“ADC（圖像自動缺陷檢測與分類）在我們工廠跑不起來，某全球最大的資訊技術和業務解決方案公司的駐場團隊太慢了，你們來試試。”
2018年，成都數之聯科技股份有限公司（下稱“數之聯”）接到了廈門某電子集團的電話，讓他們迅速準備一套ADC工業質檢項目方案，進行工業瑕疵檢測，解決工業質檢問題。這是數之聯與國際頭部公司的首次正面碰撞，結果以數之聯成功執行落幕。
成都數之聯科技股份有限公司logo
後來居上：從資料發端工業AI質檢
工業AI質檢是關乎生産良率的“命門”，但這道命門長期掌握在外國廠商手中。
據數之聯創始人兼董事長傅彥介紹，在圖像缺陷檢測軟體市場，國外廠商的市場占有率達到了60%以上；在大資料分析軟體方面，四家國際龍頭企業更是占據了80%的市場。巨頭大多成立時間久、研發投入高，壟斷建立在搶占早期地位上，傳統視覺檢測V軟體背後的公司已經成立40年, 另一巨頭德國M公司也成立了25年。
海外企業服務的價格高、服務慢，讓很多中國企業用起來極為痛苦。其次是傳統視覺檢測已經不足以應對行業日新月異的檢測要求。但國外企業長久研發積累的軟硬體技術優勢仍然明顯，國内機器視覺市場由國際巨頭占據大量市場佔有率。随着國産品牌逐漸在自動化領域深耕，2019年國産品牌銷售占比已到達 48.7%，未來有望憑借更低的價格、更優質的服務、更快速的市場響應進一步提升國産化率，為數之聯殺入市場提供了機會。
尋求工業檢測行業的國産替代品，亦成為各大企業的當務之急。
“第一次接觸工業檢測是一家企業打電話問我們，分析資料這麼厲害，能不能幫他們分析一下缺陷資料。”智慧工業事業部總經理方育柯回憶道：“我們一邊駐點一邊完成系統搭建，後來他們還挺滿意，我們就接着做了三期服務。”
2018年，數之聯打敗了某全球最大的資訊技術和業務解決方案公司等競争對手，為京東方和天馬提供面闆檢測服務。“京東方的面闆檢測涉及了PCB闆、IC線路檢測等内容，加之新能源、移動網際網路的發展，我們都意識到泛半導體檢測的興起将是未來之勢。”方育柯回憶說。
數之聯ADC的服務行業
随後，數之聯開始發力圖像處理分析，其軟體産品ADC(圖像自動缺陷檢測與分類系統)推向市場。各家研發同時在這個增長行業裡起跑，削弱了時間帶來的經驗主義，讓數之聯的優勢得以凸顯。目前，數之聯服務過面闆制造、PCB、封測、PCBA、新能源、汽車制造等行業，在細分領域已是國内最大的ADC産品與解決方案提供商，市場對他們的高認可度反映在月均10%的訂單增長率上。
由軟體向硬體：建構機器視覺的骨骼
盡管國産圖像分析異軍突起，但不可否認的是，海外企業仍然處于強勢地位。國外高端制造業及自動化程序均早于大陸，其中軟體和硬體的雙向發展缺一不可。以工業檢測的機器視覺為例，軟體算法是其血肉，決定了與具體場景的适配，而自動化硬體裝置則是其骨骼，包含了對具體行業的了解。
在數之聯的硬體總監宋安興看來，視覺檢測裝置搭載AI算法疊代更新的機會已經到來。加入數之聯之前，他擁有多年的半導體裝置開發經驗，加入後，他更是深刻認識到了AI+ADC的工業優勢。“過去的視覺檢測以傳統算法為主，卷積神經網絡為輔；而随着深度學習架構的飛躍，AI快速解決問題和相容産品快速換型方面的優勢逐漸凸顯，與此對應的裝置供應商局面肯定也将重新改寫。”
根據36氪的市場調研，這也是AI+工業檢測最好的時代。自2018年開始，工業檢測的市場在不斷擴大。2020年，全球機器視覺市場規模為125億美元，國内則占據200億元人民币（約31.6億美元），複合增長率超過12%。同時，國産工業檢測企業也在不斷崛起，天準科技、矩子科技、華興源創、精測電子等上市企業，均實作了上億元年營收。
數之聯聚焦泛半導體行業的AI+工業檢測
泛半導體檢測裝置成為了一個巨大的曆史機遇。這是數之聯AI算法搭載硬體，切入硬體化的最好時機。
而硬體的高技術、高專利和高利潤，都建立在高研發和高成本之上，這是所有硬體工業進行規模化研發和生産要跨過的一道門檻，也是美國研發實力領跑全球的一大原因。
據歐盟委員會的《2020年歐盟工業研發投入記分牌》資料，全球企業研發入榜單圍公司數2500家中，美國有775家企業入圍，研發支出金額共為3477億歐元；其次是歐洲，有542家企業入圍，研發支出金額共為2209億歐元；再者是中國，有536家企業入圍，研發支出金額共為118.8億歐元，單家企業平均數僅為美國的0.49%。
數之聯要發展硬體裝置，繞不開重工研發道路。為此，宋安興在數之聯力推自建硬體檢測的AOI（自動光學檢測裝置），力争将硬體科研思維引入了這家軟體公司。
10年的硬體裝置開發經驗，推動着宋安興不斷地向同僚解釋硬體思路：“第一次推AOI的時候，98%的員工都不知道AOI是什麼。就像自己不了解AI算法一樣，光機電的技術要點讓大資料精英們摸不着頭腦，硬體的物料成本看來太過昂貴。更不要說裝置還有加工、采購、組裝、調試等等環節，所有的供應鍊和方式方法都得從零開始。前期的投入和成本高昂，但是量産之後的規模效益會帶來很高的價值。數之聯的AI算法國内首屈一指，而高價值的AOI一定是用AI算法做質檢的終極賽道。”
他花了很長時間和智慧工業部的同僚解釋，做硬體的不同之處在哪裡：“在大資料架構和工業裝置的架構問題上，工業裝置一般通過C做底層，C#做上層搭建。數之聯作為軟體公司，習慣了中心端架構方式。但現在我們需要适應裝置行業的技術規範，才能快速相容更多硬體模組，把推理部署在裝置端，才能保證響應和複制性，進而做到更低的成本。同時，傳統的圖像采集算法需要通過拼接、切割或者其他手段處理圖檔，之後才能做AI識别，而ADC是直接拿AOI檢出的圖檔做分析，這是完全不一樣的做法，提高了AOI的系統難度。但是新老算法之間的協同必須解決，否則無法保證深度算法之前的圖像精度。”
經過幾個月的讨論，數之聯準備讓宋安興搭建一個光學實驗室作為初步試水。這間辦公室改造的實驗室，成為了數之聯AOI檢測硬體的發源地。
補齊硬體，打開标品大門
基于數之聯在ADC軟體開發時期的良好口碑，他們在開發AOI硬體的過程中就接到不少聯絡電話，同時泛半導體行業的藍海特征也顯露了出來。經過數次實驗和溝通，數之聯先與一家外企進行了DEMO樣機測試，結束後随即接到青島某新能源電池企業的邀請，定制一款針對該廠新能源汽車電池的檢測軟硬體系統。
新能源汽車行業的飛速發展，導緻這家電池企業急于尋找檢測解決方案，要求提供的檢測裝置能在高動态的生産線上快速檢測出電池缺陷，精度需達到0.05毫米以下，檢測速率要毫秒級，他們始終未能在市面上找到現成的服務商。最終，數之聯用三個月時間完成這個定制方案的設計、樣機制造群組裝、算法調試和參數調整、模組化，目前産品已上線。
數之聯在汽車行業的檢測應用
這次硬體的成功應用，打開了數之聯的AOI标品大河的一條涓流。随後，數之聯一邊在多個項目上支援和改造産品，一邊積累經驗，優化硬體，搭建标品架構。在幾十個需求方案中，數之聯逐漸完成了新能源電池、汽車零部件、電路闆等方面的積累。
2021年8月，數之聯傳遞了完全自研的第一台産品化AOI，能夠解決PCBA組裝後的缺陷問題，實作了從開發、設計、加工、組裝到調試的所有工作，而且一次性達到客戶要求。2022年1月26日，數之聯聚焦PCBA（電子印刷電路闆）領域，正式推出一款基于深度學習的創新型硬體産品——追光AI-AOI，解決傳統AOI過檢、誤檢高、産品換型慢的問題，也相應節省了企業的人力。
數之聯的各項實測資料也展示了他們對工業檢測的全方位提升。
與其他AOI解決方案對比，數之聯追光AI-AOI搭載着數之聯深度學習神經網絡模型，該模型是數之聯集合了在泛半導體行業多個成功落地經驗及海量缺陷資料，訓練出的可相容焊點形态變化、高泛化模型，能切實解決傳統AOI在程式設計/調試時間過長、誤判過高、因人而異的操作結果等核心痛點。
追光AI-AOI的運動速度和檢測尺寸
在考慮低成本的同時，數之聯追光AI-AOI提供了行業最快的運動速度和最大的檢測尺寸，可以相容不同高度的産線。與普通的AOI對比，數之聯追光AI-AOI通過AI模型，自動識别焊點位置，一個檢測框即可覆寫各類缺陷的檢測，将之前1-2小時的産品換型時間縮短為10分鐘。
追光AI-AOI：自動識别焊點位置
此外，基于深度學習的焊點識别，可精準定位缺陷位置，對多種形态各異的焊點做出準确的判斷，解決傳統算法僅對缺陷進行OK/NG粗分類問題。
追光AI-AOI：檢測缺陷類型
經市場和客戶驗證，追光AI-AOI檢出率可達到99.99%，誤判率低于0.3%。其中，PCBA-DIP 爐後AOI已實作核心名額行業領先，有效提升了工廠工藝品質。
結語：自主、專精仍是工業核心
目前來看，機器視覺主要玩家仍是美、日、德等巨頭企業，不過近年來大陸對于高端裝備制造業越來越重視。整體産業需要擺脫進口依賴、發展高端制造，機器視覺技術必不可少，其對精準度的嚴格要求也必須從機器智能技術層面識别來實作。
方育柯和宋安興作為主推數之聯進軍AOI的負責人，認為“追光AI-AOI”已經達成了數之聯工業硬體的第一步。“但未來還有很長的路要走。”宋安興表示，“工業檢測硬體産業也分上中下遊，越上遊越高精尖。現在我們打磨了2年，打造出了追光AI-AOI，能夠滿足下遊的PCBA檢測，未來我們也會保持研發，快速拓展到PCB、封測等工業領域。”
對于這是不是數之聯「未來要做國内最大的工業資料企業」的重要一步，方育柯笑稱，“希望這是數之聯為中國制造2025作出貢獻的一小步。”