中國AI賦能的工業質檢解決方案市場分析

“十四五”規劃綱要將新一代人工智能（AI）作為議題重點提及，彰顯了人工智能在中國帶動數字經濟產業轉型升級的重要戰略地位。中國是世界上最大的制造大國，制造業與人工智能的結合是中國從制造大國走向制造強國的重要一步，是中國直面國內國際挑戰的重要超車機遇。同時，近幾年中國圍繞工業互聯網，大力推進工業企業轉型升級，在政府和產業界的共同推動下，市場高速發展，企業應用不斷加速。

1   工業智能是工業數字化轉型的新引擎

在工業互聯網、新基建、數字經濟等政策發布的背景下，以工業為代表的傳統行業企業進行產業智能升級的原生驅動力促進了AI 的廣泛應用，工業智能已經全面滲透到泛工業各個細分領域，近年來，人工智能在制造領域取得了“枝繁葉茂”的成果，從一塊芯片到一部無人車，從一個機器人到一條生產線，“人機物”正加快融合，助力智能制造的發展。

IDC中國高級分析師 程蔭

目前通過引入計算機視覺、語音語義、機器學習等技術，人工智能已經滲透到3C、汽車、電力、裝備制造、材料、鋼鐵、水務等工業細分領域（圖1），并形成了初步的泛工業AI 應用全景，頭部的工業企業已經落地了一批具有代表性的AI 應用場景。

例如，在產線運行方面，AI 賦能的設備預測性維護傳輸并分析實時運行數據，提前預知設備的異常狀態，從而最小化設備停機時間，降低維護成本，減少安全隱患。在質量檢測方面，AI 賦能的質檢能夠利用較小的樣本在數分鐘內完成深度學習模型訓練，以毫秒為單位識別缺陷，支持高速應用并提高吞吐量，解決傳統方法無法解決的復雜缺陷檢測、定位等問題，檢測效率提升顯著。在倉儲物流方面，AI 賦能的需求預測能夠更精確地捕捉供需關系變化，實現自動補貨，提高供應鏈整體效率。在客戶服務方面，AI 賦能的智能客服能夠將業務服務由線下轉移到線上，未來實現無人化業務辦理，減少線下人力投入，降低營業成本，提升服務效率。

2   AI賦能的工業質檢定義

質檢在工業生產中處于非常重要的一環，然而，傳統質檢大量依賴人工，工資低，工作枯燥，越來越難以吸引工人，且人工存在個體差異，不利于保證質量一致性。傳統機器視覺基于規則或者簡單的算法，能夠滿足有比較明確特征的檢測或測量需求，在處理一致且制造精良的部件時能夠可靠運行，但隨著缺陷庫的增大，算法也會變得越來越有挑戰性。某些傳統的機器視覺檢測，因為有許多不易被機器識別的變量，編程比較困難，例如照明、顏色變化、曲面或視野。因此，深度學習技術在產品外觀缺陷視覺檢測中發揮了極大的效用，借助深度學習工具，可以在生產線上更加一致、更加可靠且更加快速地完成這些任務。可以說，基于AI 算法的視覺缺陷檢測實現了對隨機缺陷的識別和檢測，拓展了傳統機器視覺的應用范圍。AI算法的視覺缺陷檢測不僅能提高簡單場景中的檢測率，更能在復雜業務場景，例如布匹、薄膜、金屬、化纖、食品等表面缺陷中發揮很好的作用。

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別的準確率、誤檢率，降低企業內部人力成本的數量、訓練并識別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（如圖2）。

圖2 AI賦能的工業質檢場景

3   中國AI賦能的工業質檢市場進展

IDC 中國聚焦的AI 賦能的工業質檢市場主要是軟件和解決方案市場，在這一領域，各類新技術供應商憑借自身基礎優勢進入該市場，如云廠商、AI 創企、傳統機器視覺企業、工業互聯網平臺企業等都在AI 視覺質檢領域積極布局。資本市場也高度看好該領域，近2年已經有超過30 家相關創新企業獲得融資（如圖3）。

根據IDC 的統計數據，經過幾年的發展，AI 賦能的工業質檢軟件和解決方案市場也已經走向成長期，盡管在過去18 個月內因為疫情等原因，工業質檢市場交付呈現滯后現象，但2020 年全年中國工業質檢軟件和服務市場仍平穩增長，市場規模將達到1.42 億美元（1 美元約為6.5 元人民幣），較2019 年有近32% 的增長。由于越來越多的新技術供應商進入到工業質檢領域，IDC 預計未來五年工業質檢軟件和服務市場還會保持30% 以上的CAGR 增速（圖4）。

圖4 中國AI工業質檢市場軟件及服務市場

AI 賦能的工業質檢應用最為擁擠的領域行業當屬3C、半導體等行業。盡管在3C、半導體、鋼鐵、汽車、食品、化纖、服裝、電力等眾多行業都有場景實現商業落地，3C 和半導體行業的屏幕、機殼表面檢測、PCB的AOI 檢測以及新能源硅片表面檢測等行業場景依然吸引了最多的技術供應商參與。前市場在AI 賦能的工業質檢軟件和解決方案產品形態主要提供的是軟件/ 平臺、檢測裝備、面向具體業務場景的定制檢測系統等。技術供應商提供的軟件/ 平臺以AI 訓練平臺、AI 檢測軟件為代表，檢測裝備主要是指封裝AI 檢測算法、軟硬一體的檢測裝備，定制檢測系統主要是指如軋鋼表面檢測、車漆檢測等面向具體業務場景的定制化檢測系統。

4   中國AI賦能的工業質檢技術供應商市場路徑選擇

云廠商、AI 創企是AI 工業質檢軟件和解決方案市場當中的主力，當前，中國云廠商在工業質檢平臺、算法研發以及數據積累上具備一定的優勢，AI 創企將計算機視覺技術深入工業應用場景，迅速滲入市場，已經在AI 工業質檢領域積累了多細分領域案例，這些技術供應商專注于工業質檢，作為工業AI 視覺版圖的切入點，積累了AI 工業視覺落地的know-how（訣竅）。在行業選擇方面，AI 創企和其他各類市場參與者則大多聚集在成熟度高、空間大但競爭也較激烈的行業，如3C、半導體、新能源、汽車市場。例如，某些技術供應商都有針對手機外觀的刮、擦、臟污等缺陷進行檢測的場景，也有一些技術供應商可進行手機內部接線端子、芯片、螺釘、電池等原件的裝配質量檢測，還可檢測元件高度等尺寸信息，對不良品實現自動化檢測與分揀，提升了產線生產效率及良品率。以百度智能云、華為云、阿里云、騰訊云等為代表的云廠商在工業領域涉足范圍廣，除了3C、汽車、半導體等領域，還側重探索技術要求高和相對新興的行業場景，如鋼鐵、橡膠、紡織、食品、化纖等。例如，百度智能云為中國某化纖企業探索了化纖絲盤質檢應用，以前依靠人工打著手電筒，在強光下用眼睛盯著絲盤進行質量檢測，檢測效率低且不利于工人身體健康，為了解決化纖企業的痛點，百度智能云打造了AI 全檢測樣機，檢測能力較人工提升50% 左右。在產品和業務形態選擇上，中國云廠商在軟件/ 平臺、檢測裝備、面向具體業務場景的定制檢測系統等均有布局，AI 創企則傾向從面向標準化AI 平臺產品、檢測裝備和整體解決方案中選擇性布局，實現商業化。例如，康耐視、阿丘科技等側重布局標準化AI 平臺產品，培育產業生態，但當前市場早期階段仍需要以具體項目形式交付具體業務應用。大多數AI 創企如創新奇智、思謀科技、圖麟科技、高視科技等則更多布局檢測裝備和面向具體業務場景的整體解決方案。

5   AI賦能的工業質檢市場將走向何方？

雖然AI 賦能的工業質檢應用正在逐步滲透到多行業領域，其在落地過程中也存在一定的挑戰，例如，AI質檢效果不如預期、數據積累速度遠低于產品交付，AI訓練數據的小樣本問題突出、算法工程師缺少工業機理的理解等。工業質檢領域技術供應商可以結合自身業務特點，優先在有數據積累的場景進行差異化競爭。在工業領域加強小樣本等算法的研發，持續進行算法優化迭代。另外，技術供應商也要加強對工業業務場景的理解與沉淀，包括產品生產流程、加工工藝等，才能找準企業的痛點并提升應用效果。在合作生態上，硬件廠商、解決方案商、集成商、服務提供商都是生態合作中不可或缺的環節，工業質檢領域的技術供應商還會進一步和合作伙伴加強合作，豐富產業生態。未來，AI 工業質檢市場會進一步成熟，進一步帶領泛工業領域的自動化、智能化轉型。IDC 將持續關注人工智能、大數據分析在各行各業的落地進展以及前沿技術趨勢與市場格局。相關研究有中國AI 賦能的工業質檢解決方案市場分析、中國人工智能軟件及應用市場半年度研究報告、中國AI 云服務市場半年度研究報告、中國大數據市場半年度研究報告、IDC MarketScape：中國RPA 軟件平臺市場廠商評估，2021 和CIO 視角：企業數據智能實施部署指南。

（本文來源于《電子產品世界》雜志2021年9月期）