搞定工业质检：AI视觉如何重构高端制造质量防线| 2026AI Partner·北京亦庄AI+产业大会

背景与问题

高端制造检测的难点，不是单纯“看见缺陷”，而是在极高精度、极高速度、复杂工况下稳定完成检测与测量。文中涉及的场景非常典型：

• 半导体光罩缺陷检测，要求达到纳米级、亚微米级能力
• 玻璃基板TGV检测，需要在短时间内处理几万到几十万个微孔
• 汽车压铸件检测则面临大尺寸、复杂曲面、深腔凹槽等难题

这些问题共同指向一个现实：工业检测不是消费级AI视觉的简单迁移，而是装备、光学、算法、控制系统共同作用的系统工程。

核心内容

公司最鲜明的路线是拒绝纸上算法，强调软硬结合。这意味着它并不把AI当作独立卖点，而是把AI嵌入完整装备体系中。

一是高速显微AOI平台，面向半导体和光通信：

• 最小检出缺陷达到0.18μm
• 测量精度达到亚纳米级
• 集成线光谱共聚焦、白光干涉、深紫外光源、原子力显微等模块
• 同时覆盖2D、2.5D、3D检测测量需求

这里体现出的关键，不是单一参数领先，而是其在微观检测上形成了复合成像能力。这对不同材质、不同表面形态、不同缺陷类型的适配尤其重要。

二是AI通用训练平台，面向新能源汽车压铸件检测：

• 采用小样本、无监督训练模式
• 最少仅需5张图即可训练模型
• 15分钟完成新规格适配
• 单点检测仅需120毫秒
• 检测耗时较行业缩短74.4%
• 缺陷识别达到0.1毫米级

这一部分反映出公司对工业现场需求的理解更接近“产线工程学”而非“算法竞赛”。客户真正需要的是换型快、部署快、节拍匹配、可追溯，而不只是模型精度数字。

技术与模式特点

文章中可提炼出三层能力：

• 底层能力：光学实验室、显微测试平台、边缘服务器研发、柔性机构研发、无尘车间
• 中层能力：光路设计、精密运控、反馈补偿算法、AI增强算法
• 上层能力：整机交付、批量复制、产线部署、客户适配

这说明其竞争壁垒更像是装备型公司壁垒，而非单点软件壁垒。尤其在工业领域，真正难的是把实验室指标变成连续稳定的产线能力。

意义与影响

这家公司代表了一种更务实的国产高端装备发展路径：

• 通过校企合作孵化，把高校研究能力转化为产业装备
• 通过国产替代首台套切入关键环节，如FPD光罩缺陷检测
• 通过面向头部客户交付验证设备可复制、可量产的能力

更重要的是，它揭示了中国高端检测装备突破“卡脖子”的关键，不只是做出某个算法，而是建立从算法研发到装备集成再到交付制造的完整链条。真正的国产化，不是零部件拼装，而是形成能够在核心工业场景中持续迭代的系统能力。