从Auto到AI，X光检测走向新蓝海

X光检测市场正迎来发展分水岭，AI成为影响行业格局的关键变量。

文｜徐鑫

编｜任晓渔

01

折叠数十万次的铰链和一毫米的骨头

iPhone Duo ，过去一个多月里全球最受瞩目的一款电子产品。一开一合，屏幕从5.4英寸切换到7.6英寸，内外屏画面丝滑同步，开合手感据说像“关上一扇高端汽车的车门”。

精妙的产品体验背后，离不开一个个金属齿轮、转轴、弹簧、阻尼机构等机械零件组成的精密部件——铰链。

它由超过数百个微小功能件组成，对开合松动和异响有严格要求，耐用性循环测试的次数通常以十万次计。这也是折叠屏产业链上最难检的一类零件——所有可能出问题的地方，都藏在结构内部。

检测铰链质量的两种办法，都有明显不足。一种是拿放大镜看，但只能看到表面；另一种是用 X 光穿透成像，再靠人眼判读。

“里面有一些裂纹，有一些销钉、螺丝钉之类的嵌在里面的话，人眼是很难分辨出来的”。海康睿影总裁王威介绍，人眼看还有规模上的限制，单个人根本无法一天看几千张X光片。

三年前，折叠屏铰链的X光检测被搬上产线，从人眼判片变成了AI全自动判片。X光穿透成像的物理原理没有发生变化，变的是成像之后的环节——AI接管了判读，通过X光AI全检，不良率下降1个数量级。

这不是孤例。汉堡的肉饼检测环节也是同样，一块再也很难吃到碎骨的鸡肉饼背后也有X光检测设备的影子。鸡胸肉、鸡腿肉里的碎骨，从外面看不出来，只能靠射线穿透去找。骨头越细越薄，在X光图像上留下的痕迹越淡，也就越难和肉的纹理区分开。AI加持下，检测能力大幅提升，1毫米厚的碎骨也难以藏身。

除了上述场景，在食品异物检测、PCBA焊点检测、工业探伤等多个工业检测场景，X 光与AI结合带来的检测能力提升、检测成本降低，推动了X 光检测设备的更大规模应用。

最近的工博会上，海康睿影正式发布高精度半导体封装 3D AXI 检测设备，更是把检测能力推到亚微米尺度，在保持可靠性与一致性的前提下，设备能够实现亚微米级量测、3D图像重建及缺陷分析，由此X光检测进入先进封装、实验室失效分析等门槛更高的市场。

高精度半导体封装3D AXI检测设备。

这是X光检测智能化进程中的一个新刻度。

但如果回看整个X光检测领域，过去几十年其实传统且变化缓慢。

1895年伦琴发现X射线，此后数十年间，X射线检测逐步形成专门的设备与行业。由于技术路线相对成熟、更迭缓慢，业界几乎将它与传统的机械工业装备划上等号。市场格局也相对稳固，Viscom、欧姆龙、诺信等海外头部厂商因布局早、投入时间长，在中高端市场占据主导。

不过，七八年前，新的变化开始出现。

随着AI技术与X 光机的结合，传统的X光检测行业步入了高速技术迭代周期，AI更是成为影响行业格局的关键变量。中国厂商作为X光检测领域的追赶者，在这波浪潮里迎来了新的发展契机。

海康威视是典型的一例。2020年海康睿影成立，承接海康在X光探测方向的技术、研发、生产和销售。不同于传统的X光检测设备商，洞察到了AI与X光的融合浪潮，海康睿影致力于以AXI（AI X-Ray Inspection）重新定义行业里的自动化X 光检测设备（Automated X-Ray Inspection ），并很快在行业里崭露头角。目前海康睿影在多个细分领域跻身国内前三，高端装备的性能则“基本达到了第一梯队水平”。

王威认为，X光本质上是一种通用能力，它能穿透物体，形成图像。许多产品都有检查内部缺陷的需求，只是这种能力长期留在实验室和品质部门里做抽检，很少能规模化走上产线

而这项通用能力要走上更多产线，卡点有两个。“第一是投入产出比，X光的性价比。第二点是能力问题，能不能实现智能化检测”。

在王威眼中，这一幕与几年前工业相机领域的变局有着惊人的相似。2015 年以前，很少有人想到工业相机会在产线上随处可见，此后几年里，随着国产厂商推进技术进步和成本下降进程，AI 让越来越多的外观检测可以自动完成，工业相机成了产线上的标配。

现在X光检测领域也在迎来同样的时刻。在一条被欧美日企业主导了几十年的赛道上，中国厂商正凭借AI和产业链积累改写竞争规则。

02

往回看一片红海，往前看一片蓝海

一个问题随之而来。为什么从安防起家的海康，能进军X光检测，并在工业检测领域快速崭露头角？

王威梳理过一遍：过去漫长岁月里，X光在工业里真正形成产业规模的主要是三块——食品异物检测、PCBA焊点检测，以及工业探伤，比如铸件里的气孔和裂痕。

前两个场景能成规模，在于场景足够简单，老一代的模式识别算法基本能满足行业内百分之六七十的需求，设备得以从实验室走进车间。工业探伤则是被安全要求推着走的。比如汽车铸件，即使是人眼读片，企业也要求一张一张看过去，必须得全检。

这三块之外，X光检测的分布其实很广。但凡企业需要看清物体内部情况，就会配置，或者放在实验室，或者放在品质部门。但没有自动识别能力，设备就跟不上生产线的节拍，只能做抽检，一家规模庞大的企业可能也只配几台。这也是X光检测在工厂里长期的状态。

要把X光设备从实验室搬到产线上，缺的恰恰是对成像后的复杂图像自动做出判断的能力。而这恰好是海康在2015年前后已经在做的事。

2015年，海康基于深度学习的产品发布，最早做的是人脸和车牌，团队随后四处寻找下一个“需要看图”的场景。安检是被挑出来的场景之一：一台安检机每天产出大量X光图像，全部靠人工判读。2016年，一个X光安检研发小组成立。接下来的四年，这个小组做三件事：X光图片的AI判图、X光成像算法，以及一些底层器件的核心技术。

到2020年前后，这支团队基本具备了整机集成设备商的能力，海康睿影正式成立。王威2007年加入海康威视，睿影成立时，他从摄像机球机产品负责人转任过来。他用一个浙江人熟悉的比喻描述当时的判断：就像钱塘江上的弄潮儿，“未来肯定是智能的装备，它不是传统装备。如果能够站在X光的AI潮头，未来就是你的，至少你有机会。”

真正做起来才发现，安检比人脸和车牌难得多。后两者识别的物品相对单一，安检却要检出刀、打火机、锂电池等成千上万种形态各异的物品，图像里还叠着各种干扰。而且新需求不断冒出来：工厂有存储介质管理的保密要求，就有了U盘识别的能力；一些国家和地区开始电子烟管控，口岸安检随之增加电子烟的识别。

王威把安检形容为“AI万物识别”的雏形，检测对象处在半开放的需求中。这种复杂度成了睿影的核心能力。工业里虽然单个场景是闭环的，检铰链就是检铰链，检罐头就是检罐头，涉及千行百业，检测对象成千上万种，但在安检场景里打磨出来的能力，在工业场景里同样适用。

睿影第一个打开的市场也在安检。今天地铁安检机屏幕由AI框出可疑物品已不稀奇，但六年前，判图几乎完全靠人眼。2020年底，成都地铁700多个安检点做了一次整体智慧化改造，每台安检机都要具备AI判图能力，睿影是主要的AI能力提供方。这一年被王威视作安检智慧化的元年，此后，从地铁到医院、法院，再到民航，安检的AI化一路扩散。

海康睿影总裁王威。

2021年，海康睿影正式进入工业检测市场。不同于传统玩家主要看重X光硬件本身，睿影的策略是押注X光和AI的融合，再拿这种融合去和用户的痛点碰撞。王威总结睿影工业检测的落地逻辑，不是先选行业，而是看“AI跟X光融合之后，在哪个场景上面能够实现价值”。多轮碰撞后，案例多了，行业对睿影的认知才建立起来。

王威还对行业当下的阶段有清晰的判断——把视角往回看，X光的产品非常成熟，但往前看行业还特别不成熟。成熟在于，X光的核心技术近十年没有大突破，行业里主要是材料、机械、装备这些传统概念，而不成熟的一点在，X光和AI的融合刚刚起步。

目前，行业数据看市场规模已不算小。全球工业X射线检测设备市场2025年规模约643亿元，到2030年有望超过千亿元，其中半导体及电子制造、食品异物是增速最快的两块，年复合增速均在13%以上。

但更重要的是渗透率指标。王威估计，目前真正用上智能检测能力的用户可能只有10%到20%。因此他也认为这一领域，“回头看是红海，往前看是一片蓝海。”

03

AI改变了X光检测的什么？

在工业检测领域，海康睿影主要围绕两条路径积累能力。“一是核心的物理感知能力，让检测具备更高的精度、更强的穿透能力；二是围绕着检测能力，实现更高的检测精度、减少检测误报”。

但真正把这两条线变成在工业检测场景里可规模化的产业，中间还隔着一道坎。

王威有一个让人意外的判断——当下，AI不是一种稀缺的能力，开源大模型随处可得，“给你时间、给你数据，现在绝大部分的公司可能都能做”。但回到具体的工业案例，真的做得好的又很少，核心原因在工业的应用讲究时效。

一款新机种从试样到量产，中间往往只有一两个月。检测设备厂商要在这一两个月里，针对一个此前没见过的品类拿出模型，还得达到用户的预期。如果有一两年时间再给源源不断的数据，很多厂家都做得出来，但产线不等人。这也是当下工业X光检测设备能不能实现价值转换的一个卡点。

这道坎决定了这一赛道长期的形态。而海康睿影在工业X光检测领域的优势也得以凸显。

以铰链为例，传统做法即便用上AI，也要几千张、上万张图片拿来训练和标定，采集和标注这些图片本身就是一场漫长的工程。而海康长期布局物联感知领域形成了观澜大模型技术底座，基于这个底座，睿影能够以更快的速度完成算法调试，适应工业现场对时效的要求。

具体来说，完全全新的品类，常规做法要几千张甚至上万张数据才能有一个初步的模型效果，而海康睿影“可能只要几百张，差1到 2个数量级”；针对已经训练过的品类，个位数的张数下睿影的智能算法就基本上能识别新物品。

睿影内部还有一句很简洁的口号，“可见即可检”。只要缺陷特征能在影像里表征出来，AI就能把它找出来。对模型来说，它们都是X光图片，图片里隐含着几种不同的缺陷特征，剩下的事是用数据去迭代。

海康睿影3D AXI在汽车电子产线。

王威把模型比作一个小孩。基于海康观澜大模型这个技术底座，能实现快速的“成长”。“我们在教他的时候不是从零开始的。这个小孩已经读到小学或者初中，再教他专业知识，需要的样本和时间自然少得多”。数据从一万张变成两百张，训练周期可能缩短二三十倍。

落到用户端，带来了三重影响——更短的时间；更高的检出率和更少的误报；更好的泛化性。“现在基本上我们的检出率能达到3个9或者4个9”，用王威的话说，用户原来对设备的心理预期是七八十分，“现在一下子飙到了90分”。

可见即可检，用AI加速迭代来更好满足工业现场的需求，本身也意味着装备领域竞争点的一场大迁移

过去的X光设备厂商依靠对某个行业的理解，再用模式识别算法把这种理解表征出来：如什么样的边缘、纹理、灰度等图像特征是合理的，企业得先理解它，才能用设备去检测它。如今，设计特征这道依赖老师傅经验的工序交给了AI，模型从图像中自动学习特征，区别合格和缺陷，能力就能渗透到千行百业。行业积累仍然重要，但已不再是唯一门票。

AI改变的也不只是判读流程，围绕着设备本身的操作交互、X光成像输入以及产线工艺都随之发生变化

X光设备到了现场，围绕不同的检测对象，伽马值、灰度等一堆图像参数要一项项调，过程很专业，门槛也高。现在AI能做到一键调参：肉食检测里有一个肉类的通用模型，原来检鸡肉，现在检猪肉，把肉拿去跑一遍，设备自己把参数调好，“傻瓜式地按一个键”就能投产。

X光图像本质上是信号和噪声，当图像模糊到隐隐约约的时候，往往是信号已经落到了噪声之下。噪声有自己的特点，利用AI技术可以把这些特点剥离掉，真实的信号就浮出来。海康睿影当下能做到基于同样的物理平台，图像质量更优。这也是海康在信号处理上积累多年的能力对X光检测的助力。

AI驱动的X光检测设备，还有可能反向作用于产线生产以及工艺本身。AI把缺陷分得够细，每一类缺陷就有了数据，围绕这些数据做统计分析，就能回溯到前端工艺，看是不是某个参数设计上存在风险。通过后面的缺陷检出，能回到前面的工艺做调整优化，检测也因此从一个终点变成了一个闭环。

04

站在海康威视的肩膀上

睿影只用了五六年时间就快速完成了从安检到工业检测的布局，王威不回避来自海康威视的助力，“我们不需要从0做起，因为我们站在海康威视的肩膀之上。”

目前，海康威视在物联感知领域广泛布局，从可见光拓展到X光、红外、毫米波、声波等感知领域。睿影承接的是X光探测，X光波长仅零点几纳米到两三纳米，虽然是光谱里很小一块，但不可或缺。这种多维感知布局，除了观澜大模型对睿影在智能算法上的底座支撑，还让X光成为海康威视进入工业检测市场工具箱里众多工具的一环。

以一颗芯片的检测为例：X光擅长看内部，判断金线焊点有没有焊好、有没有断、曲率是否合格。而上下层材料胶合不良形成的平面层裂痕，X 光看密度看不出差别，超声对深度敏感，能分辨到微米级；晶圆表面的划痕，X 光和超声都看不到，得靠检测显微镜；至于焊点被污染，可以交给质谱仪……海康威视的这些多维感知技术互相补位，帮助用户解决不同问题。

海康睿影工业检产品在食品检产线。

因此，海康在工业检测领域形成了一套“从宏观到微观、从几何尺寸到物质识别”的全域探测能力，服务用户不同场景里多样化的需求。X光设备看“内部”，海康机器人的工业相机看“表面”。在同一座工厂里，可能部署着来自海康威视的不同检测设备。

另外，海康的技术与制造体系，还为睿影提供了两重助力。

一方面，软硬件一体，AI能力和硬件设计从产品研发之初就绑定在一起。传统X光厂商如果想补上AI，一个常见做法是找大模型公司接入第三方算法。但工业检测不是通用模型的战场，一个项目可能只有十多台设备，如果与外部合作，模型的研发成本只能摊在十多台设备上，成本高昂难以为继。而海康软硬件一体，端到端的能力使得从传感器出来的原始信号开始，甚至在传感器设计之初就考虑到如何发挥AI能力，这必然带来性能上的差距。

海康工业制造能力的另一重助力在于，它为睿影的产品打磨提供了零号客户。工厂本身是试验场，睿影很多产品，都会先在海康威视的生产基地批量使用。比如，睿影的在线X光检测设备就可以被用在海康威视的产线上，检查装好的摄像机包裹里有没有漏掉电源、螺丝包这类配件。海康睿影由此有了检验产品能力的战场，有利于产品能力迭代。

伴随着海康睿影一路发展的，还有国产产业链条的发展进程。X光设备现在一个是成本在下降，一个是能力在提升，这两个瓶颈正在同时被打开。王威把这归因于中国基础工业的整体进步。当产出大于投入，规模应用加速，原本只放在实验室的X光检测设备才有机会走上产线。

在王威看来，X 光的成像技术虽然一直在进步，但速度不快，是一根以十年计的轴，行业内很难差异化。而AI 是另一根轴，当下正快速演进，机会也更多。更重要的是，“在整个工业门类的这么多场景当中，没有去实现落地和赋能的场景还很多”。

在这条主轴上，以海康睿影为代表的中国厂商当下大有可为。

王威纵观全球范围内AI跟X光检测场景应用的融合，发现做得深入的不多。究其原因，一方面在于技术投入体量。X光行业里几十亿营收已经是很大的公司，但它们很难像海康威视这样长期持续支持观澜大模型在感知领域的投入和积累。

另一个是投入意愿。一个场景落地可能只卖几台设备，需要大量的算法定制，海外厂商也缺乏投入意愿，“AI本质其实就是定制，本质上就是服务”。

结语

睿影给自己定了一个中短期愿景，“致力于做全球最好的AXI”。王威没有对最好的标准给出更多的量化指标，他的视线停在客户需求上，“用户用得最好”。

在他看来，推动整个智能检测设备领域进步的最大动能既不是技术也不是厂商，而是人们对美好生活的要求

要求越高，头部厂家的品控就越严。一家供应商用新能力把不良率降到别人的一半，终端客户就会回头要求其他供应商达到同样水平，最终今天的最高水平，会变成明天的最低标准。

推动了X光检测设备在一类又一类场景里的推广，是中国制造质量水平不断提升的注脚。而它还在往更细的地方走——从一台折叠屏手机铰链里那颗漏装的螺钉，到一块鸡肉饼里一毫米厚的碎骨……美好生活在不断地穿透，穿透到一个很小很微观的事情上。而在工业这条线上，用王威自己的话说，一切“才刚刚开始”。