AI質檢賽道，塞得下雲廠商們嗎？_風聞

寧德時代，一個國內外新能源車企都繞不過的名字。近期公佈了2022年度業績預告，首次實現單季度盈利破百億，更讓其飽受市場熱議。

財務數據上的成績，離不開寧德時代多年來的鋰電池佈局。公開信息顯示，公司目前已擁有13座鋰電池生產基地。但隨着生產規模持續擴張，一些問題也逐漸被暴露出來。

寧德時代首席製造官、工程製造體系總裁倪軍，曾披露了鋰電製造面臨的挑戰：包括生產過程複雜、材料尺度跨度巨大、安全性要求以及質量一致性要求高、性能不斷提升、成本壓力大等等。

拿最核心的生產過程來説。一般而言，鋰電池的生產工藝分為前段工序（極片製造）、中段工序（電芯合成）、後段工序（化成封裝）。

在前段工序及中段卷繞中，由於支持高速在線生產，每道工序生產完後，人眼無法檢測，因此必須使用自動化設備智能質檢；而在中段、後段工序及包裝段工序，行業早期採用人工肉眼檢測，如今則面臨人員招聘和培訓流程長、人工檢測不穩定性等問題。

為了滿足鋰離子電池對於安全性能的高要求，寧德時代將工業AI質檢技術，引入到動力電池若干工序中的安全判斷環節，通過運用AI分析綜合判定產品的質檢結果，提高生產效率。

這不是孤例。隨着數字化時代的到來，傳統人工檢測方式已經越來越難以適應企業數字化的發展訴求，更加精確穩定的工業AI質檢解決方案，正在加速融入製造業產品的生產流程中。

根據國際數據公司IDC於發佈的《中國AI賦能的工業質檢解決方案市場分析，2022》報告顯示：工業AI質檢已經從前幾年的試點應用，走向規模化複製推廣。其中通信和電子製造、汽車及零部件、消費品和原材料4個行業，是目前工業AI質檢的主要應用行業，合計佔據了91.5%的市場空間。

而隨着該場景吸引了各類廠商進入，本就不大的市場也變得擁擠起來。

01 產業的雙向奔赴

工業製造業是一個國家綜合實力的典型代表。我國是全球製造業第一大國，擁有41個工業大類、207個工業中類、666個工業小類，是全球唯一擁有聯合國產業分類中所列全部工業門類的國家。

但同時，國內製造業向高端化、智能化和綠色化轉型仍然任重道遠。特別是考慮到生產過程中，零部件產品種類眾多、數量龐大、更新迭代快，對外觀檢測準確性、靈活性、成本管控等有較高要求，工業質檢成為必不可少的環節。

傳統的工業質檢，主要是以人工質檢為主。即主要依靠人力，需要質檢員具備敏鋭的視力以及豐富的經驗，才能檢測出缺陷的類型。

這種模式存在十分明顯的弊端。目前製造企業普遍存在招工難、留人難的問題。而質檢是一項辛苦又需要技術基礎的工作，質檢員工缺口很大。此外，檢測速度也存在侷限性，並且存在肉眼損傷、疲勞等影響而出現人為判斷誤差的隱患。

“人工質檢是用人最多的地方，且面臨明顯問題。一方面，工作時間長且枯燥，人工拿着產品360度旋轉找缺陷，每件檢查時間長達1分鐘，工作人員容易疲勞。另一方面，訂單變動時無法準確適配人員，人力成本不斷拉高，質檢高峯期用人數量超過1500人。”上海富馳高科自動化總監鄧聲志曾公開表示。

在此基礎上，基於傳統機器視覺算法的質檢方式被廣泛應用。通過機器視覺，通常能處理容易提取、容易量化的特徵，如顏色、面積、圓度、矩形度，角度、長度等。其原理為基於目標特徵在圖像中存在與否、多個目標特徵之間的距離的數值進行邏輯判斷來完成視覺任務。

這種方法雖替代了人力，能夠滿足有比較明確特徵的檢測或測量需求，在處理一致且製造精良的部件時能夠可靠運行。但隨着缺陷庫的增大，算法也會變得越來越有挑戰性。

不僅如此，在生產換線、工藝升級過程中，無法迭代學習；新缺陷、新特徵需要新設計，經常需要人工去調整各項參數，算法開發調試效率低、週期長，有着明顯的瓶頸。

在此背景下，基於AI算法的視覺缺陷檢測，既實現了對隨機缺陷的識別和檢測，又拓展了傳統機器視覺的應用範圍，受到業內的廣泛關注。

當前，市場在AI賦能的工業質檢軟件和解決方案產品形態主要提供的是軟件/平台、檢測裝備、面向具體業務場景的定製檢測系統等。從某種程度上看，這也是AI質檢服務商和行業廠商的雙向選擇。

從行業廠商這一側來看，IDC 中國人工智能高級分析師程蔭認為，在AI賦能的工業質檢場景落地過程中，因為工廠的業務、技術負責人可以根據缺陷識別的準確率、誤檢率，降低企業內部人力成本的數量、訓練並識別缺陷的時效性來衡量這一場景的業務結果，所以AI工業質檢場景因ROI清晰已在工業企業大量嘗試，成為工業智能領域較為成熟的應用。

而對AI質檢服務商，一個能落地和規模化的場景的重要性無需贅述。

國金證券研報曾指出，AI企業在資本市場遇冷，主要與市場前期預期過高及行業發展遭遇瓶頸有關。深度算法遲遲未見突破，實戰落地場景分散，產品標準化程度低，人力成本高，道德倫理方面亦有挑戰等原因，使得AI算法公司的商業模式和變現能力受到挑戰。

因緣際會之下，雙方在推動AI質檢場景落地上愈發達成共識。

02 雲廠商獨佔鰲頭

目前，已經有各類廠商憑藉自身基礎優勢進入AI質檢市場。尤其是軟件和解決方案領域，雲廠商、AI創企、傳統機器視覺企業、工業互聯網平台企業等，都紛紛在AI視覺質檢領域積極佈局。

IDC的報告顯示：AI質檢市場份額上，2021年前五大主要廠商的市場份額達到了44.3%，主要集中在百度智能雲、創新奇智、騰訊雲、華為、阿丘科技等廠商。

可以看到，雲廠商是AI工業質檢軟件和解決方案市場當中的主力。某種程度上，雲廠商已經在工業質檢平台、算法研發以及數據積累上具備一定的優勢，積累了AI工業視覺落地的know-how。

而之所以能獨佔鰲頭，與它們的入局節點和戰略部署有關。

拿百度來説。早在2017年百度雲智峯會現場，北京首鋼自動化信息技術有限公司的10000張鋼材照片，通過百度智能雲發佈的ABC一體機檢測鋼材瑕疵，整體缺陷識別分類準確率達到99%以上，與人工專業檢測結果十分接近，這是百度在AI質檢領域的最早嘗試。

和百度一樣對AI質檢格外上心的雲廠商，同樣包括騰訊雲。現階段，在工業AI質檢場景上，騰訊雲已經與寧德時代、上海富馳高科等標杆客户達成合作，並可以實現規模化複製。

2022年末，工信部國家工業信息安全發展研究中心圍繞智能研發、邊緣計算、智能生產、智能運營、數智供應鏈、數字新基建等重點方向，面向社會徵集價值效益明顯、可示範推廣的優秀案例與示範項目。作為騰訊雲的智能產品之一，其工業 AI 質檢案例成功脱穎而出，成為唯一入選項目名單的互聯網科技企業案例。

對於百度和騰訊而言，AI質檢解決方案的關鍵之處，在於對集團雲業務的賦能。

近幾年，雲計算行業的增長動力正在從互聯網客户向傳統企業切換。經過數年的高速發展，國內互聯網用户滲透率已經超過70%，這意味着在沒有技術創新的刺激下，用户流量將逐步趨於平穩。與之相反，傳統企業客户逐步成為上雲主力。從北美市場的經驗看到，隨着數字化轉型的持續推進，傳統企業亦存在較為廣闊的上雲空間。

因此，可以看到互聯網雲廠商們紛紛在政務、工業、能源等領域持續拓展。據《經濟觀察網》報道，在非互聯網行業騰訊雲業務目前着重尋找能源行業、製造行業的機會，能源行業相對標準化一些，而製造行業比較複雜，但勝在業務場景多，在個別生產環節有望實現標準化且找到較大應用場景，例如AI質檢。

這也更符合騰訊副總裁湯道生所強調的數字化的度量、優化，即騰訊產業互聯網激活產業的核心概念——數字化才可以度量，有了可度量的數據才能進行優化。

當然，即便有着know-how，雲廠商在推廣產品上也需要花費不小的力氣。根據騰訊雲離職員工透露，“騰訊對製造與能源行業重點推廣的是人工質檢等產品，產品推廣難度較大，售賣工廠執行軟件較不現實，工業企業對雲的需求較小，目前騰訊並未找到較好的突破點。”

03 寫在最後

根據IDC數據顯示，中長期來看，隨着AI質檢市場逐步分化和應用成熟度的提高，潛在的競爭將導致廠商格局發生變化，一些廠商會擴大優勢，新的廠商也將逐步加入。

例如急於在安防之外找到新應用場景的商湯科技。2022年11月25日，第二屆商湯科技數字能源智能製造生態合作伙伴大會上，商湯科技發佈了一系列“AI智能質檢”軟硬件整體解決方案。

可想而知，在大量廠商湧入的情況下，工業AI質檢總體競爭愈加激烈。據悉，在電子製造及新能源汽車動力電池等領域，AI質檢廠商們已經展開激烈的價格戰。

另一方面，工業AI質檢在行業應用滲透率還處在較低水平，長期看仍有顯著發展空間。IDC預計，2025年中國工業AI質檢整體市場將達到9.58億美元（約合人民幣62億元），2021-2025年CAGR為28.5%。

與此同時，如果考慮到現階段中國工廠生產線上有超過200萬產線質量及效率相關人員，年人力成本消耗1400億元；也就是説，工業AI質檢市場有着高達千億元的市場空間，能否更好應對碎片化場景的挑戰，成為廠商們不能忽視的新機遇。

參考資料：

中國工業互聯網研究院《工業AI質檢標準化研究報告（2022年）》

IDC《中國AI賦能的工業質檢解決方案市場分析，2022》