視覺再造：工業 AI 視覺檢測的演進與趨勢

分享：

視覺再造：工業 AI 視覺檢測的演進與趨勢

(圖片來源：Unsplash)

近十年來，人工智慧（AI）在製造業領域逐漸嶄露頭角，引起廣泛關注，從研討會議題到產品設計，甚至到廠端管理，以驚人的速度正在改變製造業的面貌。

然而，這種變革並非偶然，它源於幾個重要的推動因素，這些因素使得AI視覺檢測在競爭中變得更加激烈。首先，全球疫情導致的人力短缺迫使企業尋求更有效的解決方案，AI技術的引入成為填補勞動力缺口的重要策略之一。

其次，圖形處理器（GPU）的普及化大大提升了AI算法的執行效率，且消費性GPU的快速發展使AI導入的成本更加可控。最後，企業對於數位轉型的意識逐漸加強，企業主深刻認識到AI不僅僅是一種技術，更是引領業務模式改變和優化的關鍵引擎。

對於工業 AI 視覺檢測演進的觀察，也讓我們在2022 年末重新梳理 AINavi 的產品架構與規劃，
為更好地貼近使用者需求，偲倢的研發團隊展開浩大的 AINavi 2.0 計畫。

在 AINavi 2.0 ，我們在意的遠不止 AI 導入，更是期盼能為客戶解決長期在生產和製程所遇到的難題和挑戰，
希望以更具彈性的軟體架構，陪伴產線歷經 AI 模型的迭代。

(圖片來源：Unsplash)

工業 AI 視覺檢測的演進

圖3_製造業者導入 AI 瑕疵檢測階段。資料來源：Spingence 整理製表

I. AI 視覺元年（2018-2022）

自 2016 年起，受惠於 NVIDIA 在整體技術的研究，每年的GPU算力都有倍數的提升，這使得AI 的商業化逐漸變得觸手可及，而AI 視覺檢測所帶來的效益逐漸讓長期受檢測瓶頸所苦的廠家願意擁抱新技術。

在這個階段，由於初接觸 AI ，使用者對於軟體期待導入便利、上手容易，能夠快速的解決現有檢測方案的瓶頸；然而在軟體產品功能多以研發導向，應用較為單一，尚未與應用場端進行交流，尚需要一段產品反饋的時間。

圖4_第一階段：AI 視覺元年。資料來源：Spingence 整理製表

II. AI 百家爭鳴（2022-2024）

在經過幾年的探索和試驗後， AI視覺進入「百家爭鳴」的階段，許多視覺及設備廠家投入方案的戰局。在這個時期，軟體標準化和模組化的趨勢變得顯著，使得不同廠商的解決方案都趨向更易於使用者進行整合與應用。

也由於製造產業對於 AI 瑕疵檢測的認知與投入意願提升，各個應用領域開始細分並專業化，從而更加符合特定行業的需求，在這個階段，企業開始關注解決方案的成本效益、自主維護性和未來的可擴展性，以確保長期投資的價值。

偲倢所推出的 AINavi 便是基於此需求進行開發與維護，透過簡潔地引導式介面，協助使用者降低導入 AI 模型的門檻，並將 AI 瑕疵檢測方案導入被動元件、連接器及半導體產業當中，進而提升檢測的品質降低產能的浪費。

圖5_第二階段：AI 百家爭鳴。資料來源：Spingence 整理製表

III. 使用者專家化時代（2024～）

基於對市場的觀察以及使用者反饋搜集，我們預估2024 年後 AI 瑕疵檢測市場將會正式進入市場的白熱化，各家追求極致的服務垂直化，並有機會在過去的導入經驗中主導各自的應用領域市場。

使用者基於過去數年的導入經驗，將會更加期待軟體支援全面的客製化，並在解決方案中融合產業專業知識，為其所用；不論在軟體的介面、流程和功能性，藉由過去供需雙方的磨合與合作，也都將趨向精緻化、完整化且專業化。

圖6_第三階段：使用者專家化時代。資料來源：Spingence 整理製表

使用者專家化時代，這些需求 AINavi 2.0 聽到了！

對於工業 AI 視覺檢測演進的觀察，也讓我們在2022 年末重新梳理 AINavi 的產品架構與規劃，為更好地貼近使用者需求，偲倢的研發團隊展開浩大的 AINavi 2.0 計畫。

在 AINavi 2.0 ，我們在意的遠不止 AI 導入，更是期盼能為客戶解決長期在生產和製程所遇到的難題和挑戰，希望以更具彈性的軟體架構，陪伴產線歷經 AI 模型的迭代。