來源：創業邦
作者丨啱啱
編輯丨劉恒濤
圖源丨深視創新
隨著工業互聯網、智能制造不斷向各個流程環節滲透，工業AI視覺檢測市場規模不斷上升。根據貝哲斯咨詢的一份數據，2024年全球機器視覺和視覺引導機器人市場規模達到了188.8億美元，2024-2029年預測期內，將以7.2%的復合年增長率增長。
在深度學習瑕疵視覺檢測平台深視創新CEO許琦看來，僅僅一個制藥市場，就是一塊巨大的蛋糕。
「中國有超過萬家制藥生產企業，全球幾十萬家，這些企業的AI檢測剛剛起步，國內的普及率稍高，但也不足20%，所以規模是非常大的。」許琦說。
起步於2017年的深視創新，開發了國內最早商業化的深度學習瑕疵視覺檢測平台，目前已經發展成為國內套用最為廣泛的此類平台之一。
一、軟硬結合，提供AI檢測解決方案
2017年，視覺系統巨頭康耐視收購瑞士公司ViDi Systems，這是當年深度學習在工業視覺領域的一大標誌事件。
與此同時，在中國深圳，許琦與何誌海創辦的深視創新，推出了國內首個深度工業視覺辨識系統Galileo X。這套以科學家伽利略命名的系統，能在工業套用做到缺陷辨識、物體分類、物體定位和工業字元缺陷檢測與辨識，一站式解決工業視覺辨識場景需求，降低演算法後期的維護難度，並能幫使用者在器材升級時降低50%以上的成本。
以Galileo X為起點，深視創新推出Galileo系列AI視覺軟件方案，包含工業視覺辨識雲平台Galileo S、線上檢測與大數據系統Galileo T和缺陷樣本管理系統Galileo D。
發展到2025年，深視創新的業務共分為三大塊。
第一塊，是公司研發的AI檢測軟件，透過訓練模型，這款軟件可以提供質檢、定位，以及其他數據分析服務，產品主要面向器材整合商或終端企業。許琦表示，軟件業務中，有90%的客戶來自器材整合商。客戶包括包括主要集中在珠三角與長三角的各類視覺頭部企業與器材整合商。
第二塊業務，是在軟件基礎上延伸出來的工業AI視覺套件解決方案。解決方案涵蓋軟件與演算法系統、AI算力系統、光學成像系統、結構電氣系統、圖形工控系統，並提供AI標準辨識模組，主要針對整線的生產器材或者檢測器材。因為適應力廣，該業務成為深視創新增長最快的板塊。
第三塊業務，是終端整體解決方案，2021年，深視創新開始面向一些上規模特定行業的企業，推出包括器材質檢以及從檢測到分選的完整終端解決方案。
「針對世界500強企業，比如像飛利浦、阿斯利康這樣的企業，我們會有客製化的方案，提供產線視覺解決方案與完全替代人的質檢甚至生產全套器材」許琦說。
許琦透露，深視創新後疫情時代年營收在逐年大幅提升。公司近期的規劃是希望在2-3個細分行業裏成為行業第一。
二、提升工業效率，節約生產成本
確立AI檢測業務方向，深視創新中間還走過一段「彎路」。
2016年6月，還在某互聯網公司擔任COO的許琦，與回國辦事的好友何誌海見面，何誌海當年擁有美國密蘇裏大學終生正教授、博導、電氣電子工程師學會會士等身份，還有一顆不安分的心，他是一位連續創業者，一直在尋找新的機會。
兩人經過長談，最終決定創辦深視創新。公司由中美兩地團隊組成，美國團隊主要是何誌海教授的博士團隊，負責研究深度學習底層技術，國內團隊以深圳為總部，主要以套用端研發、專案和行銷為主，更側重終端產品本身與面向客戶的服務。
當時的深視創新，主營業務為面向商用車做自動駕駛演算法系統。經過一年的時間，盡管已經拿到多家國內頭部商用車企的小批次訂單，但團隊判斷認為，基於那個年代和時期的剛需，商用車自動輔助駕駛系統離量產還為時過早，於是決定轉型。
在朋友的介紹下，許琦接觸到一家工業視覺檢測自動化器材整合商，達成了合作，並在3個月後完成了交付，許琦和團隊發現，在這個全新的領域，公司的技術能發揮極大優勢。2017年10月，團隊投票確定，公司主營轉向工業視覺辨識。2021年，深視創新的兩位在美國的合夥人回國，美國團隊取消。
「現在整個工業行業，在生產環節差不多都實作了自動化，需要工人比較多的是在品控和質檢環節，這幾個環節，百分之八九十需要人工完成。」許琦說，人工作業強度大，質檢工人崗位上流動量大，平均工齡不超過一年。
更關鍵的問題是，人工檢測有很大的局限性。在工廠，一個產品的每一個環節都要經過檢測，如果有焊接不牢或者元器件損壞、被汙染的情況，如果沒有檢測到，就會降低生產效率，造成成本的浪費。
「比如電子行業的顆粒元器件，比芝麻還小，比頭發絲還細，整個一條生產線一分鐘需要質檢上萬個，人工質檢完全不可能。」許琦說。很多企業只能不斷改進生產工藝，提高生產良率，或者透過抽檢了解工藝，進一步改進生產工藝。
從90年代末開始，在手機制造和3C數碼行業，就有康耐視、基恩士等企業做工業視覺檢測，引領行業發展。「現在因為整個AI檢測的成本在下降，在各個細分行業，比如汽車制造，甚至農業，很多行業都已經可以接受。」許琦說。
在許琦看來，深視創新帶來的價值，第一，就是提升企業生產效率，確保生產工藝穩定；第二，是確保生產良率穩定，企業最終產品的良率達到百分之百。除此之外，深視科技還透過對瑕疵的分析，幫助生產企業提高工藝，進一步提高產品良率。
「比如像玻璃制造行業，或者做磁鐵、煉鋼的行業，瑕疵可能幾十種、一百多種，廠家必須要知道有哪些瑕疵，再反推生產器材出了什麽問題。我們的大數據輔助決策，可以往前推演，了解前端工藝出了什麽問題，輔助廠家去改善工藝。」許琦說。
三、用大模型提升適應力
做AI檢測，選準行業也很重要。
「AI檢測產業跟細分行業強相關，如果一個行業正在上升期，我們跟著它走，體量很容易就上來。」許琦說，前幾年，新能源行業比較熱的時候，深視創新曾經做過布局，但後來發現，行業經常出現波動。因此，後在選擇行業上，深視創新只選擇那些穩定且被證明的成熟行業。
在客戶選擇上，除了國內業務之外，深視創新也在發展世界500強的客戶。500強的客戶管理比較規範，體量也比較大，對深視創新還有更加重要的意義。
「除了業務穩定、付款比較好之外，這些燈塔工廠都有自己的標準，我們貼著他們的標準去做，對提升我們器材、演算法的標準程度都很有幫助。」許琦說。
隨著大模型的興起，從2023年開始，深視創新也在研發大模型。但許琦表示，深視創新之前做的都是小模型，和大模型沒什麽關系。
「工業視覺領域實作不了真正的大模型。第一，客戶不會給你太長的實施時間；第二，它的樣本很少，比如要做某手機代工廠的專案，對方可能最多給五個、十個樣本，甚至沒有樣本。因為它的良率很高，不可能采集到那麽多樣本。」許琦說，所以，這導致它的適應力比較差。
「比如磁鐵、煉鋼的行業，作業背景很復雜，有很多幹擾，沒有大模型的輔助，很容易過殺或者誤判。本來它的良率有80%，不用大模型的話，良率變成了50%，有30%都被誤殺了。」許琦說，另外，很多產線要生產多款產品，極端情況下，一個產線一天能換20款。有了細分行業的大模型，只要匯入非常少的樣本，幾分鐘之內AI檢測就切換過來了。
為了解決這個問題，深視創新需要訓練一個相對來說比較大的、適應力廣的基礎模型，在這個基礎上做小模型，拓寬檢測的適應力。
深視創新的遠期目標，是成為國內工業視覺AI領域的技術引領者。許琦認為，起步早，是深視創新的一大優勢，這使得公司更了解工業制造領域對AI視覺檢測定位的需求，在行業摸爬滾打六七年時間，深視創新確保了技術的先進性，更加貼地氣。
許琦說，工業領域和To C行業的思維完全不一樣，能把很多生產器材、現場、人的因素考慮在內，才是最大的競爭力。
「最好的技術，頂不過一個有經驗的工程師。程式碼寫出來，或者AI最終訓練出來，能不能適應現場的要求，這才是最重要的。我們有一千多個場景套用，這是我們積累的優勢，我們還有在底層做研發的優秀技術人才，我對我們的技術能力很有信心。」許琦說。
