在现代电子制造业中，AOI（自动光学检测）设备堪称产品质量把关的"最后一道防线"，对产品出厂有着举足轻重的作用。然而，AOI设备自身长期存在的“换线编程耗时长和误报率较高”等问题，却一直影响和困扰着现代电子制造业高质量发展。如今，随着AI技术的迅猛发展，AOI设备的“问题”也迎刃而解。这项技术又是如何被突破的呢？近日，《机器视觉》杂志专访了深圳市识渊科技有限公司联合创始人&首席科学家Robin茹彬鑫，这位牛津AI博士、华为天才少年入选者，正在用前沿AI技术重新定义工业视觉检测设备，成功实现了"国产替代"，甚至是"国产超越"。

M：MACHINE VISION

R：茹彬鑫

M：从牛津AI博士到创业者，您的学术和Google X经历如何影响了工业AI创新思路？

R：学术经历给我带来的帮助主要体现在两个层面。从内容角度看，博士经历让我深入了解了AI的多元化方向，包括视觉大模型、可信赖AI、强化学习等分支，遇到问题时能想到更多样化的AI解决方法。同时博士期间构建的学术人脉，让我能在快速定位到问题相关的AI技术路线后，迅速找到对应世界级的专家学者深入探讨。

从软实力角度看，读博很好地锻炼了我发现问题、科研探究以及解决问题的能力。我们做的是前人没做过的原创性产品，就像学术研究一样需要剖析并探究一系列全新的问题，运用跨领域知识自研出创新的解决方案，再通过严谨实验验证落实。这套方法论在我们开发新产品、攻坚克难的过程中非常有帮助。

Google X作为谷歌内部神秘的"登月工厂"，有着极致创新文化。印象最深的是那里经常鼓励大家”always aim for 10x, not 10%”, 即(遇到问题时)总要想如何10倍地解决，而不是只追求10%的改进。这种思维会逼迫你从完全不同的技术路线寻找颠覆性的方法，最终带来突破性效果。我在工业产品开发中也一直让团队保持这种思考方式。

M：为什么选择工业领域作为AI技术的切入点？

R：识渊科技选择工业高端制造这个方向有几个重要原因。第一，人才供给的匮乏。传统制造企业，不论海内外，在AI技术上普遍积累比较薄弱，也很难吸引到最顶尖的AI人才——最好的AI人才通常会选择谷歌、微软、阿里、华为等高科技公司。但要让AI技术真正落地工业领域，颠覆性地解决困扰行业多年痛点恰恰又需要最顶尖的AI人才和团队才可以实现，这就形成了明显的市场空缺，因此我们希望成为第一批专注工业AI的团队，来填补这个空缺。

第二，资源优势明显。很多AI的场景方向，在海外或者国内都可以做。但是高端制造业方向的AI创业只有中国最适合，有着绝对领先的优势，因为中国是制造大国，有着非常丰富的客户、场景和数据，为AI产品的研发提供了肥沃的土壤。而我们打造出的更智能强大的设备也能更好地推动新质生产力的发展，助力中国向制造强国迈进。

总体来说我们认为专注AI技术在工业制造方向的创新和应用，虽然比较接地气，但是是一个非常有挑战、有价值、有意义的事。

M：识渊科技的AOI设备与传统AOI设备相比，最大的技术突破点在哪里？

R：识渊科技的AOI设备用前沿AI技术完成感知、决策和优化，颠覆性地解决了困扰行业多年的两个核心痛点。

第一个痛点是换线编程耗时长。每次生产新的产品时，传统AOI设备往往需要专业的工程师花几个小时进行重新编程、建库和调试。而我们打造的设备，内嵌了强大的AI多智能体系统，由AI代替专业工程师自动快速地完成编程调试，把以往的几小时缩短到几分钟。同时，由于核心的编程工作由AI主导完成，我们的设备只需一两小时的培训就可以让一个新手操作员轻松上手，而传统设备的工程师往往需要几个月的专业培训，才能做出好的程序。

第二个痛点是缺陷检出率和误报率问题。传统设备采用的传统视觉算法，例如颜色算法、模板匹配等，对虚焊这类复杂缺陷检出效果有限，对轻微的成像变化、字符印刷变化、器件位置变动很敏感，导致高误报率。因此客户需要配多个人工复判员来轮班对AOI报出的缺陷做人工复判。我们产品则是采用了AI算法做缺陷检出，相比传统的视觉算法，不但能用高维度的特征对复杂缺陷做判断，大大提升了检出率，同时对轻微变动的容忍度更好。从众多现场实测的表现来看，我们设备的误报率相比传统设备能降低5-10倍，大大节省了客户侧的复判人力成本。

我们的产品在这两个核心行业痛点上带来的代差级别的性能提升，帮助客户实现了很好的降本增效，引用客户对我们的评价：“识渊的产品对于AOI行业，就像当年诺基亚键盘手机时代出现的iPhone。”

此外，我们AI产品的属性，意味着我们的设备会越用越好：随着我们的客户越多，场景数据越多，我们的算法也会变得越来越好，反过来惠及所有客户。

M：在技术实现上，AI工业化落地的核心挑战是什么？

R：AI虽然很强大，但要将AI技术真正落地到制造业场景，打造一个通用的AI产品，需要克服很多AI本身局限性。例如：

一是极高的性能要求：高端制造业场景产线节拍很快，除去运控拍摄时间后，留给AI算法的时间非常少，因此我们必须要在保证AI算法检测精度的同时将算法推理速度做到极致，为此我们做了很多模型设计、模型量化以及工程化部署方面的研究和优化，最终达到了理想的效果。

二是极高的可靠性标准：AI模型很容易出现幻觉，在大模型常被用到的C端客户场景，用户对于幻觉的容忍度很高，但工业质检场景对AI幻觉容忍度几乎为零。因此我们做了很多研发的工作，包括结合我之前在Google X研发的可靠性AI技术，来约束和解决我们产品中AI模型的幻觉问题。

我和我的合伙人经常感慨，打造这个原创性的AI AOI产品所涉及的AI算法和AI工程系统，比我们之前在大厂做过的任何一个项目都要复杂和有挑战。

M：有哪些传统AOI设备无法解决但识渊科技成功解决的案例？

R：案例很多。 对于生成小批量多品种的客户企业，他们每天生产品类很多，换线效率一直是瓶颈。使用我们设备后，编程时间显著降低，换线效率提升了10到20倍。我们还出海到东南亚，例如有个客户在越南建厂，买了海外一线品牌AOI设备，但当地工人学了大半年都没办法掌握操作。用我们设备后，当地工人学一两小时就能做出稳定专业的程序，很好解决了海外建厂招不到高素质的操作员的痛点。

功能方面，比如LED灯珠错件检测、红胶缺陷检测、连锡检测、2D全板异物检测等，传统设备需要手动添加很多检测框和模板，也很难平衡检出和误报。我们用AI算法，无需复杂编程，就能达到百分百检出的同时，维持基本零误报，大大提高了效率和准确率。

M：那么在推动国产化替代方面，识渊科技扮演什么角色？

R：传统消费电子SMT设备的国产化已经很成熟，国内前辈厂商在性能和价格上都很有竞争力。

但我们的目标不是简单的国产替代，而是国产超越。我们用AI技术开发出行业首款真正全智能的设备，不仅超越国产同类产品，也遥遥领先于海外设备，解决了困扰行业多年的痛点。从2023年至今的展会上，我们也是唯一一家欢迎客户带自己工厂的产品来现场实时体验AI智能编程和检出的厂商，这是海外设备和其他国内品牌都做不到的。

其实不仅是国内的传统设备企业，国外的设备巨头在AI积累上也非常薄弱，因此我们会利用这个技术路线的优势，实现弯道超车。消费电子SMT AOI只是我们用AI革新工业视觉设备的第一步，我们正在积极研发覆盖消费电子和半导体产业链其他环节的设备，目标是用AI技术重构和颠覆更多传统设备。

M：与科研院所的合作以及人才培养方面有什么规划？

R：我们专注产研创新，希望用AI对传统产品做原创性改变，而非简单复制。这需要长期技术攻关和AI积累。与深圳清华大学研究院、粤港澳大湾区数字经济研究院（IDEA研究院）等研究机构合作，目的是进行长期技术储备和预言，借助更优秀的合作伙伴实现难点攻关，为未来技术发展打基础。

AI与制造业复合型人才很稀缺。我们内部重点培养此类人才：以AI人才为核心，让他们深度参与制造业产品开发，加深对传统制造工艺和产品设计的认知。鼓励研发人员将制造业场景的经验和专业知识融入AI算法创新，开发更适用于制造业的AI算法。团队中也有制造业背景的同事，我们鼓励他们与算法人员交流，帮助他们更好地理解AI算法的原理和能力边界，提高跨学科讨论合作的效率。我们也非常欢迎这两方面的人才加入我们，一起共事，一起成长。

M：识渊科技未来3-5年的发展规划和愿景是什么？

R：我们的愿景是用前沿AI技术打造一系列颠覆性的软硬一体的标准化产品，革新工业视觉领域，赋能智能制造的发展。目前我们已经推出针对消费电子和半导体后道封测的多款原创性的AI AOI产品。在接下来的时间里我们会继续聚焦泛半导体领域，再接再厉，创造出更多智能亮眼的设备产品，让AI在工业视觉领域真正带来变革和赋能。