用AI联通 | 家电行业首个，“AI+视觉大模型”上线

AI“慧眼”破解制造业质检困局。

近期，全国各地天气区域性特征显著：一边是北方暴雨倾盆；一边是中东部大范围闷热持续升级。说起来，人类与高温抗争的历史已经很久了。古代的《西京杂记》卷就记载过汉朝的一位巧匠：“长安巧匠丁缓……作七轮扇，连七轮，大皆径丈，相连续，一人运之，满堂寒颤”。

身处三伏酷暑，要问什么科技最让你“神清气爽”，那一定是现代空调系统的发明——无论外面如何燥热，进了屋子，只要轻点开关，凉风顿时充满整个房间。

在佛山顺德美芝工业园区内，美芝工厂正以每分钟超200台的速度生产着空调压缩机。作为全球领先的暖通家电核心部件供应商，美芝凭借高品质、高可靠、高敏捷的μ级精密智能制造能力，实现每年超1亿台的海量交付，做到了几乎全球每2台家用空调就有1台使用美芝的压缩机。然而即便拥有业界领先的智能制造体系，企业仍面临着产品“漏检”的风险。中国联通以“AI+工业”为破局利刃，打造家电行业首个“AI+视觉大模型”，并在美芝杏坛工厂实现工业视觉大模型的产线级落地应用，实现训练周期压缩超80%，产品不良率不断下降。

破解传统质检“不可能三角”

打造“零不良流出”标杆产线

在竞争激烈的家电市场中，产品质量是企业持续发展的核心关键。然而，质检模式正陷入行业性的“三角困局”：首先是数据困局，家电制造业存在千余种产品型号，对应数万类缺陷类型，工业缺陷数据获取成本高昂，且特征识别复杂度远超消费级场景。其次是效率困局，传统AI模型迭代需中断产线进行样本采集，每新增一类缺陷检测就可能导致生产线停摆。在“订单即生命线”的家电行业，频繁停机调整检测系统成为企业智能化转型的重大障碍。最后是成本困局，AI模型开发的高成本投入与回报周期不明确导致企业决策困难。

数据难获取、产线难停机、模型难落地，如同三重枷锁制约着制造业转型升级。传统质检模式已成为智能制造的最后一公里瓶颈，破局的关键在于找到兼顾效率、成本与准确性的技术路径。

依托中国联通(广东)新型工业化研究院的“智慧中枢”，中国联通聚合顶尖科研力量与行业头部资源，打造家电行业首个“AI+视觉大模型”，并在GMCC美芝杏坛工厂实现工业视觉大模型的产线级落地应用。

13亿参数重构质检逻辑

大模型开启“1张图教AI”的少样本革新

面对行业共性难题，中国联通团队凭借自身在AI、大模型、云计算等领域的深厚积累，研发一套基于Transformer 架构的工业视觉检测大模型体系，通过底层算法突破、训练范式革新与部署模式创新，实现了工业质检逻辑的根本性重构。

“AI+视觉大模型”经过超亿张工业缺陷图片的训练，构建起包含13亿参数的超大规模神经网络，这一突破彻底打破传统小模型在泛化能力上的局限，使模型能够更精准、高效地识别各类工业缺陷。

图：视觉检测大模型正在实时分析工人操作是否合规

在训练范式方面，大模型实现了少样本学习的重大革新。每类目标仅需1-5个样本，即可完成迁移训练，相比传统方案，标注时间大幅缩减80%以上，显著提升了模型训练效率，降低人力时间成本。

在部署模式方面，AI+视觉大模型采用一体机“零侵入式”部署，能够在72小时内完成产线全链路测试。这种便捷高效的部署方式，既不影响原有生产线的正常运行，又能快速让新技术落地应用，为工业企业智能化升级提供有力支持。

在美芝杏坛工厂的实地验证中，技术团队将24种缺陷类型创造性重构为“正面、反面、侧面、顶面、OCR”5大核心场景，利用大模型的少样本学习能力，不仅在7天内完成9大检测项的POC测试(验证性测试)，更搭建起支持跨产线、跨机型快速部署的模型管理平台。这种“即插即用”的技术特性，让老工厂的智能化改造不再需要“伤筋动骨”。

三项突破重塑行业标准

从“人工挑刺”向“智能预警”质变

AI+视觉大模型在美芝项目中展现出颠覆性成效，通过可量化的三重突破，重新定义了工业质检的技术标准与应用范式。 通过多模态数据融合与迁移学习技术，大幅减少了数据标注与模型训练资源消耗，开发成本直降66%；凭借端侧部署的工业视觉检测大模型一体机，成功实现了从数据采集到模型部署的快速迭代，训练周期缩短超80%；依托动态缺陷特征捕捉能力，精准识别传统检测手段难以发现的隐蔽瑕疵，树立了智能制造质量管控的技术标杆，为行业提供了可复制、可推广的新范式。

图：大模型训推软件正在实时识别螺钉漏打场景

目前，“AI+视觉大模型”正在珠三角地区得多个工厂复制，并逐步从家电领域向电子、装备、轻工纺织等行业扩散，成为工业质检普惠化的标杆范本。未来，中国联通将继续深耕“AI+视觉大模型”技术，通过与制造业企业的深度合作，共同探索更多场景的智能化应用。

作者：卢蒿 李悦款 邓颖瑶 王欢

编辑：晓燕

指导：辛文