大模型和生成式AI興起背景下,AI賦能的工業質檢市場新動向

制造業是中國經濟的“壓艙石”，智能制造是制造強國建設的主攻方向，可以加快發展現代產業體系，對鞏固實體經濟根基、實現新型工業化具有重要作用。智能制造也是推進數字產業化和產業數字化，建設數字中國的重要途徑。隨著深度學習、AI 大模型等技術的發展，智能化技術正在提升，改造以制造業為代表的傳統行業，是整個行業實現提質增效、數字化的重要途徑。AI 工業質檢是智能制造的關鍵環節之一，是AI 在制造業領域落地的典型成功場景。在大模型和生成式AI 興起的背景下，AI 賦能的工業質檢市場正在經歷新的變化。

程蔭(IDC中國高級分析師)

1 生成式AI、AI 大模型的定義

生成式AI（GenAI）是計算機科學的一個分支，涉及無監督和半監督算法，使計算機能夠使用之前創建的內容（如文本、音頻、視頻、圖像和代碼等）來創建新內容，以響應簡短的提示問題。

AI 大模型為生成式AI 提供了技術基礎和能力，而生成式AI 則展示了大模型在實際應用中的潛在價值。例如，ChatGPT 是生成式AI 的一種，主要用途為文本生成。大模型是對原有算法模型的技術升級，技術供應商基于海量數據開發預訓練模型，到最終用戶環境中使用少量數據即可獲得比之前的算法模型更好的預測準確度。

生成式AI 和大模型技術，是在工業領域逐漸顯現的一種新的范式轉變。生成式AI 可以利用現有數據來編造新的、獨特的數據集，大模型通過主動學習工業場景數據，可以讓工業知識沉淀在數字化系統，輔助工人現場操作，輔助管理人員做決策，最終實現數據驅動的智能化生產與運營。

2 生成式AI、大模型在工業應用中的展望

生成式AI 和大模型在工業應用中具有廣泛的應用前景，可以實現工業生產流程、產品設計、供應鏈管理、設備維護管理、質量檢測的智能化，提高工業生產的效率、質量和穩定性。

●   生產流程智能化：生成式AI 和大模型技術可以實現工業生產的智能化，通過實時監測和預測生產過程，實現智能化的生產控制和管理。例如，通過大模型和生成式AI，可以實現對生產過程中的問題進行實時預測和處理，提高生產效率和質量。

●   設備預測性維護智能化：生成式AI 和大模型技術可以實現工業設備預測的智能化，通過實時監測和預測設備狀態，實現設備的智能化管理和維護。例如，通過大模型和生成式AI，可以實現對設備故障的實時預測和處理，延長設備的使用壽命，提高設備的運行效率和穩定性。

●   供應鏈管理智能化：生成式AI 和大模型技術可以實現供應鏈管理的智能化，通過實時監測和預測過程，實現供應鏈的智能化管理和控制。例如，通過大模型和生成式AI，可以實現對物流、供應鏈過程中的延誤和問題進行實時預測和處理，提高運轉效率和準確性。

●   工業質量檢測智能化：生成式AI 和大模型技術可以實現工業質量檢測的智能化，通過實時監測和預測產品質量，實現質量檢測的智能化管理和控制。例如，通過 大模型和生成式AI，可以實現對產品質量問題的實時預測和處理，提高產品質量和檢測效率。

●   產品設計智能化：生成式AI 和大模型技術可以為產品設計帶來創新、個性化、性能優化和自動化等方面的提升，基于市場和用戶的反饋，幫助設計師更好地滿足用戶需求，提高產品設計的質量和效率。

3 AI賦能的工業質檢市場現狀與進展

AI賦能的工業質檢是利用基于深度學習、大模型等AI技術的視覺檢測技術，在工業生產過程中對產品圖像進行視覺檢測，從而幫助發現和消除缺陷。行業用戶可以通過大模型技術實現對產品質量問題的實時預測和處理，提高產品質量的檢測效率。

根據IDC 的數據，2022 年工業質檢解決方案（不包含硬件）整體市場規模為 2.7 億美元，較 2021 年增長了 27.4%，從增長趨勢來看，2022 年受到疫情影響，增長趨勢有所放緩，但對比其他 AI 市場仍然屬于相對較高的水平。從行業角度來看，3C 依舊占據半壁江山，在總市場中占比達到 53.1%，汽車、輕工消費品緊隨其后，占比分別為 18.6%、13.4%。IDC 預計，2026 年中國工業 AI 質檢整體市場將達到 13.35 億美元。

自2022 年開始，頭部廠商更注重于選擇經驗豐富、沉淀深厚的細分行業和場景進行深度挖掘，利用自身優勢基于工業AI 視覺平臺打造完善的解決方案，同時有序地在原有細分行業復制，以實現穩定的收入增長。不少新的市場參與者，包括檢測設備商和行業系統集成商（SI），也開始進入市場參與競爭，使得該市場競爭態勢日益激烈。

3C 和動力電池、汽車等行業仍然是工業質檢應用的重要領域。同時，AI 質檢在裝備制造、有色金屬、包裝印刷、食品飲料等新行業和場景也呈現出強列需求，這些領域對產品質量和安全的要求同樣嚴格，AI 質檢的應用為它們提供了重要的技術支持。

在技術層面，目前的大模型+ 工業質檢已有了商業化落地案例。例如在3C 電子行業，技術廠商已經利用大模型成功實現了電路板的高精度檢測，從而確保產品的可靠性。而在輕工消費的紡織行業中，大模型也已成功應用于對面料瑕疵進行精準識別，提高了產品的質量。隨著新玩家不斷涌入市場，未來工業質檢行業的競爭將更加激烈，頭部廠商的競爭優勢將更加明顯。

4 新技術帶來的AI賦能

的工業質檢市場機會大模型和生成式AI 的興起對AI 賦能的工業質檢市場產生了積極的影響。隨著技術的不斷進步和應用范圍的不斷擴大，AI 質檢將會有更多的創新和突破，為制造業的發展帶來更大的推動力。大模型和生成式AI對工業質檢市場的驅動具體表現在如下幾個方面：大模型和生成式AI 加速工業質檢AI 技術升級：大模型可以提供更多的知識和信息，加速AI 技術的升級和改進。生成式AI 技術可以通過學習大量數據，生成新的模型和算法。大模型和生成式AI 可以幫助行業用戶更好地理解工業質檢中的復雜問題，提高檢測的準確性。

大模型和生成式AI使得工業質檢產品適應性更強、應用領域更加廣泛：AI 技術可以應用于工業質檢的多個領域，包括缺陷檢測、尺寸檢測、材料檢測等。隨著大模型和生成式AI 的發展，AI 在工業質檢領域的泛化能力將不斷提升，應用將更加廣泛，以相對標準化、成本更低的產品形態，服務更多的行業、企業，加速 AI 在各行各業的應用。

盡管如此，大模型和生成式AI 在工業質檢的應用仍面臨一些挑戰：如數據缺乏，質量不高，算力人力成本巨大，與各系統應用的集成對接不良等。技術供應商和行業用戶也依然需要通力合作，一方面通過不斷的測試與迭代，幫助大模型、生成式AI 更好地落地；另一方面，技術供應商和行業用戶也不應放棄針對特定場景開發特定的模型，持續提升具體場景的應用效果。

（本文來源于EEPW 2023年11月期）