引言

在智能制造转型的关键时期，工业质检领域长期面临着样本稀缺、建模周期长、泛化能力差等技术瓶颈。传统监督学习模型需要大量缺陷样本进行训练，而在实际生产中，高良品率产品的缺陷样本获取极其困难，往往需要数月时间才能收集到足够的训练数据，严重制约了AI技术在复杂检测场景中的应用。

联想集团推出的边缘大脑V3.0，以突破性的"无监督小样本好品建模"技术为核心，彻底颠覆了传统工业质检的技术路径。该产品能够基于30-100个良品样本完成模型训练，无需缺陷样本即可实现冷启动，并能检测出系统此前未知的缺陷类型，为六面检、异形检等复杂场景提供了革命性解决方案。

联想在这一领域的突破，不仅源于其作为制造业"受益者"和"学习者"的深厚积淀，更体现了其向行业"贡献者"转变的战略决心。我们专访了联想研究院人工智能实验室研发总监虞文明，深入解析这一创新产品背后的技术突破与实践经验。

记者：VISION CHINA

嘉宾：虞文明

记者：边缘大脑V3.0以"无监督小样本好品建模"技术为核心，解决了六面检、异形检等复杂检测场景的难题。能否结合电池、轮胎等具体案例，阐述这项技术如何实现高ROI？它与传统监督学习模型的根本差异在哪里？

虞文明： 这项技术的突破意义在于从根本上解决了复杂检测场景中的数据采集瓶颈问题。

以电池和轮胎检测为例，电池作为六面体、轮胎作为异形体，都是良品率极高的产品。传统方法需要采集七八十个检测项、甚至上百种缺陷样本才能完成建模，而在实际生产中，一条流水线一天能检测到的缺陷品数量极其有限。按照传统算法，收集足够样本通常需要几个月时间，这时产品可能已经换型，更不用说后续的模型训练和部署。

我们的无监督小样本好品建模技术彻底改变了这一现状。通过采集生产流水线上自然产生的30-100个良品样本，系统能够学习正常产品的特征分布，任何与这些好品特征存在差异的产品都能被准确检测出来。这不仅解决了数据采集和标注的时间成本问题，更使高ROI的工业质检成为可能。

与传统监督学习的根本差异体现在三个方面：首先，我们实现了基于少量良品的快速建模，无需缺陷样本即可冷启动；其次，系统能够检测出过去未知的缺陷类型，这是传统有监督技术无法达到的；第三，我们创新性地将有监督、半监督技术统一集成，结合传统CV技术，实现了全生命周期数据管理和训推一体化。

特别值得强调的是，整个技术栈都在边缘侧运行，包括模型训练、推理和自学习，完全可以断网运行，这为制造企业提供了更高的数据安全保障。

记者：联想在机器视觉领域实现了从"受益者"到"贡献者"的转变。在推动"内生外化"的过程中，联想如何将自身工厂实践经验转化为可复用的技术产品？这一转化过程中的关键决策和经验是什么？

虞文明： 这一转变过程体现了联想从战略规划到技术突破再到产品化的完整路径。

2017年，联想提出智能化转型战略，明确将智能服务作为核心方向。在此背景下，我们的武汉、合肥、深圳工厂产生了大量工业质检需求，研发团队与工厂工程师开始深度协作，逐一攻克手机点胶检测、键盘缺陷检测、机箱螺丝浮高检测、笔记本多面检测等具体问题。

然而，我们发现每个问题都具有个案特征，单纯通过案例解决并非通用方案，ROI难以提升。2020年，公司进一步推进内生外化战略，我们对过往实践进行深度反思和调研，致力于提出能够解决共性问题的通用技术平台。

2021年实现算法突破并完成原型开发后，我们利用过去几年积累的数据进行重新验证，发现基于小样本无监督建模的技术能够很好地解决这些问题。经过泛化性进一步突破，2023年我们实现了产品化和市场化推广，在轴承、电池、轮胎、布匹、压铸件等复杂场景中取得了成功应用。

关键的转化经验可以总结为两点：首先是问题导向的技术创新思维。面对数据采集困难、泛化性差等挑战时，我们没有选择放弃，而是深入分析问题本质，提出基于好品建模的创新路径；其次是算法人员必须深入一线，在车间中打磨产品和技术，只有将算法与行业需求紧密结合，才能实现真正的技术转化。正如我们常说的"现场有神灵"，这是技术转化最宝贵的经验。

记者：作为机器视觉领域的技术贡献者，您认为未来3-5年该领域面临的关键挑战是什么？联想将如何通过技术开放和生态合作，助力中小企业降低AI落地门槛，推动智能制造普惠化？

虞文明： 未来3-5年，我们面临两大关键挑战。

首先是实现AI能力认知的务实对齐。AI解决工业质检问题是一个循序渐进的过程，需要与工厂人员达成现实预期。许多企业制定了严格的工业质检标准，但人工实操时也难以完全达到，这时引入AI不应期望一步到位。我们倡导的路径是先降低漏检率，再逐步降低过杀率，这样才能真正解决问题，避免因期望过高导致的应用失败。

其次是技术的持续迭代创新。未来基于混合AI技术，大模型与小模型的联合应用将更好地解决机器视觉在制造业的应用问题。这需要算法人员与业务人员共同深入一线，在现场实现技术创新和应用突破。

在生态合作方面，我们将从两个维度推进AI普惠化：

一是与具有技术信仰的非标自动化设备企业深度合作。他们拥有丰富的行业知识和项目需求，我们为其提供Nano版、迷你版、标准版、Pro版等不同版本的软件产品，针对传统训练提供训推一体技术，针对传统推理提供推学一体的边缘侧自学习能力。

二是与光源厂商、相机厂商进行深入合作，提供更多组件化解决方案，实现算法与相机、算法与光源的深度融合，降低行业应用门槛。

通过这些举措，我们希望为中国制造业贡献联想独有的AI力量，将AI普惠真正落实到制造业的细分领域中，助力更多企业实现智能化转型。