制造业数字化转型已迫在眉睫。

当前，毛利率低、附加值低、劳动力成本高等问题严重制约着企业的经营发展。

只有通过数字化，向上打通生产制造环节，向下拓展运营服务，才能实现整个工厂的智能化改造，从而进一步提高制造业的附加值。

而数字化的关键，是通过物联网、人工智能、大数据分析等技术，将收集起来的数据充分利用起来，一方面优化生产流程，提高生产效率和质量；另一方面利用数据产生新的业务价值，打造新的增长点。

现阶段，我国制造业数字化程度并不高，虽有一些智能化改造，但对数据价值的挖掘并不深。

究其原因，在于制造业企业转型本身是一个系统化工程，加上企业本身少人才、缺技术，转型非常困难。

 制造业转型之痛：缺技术、少人才

在数字化洪流面前，企业并非不想转，而是不会转、不敢转。

由于许多中小企业制造业生产存在“小批量、多品类”的特征，如果沿用原来的模式，当市场需求变化时，企业的产线很难灵活调整生产计划。

商业模式变化之外，伴随着人口劳动力红利的消失，制造业企业招工难、用工荒等问题开始凸显。

对于制造业企业而言，老旧模式弊端重重，新模式则益处多多，因而必须进行数字化改造，不改造便是没有未来。

然而，在数字化这道大门前，许多制造业企业被拒之门外。原因在于，制造业企业缺少数字化技术，同时缺乏懂先进技术的人才。

首先，制造业企业本身擅长生产制造，掌握着先进的商品生产工艺，但却不懂人工智能、大数据、云计算等新技术，很难把数据利用起来，反哺生产经营。

其次，制造业要做很多“脏活累活”，并且劳动报酬相较于互联网、科技公司，差距非常明显。这使得懂技术的人才并不愿意从事制造业，制造业行业面临着人才荒。

最后，由于缺少数字化技术的“基因”和人才，制造业企业在推动数字化改造时阻力重重，内部难以形成合力，致使许多企业想转，但又不知道怎么转。

这种“想转而不会转”的制造业企业非常之多，企业数字化转型需求旺盛。

以此为背景，市场上出现了很多解决方案供应商，互联网大厂、AI公司等纷纷入场，推出了自身的数字化解决方案，却很难落地。

传统解决方案：局限于单一技术，落地周期长成本高

质检是率先被数字化解构的生产环节。

过去，质检以人力为主，严重依赖于质检员的视力和经验，其缺点在于经验无法复制且对人的损耗极大，成本很高。

因此， AI质检正成为时下质检的主流。

但是传统的AI质检方案，要先做产线改造，然后积累数据、训练模型、调优，最后应用到产线。其部署成本极高、训练周期长、柔性差，很难满足制造业企业弹性生产的需求。

并且，工业非标场景很多，不同的工厂、不同的产线、不同的产品对于质检的标准和条件都各有差异，传统质检模型高度定制化，成本高、可复用性差，很难推广落地。

同时，由于缺乏技术能力，许多制造业企业，无法实现自我数字化改造，因此需要技术方案商从外部赋能。

目前市场上已经存在许多AI质检方案，但多数局限于单一技术，无法融合跨领域技术真正满足应用点上的需求。

实际上，制造业与人工智能的结合，其根本目的是提升效率，降低成本。对于制造业而言，企业需要的是“全面、简单且性价比高”的质检方案，能够围绕质检这个环节实现统一的工程化部署。

据相关数据统计，质检成本会占到销售额的20%到25%，全国总体市场规模大约每年1400亿，但已经采用智能化工业质检机的市场规模大约每年100亿，市场占比仅7%。目前来看，人工智能进入制造业的最后一公里仍有许多问题亟待解决。

微亿智造 “眼、手、脑、云” 全栈式方案

当前，智能制造已经由基于局部智能的能力升级逐步演变成面向全局智能的系统工程，用户的需求也从产品需求转化为整体解决方案的需求。算法开发也需要从原先的点对点定制开发逐步转向系统协同开发，同时提高解决方案的适配能力，实现更高程度的生产智能化和资源利用率。

与其他方案商不同的是，微亿智造以“工业人工智能+机器视觉”为主线，提供“眼、手、脑、云”全栈式解决方案，旨在打通“工厂智能化柔性生产的最后一公里”。

在这套解决方案中，微亿智造以视觉AI为技术基底，跨领域融合多种技术，从感知（眼）切入场景、沉淀数据，机器人智能控制（手）、训练模型（脑），通过云端灵活算力的调用，实现对质检的统一工程化改造，以满足工厂现场应用点上的需求。具体来看：

“眼”，指的是微亿智造自研的图像感知技术与可组合光学成像系统。

看到缺陷是AI质检至关重要的一环，多款不同的“眼睛”，包括灵眸OCT|3D高精度层析缺陷检测仪、灵镜PMD|立体相位偏折检测仪等，都可以将不同场景下难检测、不好检测的缺陷捕捉下来，突破高反光、镜面等复杂表面检测的行业瓶颈。

以灵眸OCT为例，在完整获得三维层析图像的基础上，透视内部结构及缺陷，并分析近表面的质量问题，从而解决工业场景中透明及半透明对象无法高效解决物体内外部3D层析检测问题 ，检测精度达微米级别，检测范围与效率大幅提升。

“手”，即机器人智能控制，所有的技术都要通过“手”来实现工程化落地。

传统的工业视觉解决方案，在工厂开机前，需要花费大量的人力和时间成本进行调机工作，且人工操作的成像点位、角度、路径等与理想情况存在差异。

微亿智造的机器人智能控制，2D和3D融合的复杂场景感知及机器人自主运动规划，其特点主要表现在：

1. 控制

机器人的每一轴运动都靠算法计算并给出指令，无需人工调试。

2. 运动

在超多点位和角度的条件下，模型可以自动计算最优运动轨迹，再结合机器人智能控制，用算法确保机器人用最优的方式找到并走完所有点位，同时确保所有点位的重复精度，让机器人自己知道该“怎么动”。

3. 柔性

机器人智能控制可以根据对象物体算法自动生成光学点位和拍照角度进行人机交互，并且具备自主学习人的调试经验，以更快的速度生成检测方案，实现柔性部署。

4. 精度

机器人智能控制通过算法控制机器人和成像模组的配合，确保在高速运动过程中完成对目标点位上的精准取像，重复误差小于两个像素。

“脑”，是更贴合离散制造需求的多任务学习和小样本训练技术。

传统的工业AI算法模型的训练，需要大量的数据和时间，模型定制化成本高，柔性很差。

而微亿智造的“脑”，思考、判断，并根据指令瞬时决断，其背后正是基于多模态开发、突破非标场景难以落地限制的多任务学习和小样本训练。

微亿智造基于数以千万级的缺陷数据累积，形成了大量的预训练模型，并基于自研的Tri-Vision视觉算法及独特的模型训练法，大大降低了对样本量的需求，相较传统方案下降70%、项目投产周期缩短90%，从而有效解决客户的柔性生产痛点。

其自带的“质量分析管理系统”，赋予了质检机器全面分析质量数据的能力，从而帮助企业完成质量分析和风险预警，减少生产过程中的质量损耗。

不论是此前的小模型、还是如今火热的大模型，本质都是为了推动AI技术的进一步落地。但现在，从需求侧出发，客户需要缩短模型训练周期，以更快的速度部署。微亿的解决方案，其超级大脑聚集了千万级模型数据集，可以更好的实现柔性化部署，更高效地解决用户痛点。

“云”，一个既能为“脑”提供算力支撑，又能链接政府与企业的云平台。

“眼、手、脑”三者相互结合，AI技术要用到各种环节中，必然需要算力支持，才能让算法模型跑出最好的效果，以此解决工厂生产制造流程中的各种痛点。

微亿智造端云一体架构的产品化应用，调用成本更低，既降低了中小规模企业使用AI的门槛，又可通过5G实现弹性算力的租用，让算力更普惠。在云技术的助力下，企业可以提高从本地到云端各类资源的利用率，实现资源价值的效用最大化。

与此同时，这也是一朵链接政府和企业的区域云。政府为了更好的帮助企业，尤其是中小企业，解决实际问题，通过云对企业进行管理，提供提质、降本、增效等各方面的数智化服务，进一步推动区域数字经济，为企业转型及政府管理提供有力支撑。

这套“眼、手、脑、云”全栈式解决方案，在AI技术的基础上，从前端到后端、基础硬件到算法平台，实现对制造业企业的统一工程化赋能。

总结

如何用技术把数据运用起来，优化流程、提高效率乃至产生新的价值点，是制造业企业数字化转型的关键。

微亿智造以视觉AI为切入点，推出的“眼、手、脑、云”全栈式解决方案，具备柔性化部署、成本低、效率高等特点，与时俱进、适应变化，更符合制造业企业的需求。

微亿智造将持续为工厂数字化转型赋能，促进全流程智能化发展。