從產線到星空，這些AI工程師帶著演算法上天入地

在眾多的科技類整活影片中，你可能看到過這麼一類：有人會將一部手機拆解成一個個零部件，然後裝裱起來留作紀念。這些影片能讓我們清晰地看到手機內部精密的構造以及聯結器、攝像頭支架等平時不容易看到的各個小零件。

圖源：http://www.yankodesign.com/2021/01/18/this-framed-disassembled-iphone-5-makes-the-perfect-gift-for-any-tech-lover/

這些零件精度、品質要求都很高，為了滿足這些要求，我們的製造工藝一直在快速迭代。

以上圖中的 SIM 卡聯結器、攝像頭支架為例，這些小零件由金屬粉末混合粘結劑燒結而成，因此相比傳統工藝生產出的零件密度、精度、表面光潔度更高，對零件的結構複雜性限制更小。

但到了出廠前的檢測環節，這些優點反而增加了質檢員發現零件缺陷的難度，比如零件會因高反光特性而導致產品缺陷與正常反光混淆，而零件的複雜結構又會導致有些缺陷從單個角度不容易被發現。這些特性使得它們的外觀檢測變得極其困難。在大部分生產環節都已經達到高度自動化的今天，零部件的外觀檢測成了不少製造類企業產能爬坡的瓶頸。

工廠「幸福的煩惱」

假如你是一家 3C 零部件生產企業的負責人，今年拿到的訂單比去年增加 20%，理論上是一件很開心的事。

但事實上，訂單增長的背後，還有另一面。

如果無法實現質檢環節——尤其是外觀質檢——的自動化，這多出來的 20% 可能會成為“負擔”。因為你需要招更多的人來完成這多出來的質檢工作，而現實是招工很難、而且招工也很貴。

外觀檢測不同於尺寸檢測，後者是高度標準化的，有一個大家都認可的測量標準，因此傳統機器學習方案可能就能解決。相比之下，外觀檢測則要麻煩得多：什麼樣的缺陷可以容忍，什麼樣的不能容忍，不同的質檢員可能會做出不同的取捨，最終可能還要由「黃金眼」（經驗豐富、出錯率極低的質檢工人）來裁決；而且，由於零件形狀不規則，有些缺陷非常隱蔽，需要質檢員拿在手上多角度觀察，甚至用手按壓一下才能發現。這就導致一般的檢測裝置和檢測方法都難以滿足要求。

那能夠篩選出大部分缺陷的裝置能將就用嗎？在要求嚴苛的製造業，這個答案是否定的。

要知道，一旦流到下游的零件被發現存在一小點缺陷，下游客戶（比如組裝廠）就會投訴，甚至將一個批次幾萬件產品全部退回，要求上游重新檢驗一遍。此時，上游的零件廠商就要付出雙倍甚至更多的人力成本來解決機器造成的問題。因此，如果機器能力不過關，製造業廠商用起來可能得不償失。也正因如此，他們往往會要求外觀質檢自動化解決方案的提供方在某些嚴重缺陷（比如裂紋）的檢測能力上達到“零漏檢”。

在過去的幾年裡，這個“零漏檢”的要求讓不少技術團隊折戟沉沙。大部分 3C 零件製造商依然要依靠人力來完成外觀質檢這項重複率很高的工作，並承擔著質檢工人因疲勞帶來的漏檢損失。

用「機器眼」挑戰「黃金眼」

當今愈演愈烈的「招工難」暴露出一個問題：沒有人願意日復一日地重複「拿一個樣品看一下，轉一圈看 1 分鐘後放回去，再拿一個樣品再看」這樣的枯燥生活。因此，用機器解放外觀檢測人力是遲早要做的事情，即使再難也要做。

從事金屬粉末注射成型（MIM）產品製造的富馳高科在 2015 的時候就投入上千萬去做相關產品，2019 年也嘗試過一些基於深度學習的視覺質檢樣機，但結果都不太滿意。直到 2020 年，該公司偶然接觸到騰訊優圖實驗室團隊，事情才發生轉機。

騰訊優圖是騰訊旗下頂級人工智慧實驗室，在計算機視覺領域有著深厚的技術積累與行業實踐。在派人進駐富馳高科之前，優圖也做過一些「AI + 工業製造」的專案，比如和華星光電合作打造的自動缺陷分類（ADC）專案，該專案當時為華星光電節省了過千萬的成本。

不過，兩個專案還是存在很大差別的。在富馳高科這類零部件外觀質檢專案中，他們發現，要想讓機器不遺漏零件缺陷，僅提高演算法「識圖」能力是不夠的，還需要解決成像、後續流程改善等一系列問題，需要開發人員非常瞭解產線。

舉個例子，「髒汙」和「壓傷」在圖片上看起來都是一個黑點，但小面積的髒汙可能並不算缺陷，你如何保證機器不錯判？在和質檢人員交流的過程中，優圖團隊得知，只看平面圖像的話他們也分辨不出來，需要斜著看或者擦一下才能判斷。這就意味著，機器之所以出錯，除了演算法還需要打磨之外，人提供給它的資訊也是有待補充的。

於是，他們創新應用了一種「光度立體」拍攝方案，即給拍攝裝置加上一圈光源，讓光從四個角度輪番照亮並拍照，然後利用這四張照片合成一張帶有 3D 資訊的影象，顯示「黑點」是否有凹凸感。此外，為了解決標準不統一給演算法帶來的干擾，他們還拿著這些照片和「黃金眼」反覆確認，去擬合外觀質檢中的一些「浮動標準」。

類似這樣的小問題在工業專案中層出不窮，不親自接觸產線可能很難想出解決方案。就像騰訊雲副總裁、優圖實驗室副總經理吳永堅所說，「如果我們不躬身入局，這個事兒就很難做。」

在長達 300 多天的駐場研發後，優圖成功地將很多外觀檢測中的小問題翻譯成了演算法能夠理解的語言，最終為富馳高科量身定製出「騰慧飛瞳」AI 質檢儀。該質檢儀 4 秒就能完成一個產品的質檢，一天可以檢測 2 萬個，嚴重缺陷能做到零漏檢，而且只需要補充少量資料就能用到新產品的外觀檢測上。在 10 多臺裝置持續滿載生產的情況下，該專案預計每年為富馳高科節省成本數千萬元。

騰慧飛瞳 AI 質檢儀

最重要的是，這個專案幫助騰訊優圖在消費電子行業立下了一個標杆案例。訊息傳開後，越來越多的廠商開始找到他們，希望定製類似的產品。因此，他們後續又承接了立鎧精密等幾家製造類企業的質檢專案，並保持了嚴重缺陷漏檢率接近於 0 的好成績。

從產線到星空

專案多到做不過來，對於可複用性、標準化的追求就會提上日程。騰訊雲工程師張琳樑介紹說，其實在做完富馳高科的專案之後，他們就有一些東西可以再次拿來用了，比如上面提到的光度立體方案，因為很多行業的質檢都涉及髒汙、凹坑、劃傷等基本缺陷。

為了讓這些行業知識的積累更加系統，複用起來更加有效，他們按照材質和工藝對接觸的產品進行了分類，比如某品牌手機的中框和某筆記本的外殼使用的都是基於「鋁件 + 陽極氧化」的工藝，它們的缺陷型別自然也類似，按照這個思路設計的質檢產品可以適配更廣泛的生產線。

有趣的是，這些在真實場景中打磨的技術、提煉的知識不僅可以用在工廠的產線上，還可以擴充套件至星空。

在去年的世界人工智慧大會上，騰訊官宣了與國家天文臺合作的「探星計劃」，即基於優圖實驗室計算機視覺技術、騰訊雲端計算及儲存能力，用 “雲 + AI” 幫助中國天眼 FAST 處理每天接收到的龐大資料，並通過視覺 AI 分析找到脈衝星線索。在同等算力下，騰訊幫助國家天文臺將資料處理效率提升了 120 倍。

脈衝星是一種快速旋轉的中子星，由恆星演化和超新星爆發產生，可用於引力波探測、黑洞等相關研究，這有助於解答許多重大物理學問題。此外，由於可以發出精確的週期性脈衝訊號，脈衝星還有星際導航的作用，因此被稱為「宇宙燈塔」。它在星際旅行中發揮的作用就類似我們在地球上用的GPS。

經過一年的合作，截至目前，探星計劃已從巡天觀測資料中找到 22 顆脈衝星。其中，包括在天體物理中具有較高觀測研究價值的高速自轉的毫秒脈衝星 7 顆，具有間歇輻射現象的年老脈衝星 6 顆。此外，優圖動態譜 AI 模型還首次探測到了某磁陀星射電脈衝。

在總結專案經驗時，同時參與了工業視覺質檢和「探星計劃」兩個專案的騰訊優圖實驗室研究總監汪鋮傑介紹說，這兩件事情在底層的技術上是有共通性的：「從宇宙中接收到的訊號大部分都是宇宙背景，小部分才是跟脈衝星相關的東西。在工業質檢裡面其實也一樣，大部分的零件或者大部分零件的面積都是屬於正常的狀態，發現缺陷也是較小概率的特徵查詢。」

脈衝星相關影象資料

因此，對於一家已經在 AI 技術上打磨了十年的機構來說，拓寬技術的應用邊界、解鎖更多場景沒有想象中那麼費力。

目前，這些技術、知識都沉澱在一個名為「騰訊雲 TI」的一站式平臺上，這個平臺包含騰訊雲 TI ONE、TI Matrix、TI DataTruth 三大 AI 底層平臺，可以提供包括演算法開發、模型訓練、資料標註和資料處理等一系列開發能力，將優圖等騰訊優秀實驗室多年以來的研發成果低門檻地輸出到各行各業。

在今年的 WAIC 世界人工智慧大會上，騰訊雲副總裁、騰訊優圖實驗室總經理吳運聲還公佈了 TI 平臺的最新升級成果——推出 AI 加速功能 TI-ACC，其訓練加速效能較原生框架提升 30% 以上，模型推理加速比達 2 倍以上。這將加速 AI 大模型在各行各業的落地速度。

不過，工廠產線等現實場景的複雜性決定了，這個一站式平臺所代表的標準化路徑並不是一蹴而就的。就工業這一個賽道而言，吳永堅也認為，現階段就說要進行整個工業 AI 的標準化是不現實的。他們想做的是找到一些細分賽道重點打磨，比如 3C 和鋰電的標準化，然後再去解鎖新的領域。

在展望這個平臺的未來時，汪鋮傑說，下一步它會是高度自動化的、低門檻的，會根據你的任務自動去選擇到底用哪個演算法模型，告訴你每一步該怎麼去做，從而讓更多人能用上這些能力。 

結語

聊製造業，「工廠外遷」、「南亞人口紅利」都是繞不開的話題。張琳樑認為，他們的工作就可以幫助應對這種危機，因為如果我們實現了人工智慧提高效率，把人力分配到更需要的地方，那麼我們的裝置可能比國外的人工成本更低，這有助於鞏固我們的製造業大國地位。

最近幾年，國家層面也在鼓勵企業做這方面的事情。上個月，科技部等六部門公佈了《關於加快場景創新以人工智慧高水平應用促進經濟高質量發展的指導意見》。《指導意見》指出，以促進人工智慧與實體經濟深度融合為主線，以推動場景資源開放、提升場景創新能力為方向，強化主體培育、加大應用示範、創新體制機制、完善場景生態，加速人工智慧技術攻關、產品開發和產業培育，探索人工智慧發展新模式新路徑，以人工智慧高水平應用促進經濟高質量發展。

包括騰訊在內的很多網際網路、科技企業都在朝著這個目標努力，他們的研究人員也在越來越多地走出實驗室，去更加深入地接觸、瞭解行業。吳運聲表示，他本人也經歷著一些工作上的變化，除了擔任優圖實驗室總經理外，他現在還兼任政企業務線產研負責人，這一業務線包含工業能源、運營商、文旅、地產等多個行業板塊，這讓他「有更多的機會去接觸這些行業實實在在的需求」。

他在今年的世界人工智慧大會騰訊論壇上說，「騰訊始終堅定相信，在人工智慧技術革新與產業場景創新應用並舉下，技術將會更好地助力實體經濟高質量蓬勃發展。面向未來，騰訊也將持續精進 AI 技術與開放平臺的產品創新能力，為企業和開發者提供更加豐富的平臺化服務。」