業(yè)騰飛的突破口？這一輪AI浪潮如何在應(yīng)用端落地？大模型技術(shù)會給制造業(yè)帶來哪些根本影響？

01 節(jié)約50%費用，AIGC落地潛力有多大？

在創(chuàng)新奇智推出生成式AI產(chǎn)品“奇智孔明AInnoGC”時，百度ACG算法工程師明陽還在感慨，創(chuàng)業(yè)公司跑得太快。

明陽介紹，對質(zhì)檢行業(yè)來說，從去年開始的以大模型為代表的AI變革，首先改變了AI質(zhì)檢中缺陷圖標(biāo)注的成本與周期，也就是通過AIGC生成缺陷圖，提升AI上線速度和泛化能力。

在創(chuàng)新奇智CEO徐輝看來，人工智能帶來的新思路是，通過大模型幫助工業(yè)企業(yè)更快構(gòu)建符合具體場景的小模型，比如快速生成高質(zhì)量生產(chǎn)數(shù)據(jù)，指導(dǎo)機(jī)器人或產(chǎn)線完成各種復(fù)雜的任務(wù)等。

不過，百度的大模型+AI質(zhì)檢還處在預(yù)研驗證階段，創(chuàng)業(yè)公司的AIGC應(yīng)用已經(jīng)上線。

4月13日，阿丘科技發(fā)布升級版缺陷生成平臺AIDG，可以通過AIGC將多種缺陷生成在同一張圖片，解決樣本收集慢、標(biāo)注成本高的問題。

阿丘科技創(chuàng)始團(tuán)隊來自清華AI實驗室，目前為AI質(zhì)檢領(lǐng)域的頭部企業(yè)。

阿丘科技首席科學(xué)家吳雨培在發(fā)布會上介紹，通過將簡單的圖像描述輸入Stable Diffusion框架，可以生成多樣的真實的缺陷仿真圖。比如，通過拖拽或涂抹兩種不同類型的缺陷，即劃傷和臟污，然后通過缺陷位置掩碼圖進(jìn)行描述，輸入Stable Diffusion框架，就可以得到一張可用的缺陷仿真圖。

圖片來源：阿丘科技官網(wǎng)

AIDG平臺可以把劃傷、凹坑和臟污聚集在一張圖上，訓(xùn)練集壓縮了66%，短時間內(nèi)將過檢指標(biāo)降低10%左右，使漏檢指標(biāo)降低約20%，將訓(xùn)練時間縮短30%。

圖片來源：阿丘科技官網(wǎng)

更重要的是在產(chǎn)線迭代中，面對新的產(chǎn)品型號，只需要將舊型號的缺陷直接生成在新型號上，無需收集樣本，即可直接完成模型訓(xùn)練?！癆IDG 1.0解決了單一型號單一類別缺陷的生成和自動標(biāo)注問題，AIDG 2.0要解決跨型號多類別缺陷生成和自動標(biāo)注問題，提升AI的批量化復(fù)制。”吳雨培總結(jié)。

同在4月13日，創(chuàng)新奇智推出生成式AI產(chǎn)品——“奇智孔明AInnoGC”，可實現(xiàn)內(nèi)容生成、智能問答、多輪對話、推理能力和代碼生成，滿足制造企業(yè)的個性化需求。

創(chuàng)新奇智由創(chuàng)新工場孵化，成立于2018年，李開復(fù)擔(dān)任董事長，CEO徐輝具有20多年B2B企服經(jīng)驗，曾任微軟大中華區(qū)副總裁，CTO張發(fā)恩曾任百度云計算事業(yè)部技術(shù)委員會主席。2022年1月，創(chuàng)新奇智在港股上市，主要產(chǎn)品包括機(jī)器視覺智能平臺ManuVision、邊緣視頻智能平臺MatrixVision、分布式機(jī)器學(xué)習(xí)平臺Orion和 云平臺Cloud，合稱“MMOC人工智能技術(shù)平臺”。

其中，機(jī)器視覺智能平臺ManuVision預(yù)置了大量行業(yè)知識和經(jīng)驗，包括面板半導(dǎo)體、3C電子、汽車裝備、新材料等；ManuVision還跟AInnoGC疊加，通過AIGC技術(shù)學(xué)習(xí)已有和公開數(shù)據(jù)集，生產(chǎn)缺陷圖，解決樣本量不足的問題。

而奇智孔明AInnoGC不僅擁有產(chǎn)線布局生成能力，可幫助工廠自動規(guī)劃生產(chǎn)產(chǎn)線和倉儲區(qū)域優(yōu)化布局，而且擁有對話能力，可在AI實訓(xùn)中心，基于現(xiàn)有工業(yè)知識圖譜回答問題。

比如，奇智孔明AInnoGC不僅可以統(tǒng)計工廠產(chǎn)品的產(chǎn)量和良品率，還可以對良品率做出分析。

圖片來源：創(chuàng)新奇智官網(wǎng)

基于創(chuàng)新奇智的實踐，張發(fā)恩認(rèn)為，利用大模型、小樣本學(xué)習(xí)和AI數(shù)據(jù)生成技術(shù)，預(yù)計可以使客戶節(jié)約50%的費用，訓(xùn)練時間有望降低到原來的1/3。不過當(dāng)前，這三者都還不夠成熟完善，仍處于探索階段，也都需要持續(xù)的實踐經(jīng)驗和數(shù)據(jù)補(bǔ)充。

02 找到突破點AI質(zhì)檢出現(xiàn)高增長

AI圈兒里有個玩笑，什么是人工智能？答案是先人工，后智能。

“只有先堆上去足夠多的人力，才輪到智能?！焙忉屨f。胡威從事工業(yè)AI質(zhì)檢已有7年時間，在這段職業(yè)生涯中，最令他崩潰的不是寫代碼和調(diào)算法，而是搜集缺陷數(shù)據(jù)；搜集缺陷數(shù)據(jù)往往耗時數(shù)月，做好的模型剛跑半年，產(chǎn)線升級，他和團(tuán)隊又得從頭開始。

胡威的團(tuán)隊在蘇州服務(wù)3C代工廠的結(jié)構(gòu)件質(zhì)檢，設(shè)備導(dǎo)入周期平均 6 個月，單產(chǎn)品模型訓(xùn)練周期 2 個月，每個項目平均要有 5 位工程師駐場實施，整套成本高達(dá) 40萬-100 萬元。

上線周期長的最大原因是樣本難收集。不同的人對同一缺陷有不同的標(biāo)注，同一個人在不同的時間段，對同一缺陷的標(biāo)注也不一樣，由此缺陷標(biāo)注經(jīng)常產(chǎn)生沖突，導(dǎo)致模型遲遲無法提升。

同時，3C產(chǎn)線工藝波動大，“果鏈”（蘋果供應(yīng)鏈企業(yè)的簡稱）代工廠的產(chǎn)線每兩年要徹底更換，模型無法復(fù)用，算法重新訓(xùn)練。

目前，唯一的方法就是等?！拔覀冎荒芙⒁粋€專業(yè)的標(biāo)注團(tuán)隊，但是樣本量越大，標(biāo)注成本越高，上線周期越長?！焙肫饋砭涂嘈?。

圖片來源：IDC

對于從事AI交付的李湘來說，噩夢則是數(shù)字化設(shè)備交付之后，調(diào)試團(tuán)隊遲遲無法撤離。

李湘舉例，比如最常用的幾何匹配算法工具，需掌握較專業(yè)的圖像處理知識和幾何匹配算法的基本原理，才能進(jìn)行調(diào)試；而一般的應(yīng)用工程師，即有圖像處理背景與編程背景，且碩士及以上學(xué)歷，才能把參數(shù)調(diào)整到比較好的狀態(tài)。

就算這樣，在最麻煩的項目中，調(diào)試人員兩年多無法撤離，給他造成了巨大的心理陰影。

這些都是AI落地中的常見難點，也是長期以來工業(yè)AI難以普及的根本困境。有從業(yè)者舉例，一次賣出25套設(shè)備，收費300多萬元，本來是個喜事兒，結(jié)果交付用了幾百人，人力成本200萬元，加上硬件成本，基本沒有利潤。

反觀大廠，也是如此。一位從業(yè)者說：“大廠在這方面的團(tuán)隊都在1000人左右，每年賠十幾個億不在話下?！?/p>

這個虧本賺吆喝的時代，被從業(yè)者們稱為“工業(yè)AI 1.0”時代。

不管是國內(nèi)的阿丘科技、創(chuàng)新奇智和思謀科技，還是美國的康耐視（COGNES，計算機(jī)視覺公司，成立于1981年），都是算法起家，早期都需要投入大量人力收集圖片、訓(xùn)練模型、研究算法。

彼時工具鏈不完善，落地方法不成熟，只能靠一個一個做項目，一點一點積累場景數(shù)據(jù)，實現(xiàn)從0到1的突破。

轉(zhuǎn)機(jī)發(fā)生在2019年。阿丘科技CEO黃耀認(rèn)為，這一年是“工業(yè)AI元年?！?/p>

阿丘科技完成一個3C結(jié)構(gòu)件的檢測，這是一個塑膠件、金屬件等多種材料組合的結(jié)構(gòu)件，異形、缺陷種類超三十種，并且形態(tài)多變，傳統(tǒng)機(jī)器視覺難以識別。阿丘科技通過深度學(xué)習(xí)解決了復(fù)雜場景下的識別問題，而且在兩周內(nèi)做出demo，驗證后快速上線。

黃耀發(fā)現(xiàn)，只要是人眼可以識別的缺陷，深度學(xué)習(xí)都可以識別。憑借特征提取能力和對高維數(shù)據(jù)的表征能力，深度學(xué)習(xí)能夠容忍復(fù)雜圖形中的自然變化，區(qū)分機(jī)器視覺無法識別和分辨的缺陷，令檢測精度大幅提升。

在一個傳統(tǒng)機(jī)器視覺束手無策的場景中，深度學(xué)習(xí)快速崛起。

除了阿丘科技，創(chuàng)新奇智、思謀科技、康耐視等廠商都開始把深度學(xué)習(xí)落地到工業(yè)場景，AI質(zhì)檢出現(xiàn)高增長。

創(chuàng)新奇智招股書顯示，2018年、2019年、2020年及2021年前三季，創(chuàng)新奇智營業(yè)收入分別為3720萬元、2.29億元、4.62億元、5.53億元，報告期內(nèi)的總營收12.8億元。2018-2020營收復(fù)合年均增長率達(dá)到252.5%，2021 前三季同比增長85.8%。

阿丘科技也在結(jié)構(gòu)件、模組、包裝、快消品、食品飲料等傳統(tǒng)制造業(yè)眾多場景批量落地?！斑@些行業(yè)的共同特征是問題驅(qū)動，而且問題只有用AI才能解決。”阿丘科技技術(shù)VP鐘克洪介紹。

IDC預(yù)計，2022年，計算機(jī)視覺中純用于質(zhì)檢這一細(xì)分場景的軟件類和服務(wù)類營收超過10億元，預(yù)計2025年將達(dá)到62億元規(guī)模。

03 工業(yè)大模型真正的國家基礎(chǔ)設(shè)施

不論創(chuàng)新奇智推出的奇智孔明AInnoGC，還是阿丘科技的缺陷生成平臺AIDG，都在大幅降低AI的應(yīng)用成本，提高AI的遷移泛化能力，而這也是未來三年工業(yè)AI發(fā)展的重心。

黃耀認(rèn)為，過去三年AI質(zhì)檢的發(fā)展側(cè)重于同一場景的復(fù)制，也就是用同一個模型解決同一場景的問題，比如在消費電子領(lǐng)域，做好一個結(jié)構(gòu)件的檢測之后，再尋求同類場景的橫向復(fù)制。

2023年開始，AI的遷移和泛化能力提升，AI質(zhì)檢從單場景復(fù)制走向多場景遷移，比如從iPhone的金屬件檢測，到 Macbook、iPad的金屬件檢測，甚至遷移到汽車的金屬件檢測。這些結(jié)構(gòu)件材料相似，工藝相似，AIGC可以將相似的缺陷快速呈現(xiàn)在一張缺陷圖上，加快項目落地。

同時，從一種材料向另一種材料的遷移也在加速中。雖然材料和工藝數(shù)據(jù)不同，但工具鏈可以復(fù)用。

2025-2030年，AI質(zhì)檢將進(jìn)入全面普及時代，最終實現(xiàn)“AI for Every Factory”?！八怨こ處熆梢匀肀I，把AI當(dāng)成一個強(qiáng)有力的武器，工業(yè)視覺的研發(fā)速度和研發(fā)成本就會下降?！秉S耀說，這是他在嘗試過所有大模型產(chǎn)品之后的感覺。

鐘克洪認(rèn)為，根據(jù)杰弗里·摩爾（Geoffrey A. Moore）的跨越鴻溝理論，工業(yè)AI視覺已經(jīng)突破臨界點，接下來將進(jìn)入行業(yè)普及期。

在AIGC能力加持下，工業(yè)AI企業(yè)的產(chǎn)品矩陣也在發(fā)生變革。

鐘克洪認(rèn)為，從大的維度看，工業(yè)視覺解決方案會按兩個大的方向來進(jìn)行演進(jìn)：

輕量級場景更加強(qiáng)調(diào)一體化解決方案，更加簡單易用。整個行業(yè)里AI的平均成本將會極大下移。

復(fù)雜場景會更加強(qiáng)調(diào)通用解決方案，主要通過通用模型，降低綜合成本。

無論阿丘科技還是創(chuàng)新奇智，下一個焦點都是從算法模型向通用模型的演化。AIGC對AI質(zhì)檢的加持已經(jīng)讓工業(yè)級大模型的威力初露端倪。

中科院自動化所博士生導(dǎo)師、中科行智創(chuàng)始人彭思龍教授認(rèn)為，工業(yè)領(lǐng)域需要一個相對通用的大模型，這樣每個具體場景中，只需要進(jìn)行少量樣本標(biāo)定，就能實現(xiàn)落地，而且全世界只有中國有這個機(jī)會和能力。

盡管中國擁有全世界最齊全的工業(yè)門類，即41個工業(yè)大類、207個工業(yè)中類、666個工業(yè)小類，但訓(xùn)練大模型的數(shù)據(jù)從哪里來，誰來組織，誰來獲取，如何與企業(yè)溝通解決私密性問題，都成為新問題。一些制造業(yè)龍頭企業(yè)，忌諱將內(nèi)部數(shù)據(jù)交給服務(wù)商。

即便如華為這樣的巨頭，也只有局部數(shù)據(jù)，而創(chuàng)業(yè)公司只能夠通過項目積累數(shù)據(jù)，“這里需要建立一套機(jī)制，只有國家來思考這個問題，地方政府都很難搞定?！迸硭箭堈f，“即使國家隊出面，企業(yè)數(shù)據(jù)也不會白給?！?/p>

思路之一是發(fā)改委或工信部出面組建團(tuán)隊，每個行業(yè)挑前10個龍頭企業(yè)給予補(bǔ)貼，由龍頭企業(yè)提供數(shù)據(jù)，相當(dāng)于國家做一個工業(yè)基礎(chǔ)設(shè)施，以訂閱的方式提供給所有制造業(yè)企業(yè)，象征性地收取部分訂閱費。

這是真正的國家級基礎(chǔ)建設(shè)。

工業(yè)級別的大模型一旦誕生，將有力推動傳統(tǒng)制造業(yè)的轉(zhuǎn)型升級，產(chǎn)業(yè)鏈轉(zhuǎn)移也將停止。彭思龍說：“當(dāng)工業(yè)大模型出來以后，我比較看好傳統(tǒng)產(chǎn)業(yè)升級，傳統(tǒng)產(chǎn)業(yè)智能化這一塊一旦完成，中國真的就是世界工廠?！?/p>

（注：文中明陽、胡威、李湘為化名。）