互联网公司VP联手美国学术大牛，打造国内最早商业化的AI检测平台

作者丨啱啱

编辑丨刘恒涛

图源丨深视创新

随着工业互联网、智能制造不断向各个流程环节渗透，工业AI视觉检测市场规模不断上升。根据贝哲斯咨询的一份数据，2024年全球机器视觉和视觉引导机器人市场规模达到了188.8亿美元，2024-2029年预测期内，将以7.2%的复合年增长率增长。

在深度学习瑕疵视觉检测平台深视创新CEO许琦看来，仅仅一个制药市场，就是一块巨大的蛋糕。

“中国有超过万家制药生产企业，全球几十万家，这些企业的AI检测刚刚起步，国内的普及率稍高，但也不足20%，所以规模是非常大的。”许琦说。

起步于2017年的深视创新，开发了国内最早商业化的深度学习瑕疵视觉检测平台，目前已经发展成为国内应用最为广泛的此类平台之一。

一、软硬结合，提供AI检测解决方案

2017年，视觉系统巨头康耐视收购瑞士公司ViDi Systems，这是当年深度学习在工业视觉领域的一大标志事件。

与此同时，在中国深圳，许琦与何志海创办的深视创新，推出了国内首个深度工业视觉识别系统Galileo X。这套以科学家伽利略命名的系统，能在工业应用做到缺陷识别、物体分类、物体定位和工业字符缺陷检测与识别，一站式解决工业视觉识别场景需求，降低算法后期的维护难度，并能帮用户在设备升级时降低50%以上的成本。

以Galileo X为起点，深视创新推出Galileo系列AI视觉软件方案，包含工业视觉识别云平台Galileo S、在线检测与大数据系统Galileo T和缺陷样本管理系统Galileo D。

发展到2025年，深视创新的业务共分为三大块。

第一块，是公司研发的AI检测软件，通过训练模型，这款软件可以提供质检、定位，以及其他数据分析服务，产品主要面向设备集成商或终端企业。许琦表示，软件业务中，有90%的客户来自设备集成商。客户包括包括主要集中在珠三角与长三角的各类视觉头部企业与设备集成商。

第二块业务，是在软件基础上延伸出来的工业AI视觉套件解决方案。解决方案涵盖软件与算法系统、AI算力系统、光学成像系统、结构电气系统、图形工控系统，并提供AI标准识别模组，主要针对整线的生产设备或者检测设备。因为适应性广，该业务成为深视创新增长最快的板块。

第三块业务，是终端整体解决方案，2021年，深视创新开始面向一些上规模特定行业的企业，推出包括设备质检以及从检测到分选的完整终端解决方案。

“针对世界500强企业，比如像飞利浦、阿斯利康这样的企业，我们会有定制化的方案，提供产线视觉解决方案与完全替代人的质检甚至生产全套设备”许琦说。

许琦透露，深视创新后疫情时代年营收在逐年大幅提升。公司近期的规划是希望在2-3个细分行业里成为行业第一。

二、提升工业效率，节约生产成本

确立AI检测业务方向，深视创新中间还走过一段“弯路”。

2016年6月，还在某互联网公司担任COO的许琦，与回国办事的好友何志海见面，何志海当年拥有美国密苏里大学终生正教授、博导、电气电子工程师学会会士等身份，还有一颗不安分的心，他是一位连续创业者，一直在寻找新的机会。

两人经过长谈，最终决定创办深视创新。公司由中美两地团队组成，美国团队主要是何志海教授的博士团队，负责研究深度学习底层技术，国内团队以深圳为总部，主要以应用端研发、项目和营销为主，更侧重终端产品本身与面向客户的服务。

当时的深视创新，主营业务为面向商用车做自动驾驶算法系统。经过一年的时间，尽管已经拿到多家国内头部商用车企的小批量订单，但团队判断认为，基于那个年代和时期的刚需，商用车自动辅助驾驶系统离量产还为时过早，于是决定转型。

在朋友的介绍下，许琦接触到一家工业视觉检测自动化设备集成商，达成了合作，并在3个月后完成了交付，许琦和团队发现，在这个全新的领域，公司的技术能发挥极大优势。2017年10月，团队投票确定，公司主营转向工业视觉识别。2021年，深视创新的两位在美国的合伙人回国，美国团队取消。

“现在整个工业行业，在生产环节差不多都实现了自动化，需要工人比较多的是在品控和质检环节，这几个环节，百分之八九十需要人工完成。”许琦说，人工作业强度大，质检工人岗位上流动量大，平均工龄不超过一年。

更关键的问题是，人工检测有很大的局限性。在工厂，一个产品的每一个环节都要经过检测，如果有焊接不牢或者元器件损坏、被污染的情况，如果没有检测到，就会降低生产效率，造成成本的浪费。

“比如电子行业的颗粒元器件，比芝麻还小，比头发丝还细，整个一条生产线一分钟需要质检上万个，人工质检完全不可能。”许琦说。很多企业只能不断改进生产工艺，提高生产良率，或者通过抽检了解工艺，进一步改进生产工艺。

从90年代末开始，在手机制造和3C数码行业，就有康耐视、基恩士等企业做工业视觉检测，引领行业发展。“现在因为整个AI检测的成本在下降，在各个细分行业，比如汽车制造，甚至农业，很多行业都已经可以接受。”许琦说。

在许琦看来，深视创新带来的价值，第一，就是提升企业生产效率，确保生产工艺稳定；第二，是确保生产良率稳定，企业最终产品的良率达到百分之百。除此之外，深视科技还通过对瑕疵的分析，帮助生产企业提高工艺，进一步提高产品良率。

“比如像玻璃制造行业，或者做磁铁、炼钢的行业，瑕疵可能几十种、一百多种，厂家必须要知道有哪些瑕疵，再反推生产设备出了什么问题。我们的大数据辅助决策，可以往前推演，了解前端工艺出了什么问题，辅助厂家去改善工艺。”许琦说。

三、用大模型提升适应性

做AI检测，选准行业也很重要。

“AI检测产业跟细分行业强相关，如果一个行业正在上升期，我们跟着它走，体量很容易就上来。”许琦说，前几年，新能源行业比较热的时候，深视创新曾经做过布局，但后来发现，行业经常出现波动。因此，后在选择行业上，深视创新只选择那些稳定且被证明的成熟行业。

在客户选择上，除了国内业务之外，深视创新也在发展世界500强的客户。500强的客户管理比较规范，体量也比较大，对深视创新还有更加重要的意义。

“除了业务稳定、付款比较好之外，这些灯塔工厂都有自己的标准，我们贴着他们的标准去做，对提升我们设备、算法的标准程度都很有帮助。”许琦说。

随着大模型的兴起，从2023年开始，深视创新也在研发大模型。但许琦表示，深视创新之前做的都是小模型，和大模型没什么关系。

“工业视觉领域实现不了真正的大模型。第一，客户不会给你太长的实施时间；第二，它的样本很少，比如要做某手机代工厂的项目，对方可能最多给五个、十个样本，甚至没有样本。因为它的良率很高，不可能采集到那么多样本。”许琦说，所以，这导致它的适应性比较差。

“比如磁铁、炼钢的行业，作业背景很复杂，有很多干扰，没有大模型的辅助，很容易过杀或者误判。本来它的良率有80%，不用大模型的话，良率变成了50%，有30%都被误杀了。”许琦说，另外，很多产线要生产多款产品，极端情况下，一个产线一天能换20款。有了细分行业的大模型，只要导入非常少的样本，几分钟之内AI检测就切换过来了。

为了解决这个问题，深视创新需要训练一个相对来说比较大的、适应性广的基础模型，在这个基础上做小模型，拓宽检测的适应性。

深视创新的远期目标，是成为国内工业视觉AI领域的技术引领者。许琦认为，起步早，是深视创新的一大优势，这使得公司更了解工业制造领域对AI视觉检测定位的需求，在行业摸爬滚打六七年时间，深视创新确保了技术的先进性，更加贴地气。

许琦说，工业领域和To C行业的思维完全不一样，能把很多生产设备、现场、人的因素考虑在内，才是最大的竞争力。

“最好的技术，顶不过一个有经验的工程师。代码写出来，或者AI最终训练出来，能不能适应现场的要求，这才是最重要的。我们有一千多个场景应用，这是我们积累的优势，我们还有在底层做研发的优秀技术人才，我对我们的技术能力很有信心。”许琦说。