制造業(yè)是中國經(jīng)濟的“壓艙石”，智能制造是制造強國建設(shè)的主攻方向，可以加快發(fā)展現(xiàn)代產(chǎn)業(yè)體系，對鞏固實體經(jīng)濟根基、實現(xiàn)新型工業(yè)化具有重要作用。智能制造也是推進數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化，建設(shè)數(shù)字中國的重要途徑。隨著深度學(xué)習(xí)、AI 大模型等技術(shù)的發(fā)展，智能化技術(shù)正在提升，改造以制造業(yè)為代表的傳統(tǒng)行業(yè)，是整個行業(yè)實現(xiàn)提質(zhì)增效、數(shù)字化的重要途徑。AI 工業(yè)質(zhì)檢是智能制造的關(guān)鍵環(huán)節(jié)之一，是AI 在制造業(yè)領(lǐng)域落地的典型成功場景。在大模型和生成式AI 興起的背景下，AI 賦能的工業(yè)質(zhì)檢市場正在經(jīng)歷新的變化。

程蔭(IDC中國高級分析師)

1 生成式AI、AI 大模型的定義

生成式AI（GenAI）是計算機科學(xué)的一個分支，涉及無監(jiān)督和半監(jiān)督算法，使計算機能夠使用之前創(chuàng)建的內(nèi)容（如文本、音頻、視頻、圖像和代碼等）來創(chuàng)建新內(nèi)容，以響應(yīng)簡短的提示問題。

AI 大模型為生成式AI 提供了技術(shù)基礎(chǔ)和能力，而生成式AI 則展示了大模型在實際應(yīng)用中的潛在價值。例如，ChatGPT 是生成式AI 的一種，主要用途為文本生成。大模型是對原有算法模型的技術(shù)升級，技術(shù)供應(yīng)商基于海量數(shù)據(jù)開發(fā)預(yù)訓(xùn)練模型，到最終用戶環(huán)境中使用少量數(shù)據(jù)即可獲得比之前的算法模型更好的預(yù)測準確度。

生成式AI 和大模型技術(shù)，是在工業(yè)領(lǐng)域逐漸顯現(xiàn)的一種新的范式轉(zhuǎn)變。生成式AI 可以利用現(xiàn)有數(shù)據(jù)來編造新的、獨特的數(shù)據(jù)集，大模型通過主動學(xué)習(xí)工業(yè)場景數(shù)據(jù)，可以讓工業(yè)知識沉淀在數(shù)字化系統(tǒng)，輔助工人現(xiàn)場操作，輔助管理人員做決策，最終實現(xiàn)數(shù)據(jù)驅(qū)動的智能化生產(chǎn)與運營。

2 生成式AI、大模型在工業(yè)應(yīng)用中的展望

生成式AI 和大模型在工業(yè)應(yīng)用中具有廣泛的應(yīng)用前景，可以實現(xiàn)工業(yè)生產(chǎn)流程、產(chǎn)品設(shè)計、供應(yīng)鏈管理、設(shè)備維護管理、質(zhì)量檢測的智能化，提高工業(yè)生產(chǎn)的效率、質(zhì)量和穩(wěn)定性。

●   生產(chǎn)流程智能化：生成式AI 和大模型技術(shù)可以實現(xiàn)工業(yè)生產(chǎn)的智能化，通過實時監(jiān)測和預(yù)測生產(chǎn)過程，實現(xiàn)智能化的生產(chǎn)控制和管理。例如，通過大模型和生成式AI，可以實現(xiàn)對生產(chǎn)過程中的問題進行實時預(yù)測和處理，提高生產(chǎn)效率和質(zhì)量。

●   設(shè)備預(yù)測性維護智能化：生成式AI 和大模型技術(shù)可以實現(xiàn)工業(yè)設(shè)備預(yù)測的智能化，通過實時監(jiān)測和預(yù)測設(shè)備狀態(tài)，實現(xiàn)設(shè)備的智能化管理和維護。例如，通過大模型和生成式AI，可以實現(xiàn)對設(shè)備故障的實時預(yù)測和處理，延長設(shè)備的使用壽命，提高設(shè)備的運行效率和穩(wěn)定性。

●   供應(yīng)鏈管理智能化：生成式AI 和大模型技術(shù)可以實現(xiàn)供應(yīng)鏈管理的智能化，通過實時監(jiān)測和預(yù)測過程，實現(xiàn)供應(yīng)鏈的智能化管理和控制。例如，通過大模型和生成式AI，可以實現(xiàn)對物流、供應(yīng)鏈過程中的延誤和問題進行實時預(yù)測和處理，提高運轉(zhuǎn)效率和準確性。

●   工業(yè)質(zhì)量檢測智能化：生成式AI 和大模型技術(shù)可以實現(xiàn)工業(yè)質(zhì)量檢測的智能化，通過實時監(jiān)測和預(yù)測產(chǎn)品質(zhì)量，實現(xiàn)質(zhì)量檢測的智能化管理和控制。例如，通過 大模型和生成式AI，可以實現(xiàn)對產(chǎn)品質(zhì)量問題的實時預(yù)測和處理，提高產(chǎn)品質(zhì)量和檢測效率。

●   產(chǎn)品設(shè)計智能化：生成式AI 和大模型技術(shù)可以為產(chǎn)品設(shè)計帶來創(chuàng)新、個性化、性能優(yōu)化和自動化等方面的提升，基于市場和用戶的反饋，幫助設(shè)計師更好地滿足用戶需求，提高產(chǎn)品設(shè)計的質(zhì)量和效率。

3 AI賦能的工業(yè)質(zhì)檢市場現(xiàn)狀與進展

AI賦能的工業(yè)質(zhì)檢是利用基于深度學(xué)習(xí)、大模型等AI技術(shù)的視覺檢測技術(shù)，在工業(yè)生產(chǎn)過程中對產(chǎn)品圖像進行視覺檢測，從而幫助發(fā)現(xiàn)和消除缺陷。行業(yè)用戶可以通過大模型技術(shù)實現(xiàn)對產(chǎn)品質(zhì)量問題的實時預(yù)測和處理，提高產(chǎn)品質(zhì)量的檢測效率。

根據(jù)IDC 的數(shù)據(jù)，2022 年工業(yè)質(zhì)檢解決方案（不包含硬件）整體市場規(guī)模為 2.7 億美元，較 2021 年增長了 27.4%，從增長趨勢來看，2022 年受到疫情影響，增長趨勢有所放緩，但對比其他 AI 市場仍然屬于相對較高的水平。從行業(yè)角度來看，3C 依舊占據(jù)半壁江山，在總市場中占比達到 53.1%，汽車、輕工消費品緊隨其后，占比分別為 18.6%、13.4%。IDC 預(yù)計，2026 年中國工業(yè) AI 質(zhì)檢整體市場將達到 13.35 億美元。

自2022 年開始，頭部廠商更注重于選擇經(jīng)驗豐富、沉淀深厚的細分行業(yè)和場景進行深度挖掘，利用自身優(yōu)勢基于工業(yè)AI 視覺平臺打造完善的解決方案，同時有序地在原有細分行業(yè)復(fù)制，以實現(xiàn)穩(wěn)定的收入增長。不少新的市場參與者，包括檢測設(shè)備商和行業(yè)系統(tǒng)集成商（SI），也開始進入市場參與競爭，使得該市場競爭態(tài)勢日益激烈。

3C 和動力電池、汽車等行業(yè)仍然是工業(yè)質(zhì)檢應(yīng)用的重要領(lǐng)域。同時，AI 質(zhì)檢在裝備制造、有色金屬、包裝印刷、食品飲料等新行業(yè)和場景也呈現(xiàn)出強列需求，這些領(lǐng)域?qū)Ξa(chǎn)品質(zhì)量和安全的要求同樣嚴格，AI 質(zhì)檢的應(yīng)用為它們提供了重要的技術(shù)支持。

在技術(shù)層面，目前的大模型+ 工業(yè)質(zhì)檢已有了商業(yè)化落地案例。例如在3C 電子行業(yè)，技術(shù)廠商已經(jīng)利用大模型成功實現(xiàn)了電路板的高精度檢測，從而確保產(chǎn)品的可靠性。而在輕工消費的紡織行業(yè)中，大模型也已成功應(yīng)用于對面料瑕疵進行精準識別，提高了產(chǎn)品的質(zhì)量。隨著新玩家不斷涌入市場，未來工業(yè)質(zhì)檢行業(yè)的競爭將更加激烈，頭部廠商的競爭優(yōu)勢將更加明顯。

4 新技術(shù)帶來的AI賦能

的工業(yè)質(zhì)檢市場機會大模型和生成式AI 的興起對AI 賦能的工業(yè)質(zhì)檢市場產(chǎn)生了積極的影響。隨著技術(shù)的不斷進步和應(yīng)用范圍的不斷擴大，AI 質(zhì)檢將會有更多的創(chuàng)新和突破，為制造業(yè)的發(fā)展帶來更大的推動力。大模型和生成式AI對工業(yè)質(zhì)檢市場的驅(qū)動具體表現(xiàn)在如下幾個方面：大模型和生成式AI 加速工業(yè)質(zhì)檢AI 技術(shù)升級：大模型可以提供更多的知識和信息，加速AI 技術(shù)的升級和改進。生成式AI 技術(shù)可以通過學(xué)習(xí)大量數(shù)據(jù)，生成新的模型和算法。大模型和生成式AI 可以幫助行業(yè)用戶更好地理解工業(yè)質(zhì)檢中的復(fù)雜問題，提高檢測的準確性。

大模型和生成式AI使得工業(yè)質(zhì)檢產(chǎn)品適應(yīng)性更強、應(yīng)用領(lǐng)域更加廣泛：AI 技術(shù)可以應(yīng)用于工業(yè)質(zhì)檢的多個領(lǐng)域，包括缺陷檢測、尺寸檢測、材料檢測等。隨著大模型和生成式AI 的發(fā)展，AI 在工業(yè)質(zhì)檢領(lǐng)域的泛化能力將不斷提升，應(yīng)用將更加廣泛，以相對標(biāo)準化、成本更低的產(chǎn)品形態(tài)，服務(wù)更多的行業(yè)、企業(yè)，加速 AI 在各行各業(yè)的應(yīng)用。

盡管如此，大模型和生成式AI 在工業(yè)質(zhì)檢的應(yīng)用仍面臨一些挑戰(zhàn)：如數(shù)據(jù)缺乏，質(zhì)量不高，算力人力成本巨大，與各系統(tǒng)應(yīng)用的集成對接不良等。技術(shù)供應(yīng)商和行業(yè)用戶也依然需要通力合作，一方面通過不斷的測試與迭代，幫助大模型、生成式AI 更好地落地；另一方面，技術(shù)供應(yīng)商和行業(yè)用戶也不應(yīng)放棄針對特定場景開發(fā)特定的模型，持續(xù)提升具體場景的應(yīng)用效果。

（本文來源于EEPW 2023年11月期）