下载客户端

AI质检赛道，塞得下云厂商们吗？

2023-01-20 15:03

来源：澎湃新闻·澎湃号·湃客

原创樟稻科技新知

百度、腾讯“云”端开辟新战场。

@科技新知原创

作者丨樟稻编辑丨伊页

宁德时代，一个国内外新能源车企都绕不过的名字。近期公布了2022年度业绩预告，首次实现单季度盈利破百亿，更让其饱受市场热议。

财务数据上的成绩，离不开宁德时代多年来的锂电池布局。公开信息显示，公司目前已拥有13座锂电池生产基地。但随着生产规模持续扩张，一些问题也逐渐被暴露出来。

宁德时代首席制造官、工程制造体系总裁倪军，曾披露了锂电制造面临的挑战：包括生产过程复杂、材料尺度跨度巨大、安全性要求以及质量一致性要求高、性能不断提升、成本压力大等等。

拿最核心的生产过程来说。一般而言，锂电池的生产工艺分为前段工序（极片制造）、中段工序（电芯合成）、后段工序（化成封装）。

在前段工序及中段卷绕中，由于支持高速在线生产，每道工序生产完后，人眼无法检测，因此必须使用自动化设备智能质检；而在中段、后段工序及包装段工序，行业早期采用人工肉眼检测，如今则面临人员招聘和培训流程长、人工检测不稳定性等问题。

为了满足锂离子电池对于安全性能的高要求，宁德时代将工业AI质检技术，引入到动力电池若干工序中的安全判断环节，通过运用AI分析综合判定产品的质检结果，提高生产效率。

这不是孤例。随着数字化时代的到来，传统人工检测方式已经越来越难以适应企业数字化的发展诉求，更加精确稳定的工业AI质检解决方案，正在加速融入制造业产品的生产流程中。

根据国际数据公司IDC于发布的《中国AI赋能的工业质检解决方案市场分析，2022》报告显示：工业AI质检已经从前几年的试点应用，走向规模化复制推广。其中通信和电子制造、汽车及零部件、消费品和原材料4个行业，是目前工业AI质检的主要应用行业，合计占据了91.5%的市场空间。

而随着该场景吸引了各类厂商进入，本就不大的市场也变得拥挤起来。

产业的双向奔赴

工业制造业是一个国家综合实力的典型代表。我国是全球制造业第一大国，拥有41个工业大类、207个工业中类、666个工业小类，是全球唯一拥有联合国产业分类中所列全部工业门类的国家。

但同时，国内制造业向高端化、智能化和绿色化转型仍然任重道远。特别是考虑到生产过程中，零部件产品种类众多、数量庞大、更新迭代快，对外观检测准确性、灵活性、成本管控等有较高要求，工业质检成为必不可少的环节。

传统的工业质检，主要是以人工质检为主。即主要依靠人力，需要质检员具备敏锐的视力以及丰富的经验，才能检测出缺陷的类型。

这种模式存在十分明显的弊端。目前制造企业普遍存在招工难、留人难的问题。而质检是一项辛苦又需要技术基础的工作，质检员工缺口很大。此外，检测速度也存在局限性，并且存在肉眼损伤、疲劳等影响而出现人为判断误差的隐患。

“人工质检是用人最多的地方，且面临明显问题。一方面，工作时间长且枯燥，人工拿着产品360度旋转找缺陷，每件检查时间长达1分钟，工作人员容易疲劳。另一方面，订单变动时无法准确适配人员，人力成本不断拉高，质检高峰期用人数量超过1500人。”上海富驰高科自动化总监邓声志曾公开表示。

在此基础上，基于传统机器视觉算法的质检方式被广泛应用。通过机器视觉，通常能处理容易提取、容易量化的特征，如颜色、面积、圆度、矩形度，角度、长度等。其原理为基于目标特征在图像中存在与否、多个目标特征之间的距离的数值进行逻辑判断来完成视觉任务。

这种方法虽替代了人力，能够满足有比较明确特征的检测或测量需求，在处理一致且制造精良的部件时能够可靠运行。但随着缺陷库的增大，算法也会变得越来越有挑战性。

不仅如此，在生产换线、工艺升级过程中，无法迭代学习；新缺陷、新特征需要新设计，经常需要人工去调整各项参数，算法开发调试效率低、周期长，有着明显的瓶颈。

在此背景下，基于AI算法的视觉缺陷检测，既实现了对随机缺陷的识别和检测，又拓展了传统机器视觉的应用范围，受到业内的广泛关注。

当前，市场在AI赋能的工业质检软件和解决方案产品形态主要提供的是软件/平台、检测装备、面向具体业务场景的定制检测系统等。从某种程度上看，这也是AI质检服务商和行业厂商的双向选择。

从行业厂商这一侧来看，IDC 中国人工智能高级分析师程荫认为，在AI赋能的工业质检场景落地过程中，因为工厂的业务、技术负责人可以根据缺陷识别的准确率、误检率，降低企业内部人力成本的数量、训练并识别缺陷的时效性来衡量这一场景的业务结果，所以AI工业质检场景因ROI清晰已在工业企业大量尝试，成为工业智能领域较为成熟的应用。

而对AI质检服务商，一个能落地和规模化的场景的重要性无需赘述。

国金证券研报曾指出，AI企业在资本市场遇冷，主要与市场前期预期过高及行业发展遭遇瓶颈有关。深度算法迟迟未见突破，实战落地场景分散，产品标准化程度低，人力成本高，道德伦理方面亦有挑战等原因，使得AI算法公司的商业模式和变现能力受到挑战。

因缘际会之下，双方在推动AI质检场景落地上愈发达成共识。

云厂商独占鳌头

目前，已经有各类厂商凭借自身基础优势进入AI质检市场。尤其是软件和解决方案领域，云厂商、AI创企、传统机器视觉企业、工业互联网平台企业等，都纷纷在AI视觉质检领域积极布局。

IDC的报告显示：AI质检市场份额上，2021年前五大主要厂商的市场份额达到了44.3%，主要集中在百度智能云、创新奇智、腾讯云、华为、阿丘科技等厂商，其中百度智能云更是连续三年排名第一，持续领跑中国AI工业质检市场。

可以看到，云厂商是AI工业质检软件和解决方案市场当中的主力。某种程度上，云厂商已经在工业质检平台、算法研发以及数据积累上具备一定的优势，积累了AI工业视觉落地的know-how。

而之所以能独占鳌头，与它们的入局节点和战略部署有关。

拿百度来说。早在2017年百度云智峰会现场，北京首钢自动化信息技术有限公司的10000张钢材照片，通过百度智能云发布的ABC一体机检测钢材瑕疵，整体缺陷识别分类准确率达到99%以上，与人工专业检测结果十分接近，这是百度在AI质检领域的最早尝试。

眼下，百度的工业AI质检解决方案深耕汽车整车及零部件和以化纤、钢铁为代表的原材料等15个规模化行业，已覆盖一百多个场景，服务了首钢、宝武、恒逸、一汽等企业。

和百度一样对AI质检格外上心的云厂商，同样包括腾讯云。现阶段，在工业AI质检场景上，腾讯云已经与宁德时代、上海富驰高科等标杆客户达成合作，并可以实现规模化复制。

2022年末，工信部国家工业信息安全发展研究中心围绕智能研发、边缘计算、智能生产、智能运营、数智供应链、数字新基建等重点方向，面向社会征集价值效益明显、可示范推广的优秀案例与示范项目。作为腾讯云的智能产品之一，其工业 AI 质检案例成功脱颖而出，成为唯一入选项目名单的互联网科技企业案例。

对于百度和腾讯而言，AI质检解决方案的关键之处，在于对集团云业务的赋能。

近几年，云计算行业的增长动力正在从互联网客户向传统企业切换。经过数年的高速发展，国内互联网用户渗透率已经超过70%，这意味着在没有技术创新的刺激下，用户流量将逐步趋于平稳。与之相反，传统企业客户逐步成为上云主力。从北美市场的经验看到，随着数字化转型的持续推进，传统企业亦存在较为广阔的上云空间。

因此，可以看到互联网云厂商们纷纷在政务、工业、能源等领域持续拓展。据《经济观察网》报道，在非互联网行业腾讯云业务目前着重寻找能源行业、制造行业的机会，能源行业相对标准化一些，而制造行业比较复杂，但胜在业务场景多，在个别生产环节有望实现标准化且找到较大应用场景，例如AI质检。

这也更符合腾讯副总裁汤道生所强调的数字化的度量、优化，即腾讯产业互联网激活产业的核心概念——数字化才可以度量，有了可度量的数据才能进行优化。

当然，即便有着know-how，云厂商在推广产品上也需要花费不小的力气。根据腾讯云离职员工透露，“腾讯对制造与能源行业重点推广的是人工质检等产品，产品推广难度较大，售卖工厂执行软件较不现实，工业企业对云的需求较小，目前腾讯并未找到较好的突破点。”

写在最后

根据IDC数据显示，中长期来看，随着AI质检市场逐步分化和应用成熟度的提高，潜在的竞争将导致厂商格局发生变化，一些厂商会扩大优势，新的厂商也将逐步加入。

例如急于在安防之外找到新应用场景的商汤科技。2022年11月25日，第二届商汤科技数字能源智能制造生态合作伙伴大会上，商汤科技发布了一系列“AI智能质检”软硬件整体解决方案。

可想而知，在大量厂商涌入的情况下，工业AI质检总体竞争愈加激烈。据悉，在电子制造及新能源汽车动力电池等领域，AI质检厂商们已经展开激烈的价格战。

另一方面，工业AI质检在行业应用渗透率还处在较低水平，长期看仍有显著发展空间。IDC预计，2025年中国工业AI质检整体市场将达到9.58亿美元（约合人民币62亿元），2021-2025年CAGR为28.5%。

与此同时，如果考虑到现阶段中国工厂生产线上有超过200万产线质量及效率相关人员，年人力成本消耗1400亿元；也就是说，工业AI质检市场有着高达千亿元的市场空间，能否更好应对碎片化场景的挑战，成为厂商们不能忽视的新机遇。

参考资料：