因此，整个质检项目不仅对AI算法的要求极高，也需要数字服务商有强大的技术能力和创新能力以及协同能力。
为了如期完成质检目标，腾讯优图实验室携手富驰高科创造性设计了光度立体成像解决方案，从而克服了MIM产品因高反光特性而导致的产品缺陷与正常反光混淆的业内难题，成功判断连人眼也很难分辨的缺陷。同时，更是结合域适应迁移学习和缺陷生成技术，帮助富驰高科在产品早期样本数据严重不足的情况下，达到检测指标可用状态。
如今，富驰高科在手机摄像头组件的质检工作中，仅需几秒就能完成对目标零件数十个大小点位的采图、分析、分类的工作，而原来人工质检则需要一分钟。
这场技术上的拉锯最终取得圆满成功。不管是从未做过同类型质检项目的腾讯，还是多次找过数字服务商做过尝试的富驰高科，回过头再看，都颇为感慨。
或许，工业AI注定是一场深入且长远的拉锯战。
蹚入“深水区”，腾讯云智能与产业共振
如何在这场拉锯中取得更好的反馈？从腾讯与富驰高科的合作来看，不难发现，只有深入产业端，与产业共振，To B的技术才能真正的释放出产业价值。
继续以AI质检为例，有三个信息印证着这一趋势。
1. 工业AI不仅仅只是一个算法问题，更主要还是软硬一体化的问题。
通常来说，质检行业存在光、机、电、软、算五大部分，它不仅仅只是需要软件、算法的加持，还需要融合光、机、电几个模块一同配合，构成软硬一体化的技术解决方案。
对于腾讯这类数字服务商而言，所擅长的是软件、算法，另外三个部分就需要富驰高科予以配合，共同解决。因此，如果一家数字服务商无法深入产业之中，只是游离边缘，是很难统筹好整个工业流程的各个模块，来打造出一个优质的工业AI解决方案的。
通过与富驰高科的合作，腾讯也沉淀出软硬一体的针对3C领域的腾慧飞瞳AI质检仪，只需组装上下料设备，就能快速给3C客户完成质检解决方案的交付。类似软硬一体的技术应用在未来也将继续成为数字服务商的优势所在。
2.AI技术与工业场景须实现深度融合应用。
再者，很多创新应用并不只是简单的技术“嵌入”，而是在理解工业流程、工业设备以及工业场景之上的深度融合应用。
腾讯优图实验室所提供的视觉AI算法是本次质检项目的关键技术支持，但是这个算法在实际应用中还需要不断的更新、迭代，从而适配质检流程的需求。在这个过程中，富驰高科就基于自身的制造经验和工具应用，为腾讯的视觉AI算法优化提供了诸多建议，使得整个优化过程能更快更好的应用到质检场景中。
对此，吴永坚感慨：“为什么一定要到产线去，如果你不到产线跟这些相关的有经验的人做这件事情，你是很难实验室里面去做这些事儿。”深入工业场景，让技术与流程深度融合应用，是必要的。
3. 工业AI是一个完整的综合性方案。
总的来说，工业AI并不是一次简单的项目交付，而是数字服务商与产品制造商基于信任关系建立起来的深度合作。腾讯和富驰高科除了在工业质检上展开合作之外，未来还将共同推进智慧工厂建设，全局推动工业数字化、产业智能化。
而回到质检来看，其本身就是一个完整的综合性方案。整个AI质检项目包括了场景调研、技术赋能、IT运维、创新服务等多个环节，同步影响着富驰高科所在的供应链和产业链，关联性极强。
那么，面对这样的情况，数字服务商就必然要学会与产业共振，To B才能有实际的产业价值。
工业AI背后，制造业转型再提速
这样的产业价值不仅仅只是对生产线的一次改造，其实际更广泛的影响将是行业性的、社会性的。
比方说，近年来，工厂就存在着招工难的问题。据邓声志介绍，一方面是招人确实不好招，大家都不愿意进入工厂工作，另一方面每年的生产高峰期就只有几个月的时间，短期的高爆发需求很难进行人员招聘和管理。
基于这种情况，富驰高科就尝试着寻求AI质检，用机器来和人工做更好的协同，从而解决当前制造业普遍存在的效率低的问题。长期以往，在未来，人机协同必然会是一种常态，届时整个制造业的用工模式或许也将进一步发生改变，从而更快的发展。
同时，这种变化也将持续的影响制造业体系的演变。在腾讯和富驰高科的预想中，未来双方还将持续推动智慧工厂建设，整个技术能力从生产线向管理层，从机器到人，不断创新应用，形成一个完整的闭环。

稿源：(驱动中国)

【傻大方】网址：http://www.shadafang.com/c/111295R452021.html

标题：产业|?蹚入工业AI”深水区“，腾讯如何“对症下药”？( 二 )