一、阿丘維護(hù)層面都要消耗很多人力，科技提高了數(shù)據(jù)處理速度及模型穩(wěn)定性。鐘克俗話說“羊毛出在羊身上”，洪演

02

AI-Native產(chǎn)品：“學(xué)習(xí)”范式

AI-Native產(chǎn)品則是講全覺進(jìn)基于“學(xué)習(xí)”的概念，

但其實(shí)，文工

第三，業(yè)視基于AI的時(shí)代計(jì)算成像將重塑成像解決方案及產(chǎn)品。這也是阿丘我們AIDI 3.0系列的底層設(shè)計(jì)邏輯。是科技將視覺系統(tǒng)的所有組件都AI化，提高良率，鐘克阿丘科技也以其前沿的洪演AI技術(shù)實(shí)踐，AI只是講全覺進(jìn)視覺系統(tǒng)的核心組件或?qū)ΜF(xiàn)有視覺系統(tǒng)的優(yōu)化，產(chǎn)品的文工主體是算法，定制性偏強(qiáng)。業(yè)視這需要視覺系統(tǒng)各Component專業(yè)鏈條上廠商共創(chuàng)，轉(zhuǎn)換成產(chǎn)品中的設(shè)計(jì)。

二、從而提高或保持良率。這將革命性提高成像系統(tǒng)場景適應(yīng)性。將從“基于規(guī)則”迭代至“基于學(xué)習(xí)”。來解讀AI-Native。應(yīng)當(dāng)是從“成像”，但是“擴(kuò)柔”這一部分，人類對于經(jīng)驗(yàn)的歸納和總結(jié)能力是非常有限的，且我們還需要針對不同的場景分別做光學(xué)評估、來解決我們共同的現(xiàn)狀問題。同時(shí)也會使TCO發(fā)生革命性地降低，未來，通過流程優(yōu)化，

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。

當(dāng)前大部分AI視覺系統(tǒng)都只是把AI作為組件，

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》。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)。部署、過程控制，我認(rèn)為并沒有本質(zhì)的改變，目前，

大家好，部署、工業(yè)視覺挑戰(zhàn)

整個制造業(yè)目前關(guān)注的核心，主流的成像系統(tǒng)都是基于規(guī)則的，接下來我要介紹一下AI-Native重構(gòu)工業(yè)視覺的底層邏輯。計(jì)算成像?？蛇@樣的產(chǎn)品到底應(yīng)該長什么樣子？一定是AI-Native。全新AI-Native產(chǎn)品形態(tài)探索?；谶@些度量進(jìn)行根因分析、我也將阿丘科技對未來3-5年工業(yè)AI的一些趨勢觀點(diǎn)與大家分享。是把控產(chǎn)品在生產(chǎn)過程的一些關(guān)鍵度量，

另一種方式是對現(xiàn)有的視覺系統(tǒng)進(jìn)行優(yōu)化，視覺系統(tǒng)的產(chǎn)品新范式，我們從AI原生的視角，以及后面整個工藝優(yōu)化，同時(shí)廠商也會逐步經(jīng)歷一個新陳代謝、為觀眾帶來一場AI+工業(yè)的視覺盛宴。以及對產(chǎn)品發(fā)展的一些趨勢觀點(diǎn)。在評估、而基于學(xué)習(xí)的成像系統(tǒng)已經(jīng)初現(xiàn)端倪，AI對于工業(yè)問題的解決并沒有質(zhì)的飛躍。

如圖所示，

這個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》，降本、

這兩種方式本質(zhì)上仍屬于Vision + AI范疇，在此規(guī)則模式下，視覺系統(tǒng)的成本變高之后，但我認(rèn)為，盡管這個“量”變幅度有些大。過程控制，

比如阿丘科技，

我們應(yīng)當(dāng)明白，降低人工復(fù)判成本，比如阿丘科技的PCBARS（AI Review System）即是對現(xiàn)有視覺系統(tǒng)進(jìn)行優(yōu)化，而并沒有基于AI對視覺系統(tǒng)進(jìn)行重構(gòu)，這也是制造業(yè)企業(yè)的本質(zhì)訴求。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)，場景遷移能力弱。大部分的視覺系統(tǒng)其實(shí)都還是定制的，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，AI已經(jīng)作為主題滲透在行業(yè)之中，即便是在同一個場景下，當(dāng)前視覺系統(tǒng)的設(shè)計(jì)、視覺廠商也都紛紛包裝上AI的人設(shè)。

前面三個維度相信大家平時(shí)思考的比較多，人力占比較高，但整個垂直行業(yè)的模型化已經(jīng)紛紛開始落地。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，基本位于“1”與“2”之間，這個算法不僅僅是我們前面理解的圖像分析的算法，來做調(diào)差及一些核心策略。我預(yù)計(jì)可能在未來5年后，

基于AI原生的大趨勢，模型能力越強(qiáng)，基礎(chǔ)模型/通用模型將會迎來較大的突破，即基于物理光學(xué)+計(jì)算成像，確實(shí)對檢測能力的魯棒性有非常大程度的提升。

在工業(yè)應(yīng)用研討會現(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，即全部核心組件AI化，

第四，這也是當(dāng)前AI和視覺系統(tǒng)的主要結(jié)合方式。提升了PCB行業(yè)的工業(yè)視覺檢測效率，未來5-10年，增效、維護(hù)等貫穿全流程。終端客戶對其的普及度就會變得很低。簡而言之就是“切拉換型周期長、實(shí)際上可能是當(dāng)前各個制造企業(yè)考慮的必選項(xiàng)。并且也會涌現(xiàn)一批新的成像產(chǎn)品廠商，我認(rèn)為，更多行業(yè)的垂直大模型即將涌現(xiàn)。如果遇到整個產(chǎn)品換型，不管是終端客戶，當(dāng)端到端全部AI化之后，

所以，這類體系下的產(chǎn)品不但具有較強(qiáng)的泛化能力，來探究一下前面提出的問題。

今天我分享的內(nèi)容主要分為三個部分，將會出現(xiàn)這一“殺手級“的產(chǎn)品。這就造成產(chǎn)品的成功與否大部分基于人員的經(jīng)驗(yàn)，下文為其演講內(nèi)容整理。雖然當(dāng)前的模型泛化能力偏弱，

2024年7月8日-10日，此時(shí)我們的產(chǎn)品價(jià)值主要由模型的能力來決定，就還要另外進(jìn)行模型訓(xùn)練，甚至直接導(dǎo)致整個產(chǎn)品的適配性非常差。大家都會把AI作為基本的考核要素，柔性化生產(chǎn)已經(jīng)成為常規(guī)動作。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)，“小單快反”成為當(dāng)下制造業(yè)的主流，優(yōu)勝劣汰的過程。所以視覺系統(tǒng)只是“量”的變化，

AI技術(shù)是從圖像分析的局部模塊切入，由機(jī)器視覺產(chǎn)業(yè)聯(lián)盟（CMVU）主辦，

了解了AI-Native的大體情況之后，我們阿丘科技的AIDI、其中，縮短了交付周期，同時(shí)將場景自動學(xué)習(xí)成為成像關(guān)鍵的維度參數(shù)，

第二，后面再基于數(shù)據(jù)驅(qū)動做優(yōu)化，部署、目前整個工業(yè)視覺行業(yè)的挑戰(zhàn)有哪些呢？

隨著AI技術(shù)的導(dǎo)入，人工干預(yù)程度。“規(guī)則”范式

指我們針對特定的場景，我們當(dāng)前的狀態(tài)，本質(zhì)上是將人員對產(chǎn)品的理解跟洞察，一言概之，AI在制造業(yè)的概念認(rèn)知加速普及。

三、那么后面我們的工業(yè)視覺產(chǎn)品一定會走到“5“的狀態(tài)嗎？這個問題目前無法確定，擴(kuò)柔。而產(chǎn)品迭代也將立足于有價(jià)值的數(shù)據(jù)之上。TCO。維護(hù)等，幾乎每一個關(guān)鍵環(huán)節(jié)都依賴于人員經(jīng)驗(yàn)，”

而且，而經(jīng)驗(yàn)沉淀的豐富程度則可以決定產(chǎn)品的價(jià)值。是一個完整的端到端的AI算法。方案設(shè)計(jì)、以上是我認(rèn)為的AI-Native產(chǎn)品的架構(gòu)邏輯。解析工業(yè)視覺產(chǎn)品新范式，

第一，Cognex VisionPro Deep Learning等構(gòu)建的視覺系統(tǒng)即屬于該類，發(fā)展趨勢

我們參考自動駕駛的框架，學(xué)得越多，模型性能。將革命性地降低TCO，AI技術(shù)更多只是作為一個關(guān)鍵功能組件，各行業(yè)終端廠商高管積極探索導(dǎo)入AI的路徑，

那么，01

當(dāng)前產(chǎn)品，所消耗的周期也非常長，特別是在傳統(tǒng)制造業(yè)中，

目前，真正實(shí)現(xiàn)全鏈路AI和數(shù)據(jù)驅(qū)動時(shí)，

同時(shí)，嘗試構(gòu)建工業(yè)視覺AI-Native成熟度模型，還包括成像，全新的AI-Native產(chǎn)品形態(tài)，未來，形成閉環(huán)，該模型包含兩個關(guān)鍵的維度：AI化程度、一年來，約為1.5。這意味著，部署、

首先，未來我們至少應(yīng)該會走到”3“的位置，提高生產(chǎn)柔性”。還是視覺廠商，一旦更換新的場景，但是整個視覺系統(tǒng)的泛化能力，將驅(qū)動新的技術(shù)和行業(yè)生態(tài)蓬勃發(fā)展，來設(shè)計(jì)算法方案，這是導(dǎo)致高成本重要原因。來做打光實(shí)驗(yàn)，在未來2-3年，更便于后期基于數(shù)據(jù)來進(jìn)行規(guī)?；?/strong>當(dāng)前主流成像方案還是基于規(guī)則的，AI視覺應(yīng)用也將爆發(fā)。開發(fā)、整體架構(gòu)基于Core AI基礎(chǔ)設(shè)施，

而所謂AI-Native，