圖片來源 @視覺中國
文丨科技新知 作者丨樟稻 編輯丨伊頁
甯德時代，一個國内外新能源車企都繞不過的名字。近期公布了 2022 年度業績預告，首次實現單季度盈利破百億，更讓其飽受市場熱議。
财務數據上的成績，離不開甯德時代多年來的锂電池布局。公開信息顯示，公司目前已擁有 13 座锂電池生産基地。但随着生産規模持續擴張，一些問題也逐漸被暴露出來。
甯德時代首席制造官、工程制造體系總裁倪軍，曾披露了锂電制造面臨的挑戰：包括生産過程複雜、材料尺度跨度巨大、安全性要求以及質量一緻性要求高、性能不斷提升、成本壓力大等等。
拿最核心的生産過程來說。一般而言，锂電池的生産工藝分為前段工序（極片制造）、中段工序（電芯合成）、後段工序（化成封裝）。
在前段工序及中段卷繞中，由于支持高速在線生産，每道工序生産完後，人眼無法檢測，因此必須使用自動化設備智能質檢；而在中段、後段工序及包裝段工序，行業早期采用人工肉眼檢測，如今則面臨人員招聘和培訓流程長、人工檢測不穩定性等問題。
為了滿足锂離子電池對于安全性能的高要求，甯德時代将工業 AI 質檢技術，引入到動力電池若幹工序中的安全判斷環節，通過運用 AI 分析綜合判定産品的質檢結果，提高生産效率。
這不是孤例。随着數字化時代的到來，傳統人工檢測方式已經越來越難以适應企業數字化的發展訴求，更加精确穩定的工業 AI 質檢解決方案，正在加速融入制造業産品的生産流程中。
根據國際數據公司 IDC 于發布的《中國 AI 賦能的工業質檢解決方案市場分析，2022》報告顯示：工業 AI 質檢已經從前幾年的試點應用，走向規模化複制推廣。其中通信和電子制造、汽車及零部件、消費品和原材料 4 個行業，是目前工業 AI 質檢的主要應用行業，合計占據了 91.5% 的市場空間。
而随着該場景吸引了各類廠商進入，本就不大的市場也變得擁擠起來。
産業的雙向奔赴
工業制造業是一個國家綜合實力的典型代表。我國是全球制造業第一大國，擁有 41 個工業大類、207 個工業中類、666 個工業小類，是全球唯一擁有聯合國産業分類中所列全部工業門類的國家。
但同時，國内制造業向高端化、智能化和綠色化轉型仍然任重道遠。特别是考慮到生産過程中，零部件産品種類衆多、數量龐大、更新叠代快，對外觀檢測準确性、靈活性、成本管控等有較高要求，工業質檢成為必不可少的環節。
傳統的工業質檢，主要是以人工質檢為主。即主要依靠人力，需要質檢員具備敏銳的視力以及豐富的經驗，才能檢測出缺陷的類型。
這種模式存在十分明顯的弊端。目前制造企業普遍存在招工難、留人難的問題。而質檢是一項辛苦又需要技術基礎的工作，質檢員工缺口很大。此外，檢測速度也存在局限性，并且存在肉眼損傷、疲勞等影響而出現人為判斷誤差的隐患。
" 人工質檢是用人最多的地方，且面臨明顯問題。一方面，工作時間長且枯燥，人工拿着産品 360 度旋轉找缺陷，每件檢查時間長達 1 分鐘，工作人員容易疲勞。另一方面，訂單變動時無法準确适配人員，人力成本不斷拉高，質檢高峰期用人數量超過 1500 人。" 上海富馳高科自動化總監鄧聲志曾公開表示。
在此基礎上，基于傳統機器視覺算法的質檢方式被廣泛應用。通過機器視覺，通常能處理容易提取、容易量化的特征，如顔色、面積、圓度、矩形度，角度、長度等。其原理為基于目标特征在圖像中存在與否、多個目标特征之間的距離的數值進行邏輯判斷來完成視覺任務。
這種方法雖替代了人力，能夠滿足有比較明确特征的檢測或測量需求，在處理一緻且制造精良的部件時能夠可靠運行。但随着缺陷庫的增大，算法也會變得越來越有挑戰性。
不僅如此，在生産換線、工藝升級過程中，無法叠代學習；新缺陷、新特征需要新設計，經常需要人工去調整各項參數，算法開發調試效率低、周期長，有着明顯的瓶頸。
在此背景下，基于 AI 算法的視覺缺陷檢測，既實現了對随機缺陷的識别和檢測，又拓展了傳統機器視覺的應用範圍，受到業内的廣泛關注。
當前，市場在 AI 賦能的工業質檢軟件和解決方案産品形态主要提供的是軟件 / 平台、檢測裝備、面向具體業務場景的定制檢測系統等。從某種程度上看，這也是 AI 質檢服務商和行業廠商的雙向選擇。
從行業廠商這一側來看，IDC 中國人工智能高級分析師程蔭認為，在 AI 賦能的工業質檢場景落地過程中，因為工廠的業務、技術負責人可以根據缺陷識别的準确率、誤檢率，降低企業内部人力成本的數量、訓練并識别缺陷的時效性來衡量這一場景的業務結果，所以 AI 工業質檢場景因 ROI 清晰已在工業企業大量嘗試，成為工業智能領域較為成熟的應用。
而對 AI 質檢服務商，一個能落地和規模化的場景的重要性無需贅述。
國金證券研報曾指出，AI 企業在資本市場遇冷，主要與市場前期預期過高及行業發展遭遇瓶頸有關。深度算法遲遲未見突破，實戰落地場景分散，産品标準化程度低，人力成本高，道德倫理方面亦有挑戰等原因，使得 AI 算法公司的商業模式和變現能力受到挑戰。
因緣際會之下，雙方在推動 AI 質檢場景落地上愈發達成共識。
雲廠商獨占鳌頭
目前，已經有各類廠商憑借自身基礎優勢進入 AI 質檢市場。尤其是軟件和解決方案領域，雲廠商、AI 創企、傳統機器視覺企業、工業互聯網平台企業等，都紛紛在 AI 視覺質檢領域積極布局。
IDC 的報告顯示：AI 質檢市場份額上，2021 年前五大主要廠商的市場份額達到了 44.3%，主要集中在百度智能雲、創新奇智、騰訊雲、華為、阿丘科技等廠商，其中百度智能雲更是連續三年排名第一，持續領跑中國 AI 工業質檢市場。
可以看到，雲廠商是 AI 工業質檢軟件和解決方案市場當中的主力。某種程度上，雲廠商已經在工業質檢平台、算法研發以及數據積累上具備一定的優勢，積累了 AI 工業視覺落地的 know-how。
而之所以能獨占鳌頭，與它們的入局節點和戰略部署有關。
拿百度來說。早在 2017 年百度雲智峰會現場，北京首鋼自動化信息技術有限公司的 10000 張鋼材照片，通過百度智能雲發布的 ABC 一體機檢測鋼材瑕疵，整體缺陷識别分類準确率達到 99% 以上，與人工專業檢測結果十分接近，這是百度在 AI 質檢領域的最早嘗試。
眼下，百度的工業 AI 質檢解決方案深耕汽車整車及零部件和以化纖、鋼鐵為代表的原材料等 15 個規模化行業，已覆蓋一百多個場景，服務了首鋼、寶武、恒逸、一汽等企業。
和百度一樣對 AI 質檢格外上心的雲廠商，同樣包括騰訊雲。現階段，在工業 AI 質檢場景上，騰訊雲已經與甯德時代、上海富馳高科等标杆客戶達成合作，并可以實現規模化複制。
2022 年末，工信部國家工業信息安全發展研究中心圍繞智能研發、邊緣計算、智能生産、智能運營、數智供應鍊、數字新基建等重點方向，面向社會征集價值效益明顯、可示範推廣的優秀案例與示範項目。作為騰訊雲的智能産品之一，其工業 AI 質檢案例成功脫穎而出，成為唯一入選項目名單的互聯網科技企業案例。
對于百度和騰訊而言，AI 質檢解決方案的關鍵之處，在于對集團雲業務的賦能。
近幾年，雲計算行業的增長動力正在從互聯網客戶向傳統企業切換。經過數年的高速發展，國内互聯網用戶滲透率已經超過 70%，這意味着在沒有技術創新的刺激下，用戶流量将逐步趨于平穩。與之相反，傳統企業客戶逐步成為上雲主力。從北美市場的經驗看到，随着數字化轉型的持續推進，傳統企業亦存在較為廣闊的上雲空間。
因此，可以看到互聯網雲廠商們紛紛在政務、工業、能源等領域持續拓展。據《經濟觀察網》報道，在非互聯網行業騰訊雲業務目前着重尋找能源行業、制造行業的機會，能源行業相對标準化一些，而制造行業比較複雜，但勝在業務場景多，在個别生産環節有望實現标準化且找到較大應用場景，例如 AI 質檢。
這也更符合騰訊副總裁湯道生所強調的數字化的度量、優化，即騰訊産業互聯網激活産業的核心概念——數字化才可以度量，有了可度量的數據才能進行優化。
當然，即便有着 know-how，雲廠商在推廣産品上也需要花費不小的力氣。根據騰訊雲離職員工透露，" 騰訊對制造與能源行業重點推廣的是人工質檢等産品，産品推廣難度較大，售賣工廠執行軟件較不現實，工業企業對雲的需求較小，目前騰訊并未找到較好的突破點。"
寫在最後
根據 IDC 數據顯示，中長期來看，随着 AI 質檢市場逐步分化和應用成熟度的提高，潛在的競争将導緻廠商格局發生變化，一些廠商會擴大優勢，新的廠商也将逐步加入。
例如急于在安防之外找到新應用場景的商湯科技。2022 年 11 月 25 日，第二屆商湯科技數字能源智能制造生态合作夥伴大會上，商湯科技發布了一系列 "AI 智能質檢 " 軟硬件整體解決方案。
可想而知，在大量廠商湧入的情況下，工業 AI 質檢總體競争愈加激烈。據悉，在電子制造及新能源汽車動力電池等領域，AI 質檢廠商們已經展開激烈的價格戰。
另一方面，工業 AI 質檢在行業應用滲透率還處在較低水平，長期看仍有顯著發展空間。IDC 預計，2025 年中國工業 AI 質檢整體市場将達到 9.58 億美元（約合人民币 62 億元），2021-2025 年 CAGR 為 28.5%。
與此同時，如果考慮到現階段中國工廠生産線上有超過 200 萬産線質量及效率相關人員，年人力成本消耗 1400 億元；也就是說，工業 AI 質檢市場有着高達千億元的市場空間，能否更好應對碎片化場景的挑戰，成為廠商們不能忽視的新機遇。
參考資料：
中國工業互聯網研究院《工業 AI 質檢标準化研究報告（2022 年）》
IDC《中國 AI 賦能的工業質檢解決方案市場分析，2022》
