在工業制造的微觀世界里，一枚只有綠豆大小的零部件正經歷著檢測技術的顛覆性變革。

中國企業報新質生產力調研行走進森賽睿

曾幾何時，它們需要工人趴在顯微鏡前，以毫米級的精度逐一審視表面劃痕、裂紋或裝配缺陷，一天下來最多檢測數百個，眼睛酸澀、效率低下是常態。而如今，在武漢森賽?？萍加邢薰荆ㄒ韵潞喎Q森賽睿）AI視覺檢測技術加持下，同樣的零部件檢測效率可以提升7到8倍甚至幾十倍，漏檢、錯檢率更是控制在萬分之三以內——這場從“人眼主導”到“AI接管”的轉變，不僅重構了工業檢測的成本邏輯，更揭開了智能制造升級的冰山一角。

圖1 森賽睿視覺AI生態鏈架構圖

破解傳統檢測“效率、成本、精度”三重枷鎖

在傳統工業成品檢測中，產品生產出來后，檢測人員只能用肉眼或者借助設備儀器輔助，如顯微鏡，逐個對某些產品的表面缺陷、尺寸、形狀等進行檢測。完全是靠人的眼睛，哪怕借助設備儀器，眼睛依然是檢測的核心。

沒有接觸過這樣檢測的人可以腦補一下這樣的一個場景：某工廠的成品檢測車間里，工人小張正手持鑷子，將一枚綠豆大小的立體零部件（直徑或許只有幾毫米）放在顯微鏡下，然后對零部件的6個面逐一進行檢測。假設每檢測一個零部件需耗時40秒，一天8小時滿負荷工作，最多也只能完成720個。

這種場景正在發生深刻的變化。引入森賽睿的AI視覺檢測設備后，同樣的零部件檢測時間可以壓縮至5秒以內，單臺設備日均檢測量突破1.3萬個——這意味著一臺設備的效率相當于18個熟練工人，且可24小時連續不間斷的運轉。

圖2 某型元器件缺陷視覺AI檢測示意圖

這種效率“革命”的背后，是傳統檢測“人眼生理極限”與AI“算力無限”的本質差異。傳統機器視覺雖早于AI出現，但依賴固定算法分割圖像（如黑背景找白缺陷），一旦遇到零部件表面反光、材質差異或光源波動，就需人工重新調試參數，單次調試耗時可達數時。

據森賽?？偨浝碓浇榻B，他們曾接過一個汽車傳感器檢測項目，傳統方案因雨天與晴天的油漆光澤度差異，每周都需工程師重新校準光源，而AI方案通過特征學習，一次訓練即可自適應環境變化，破解了從“毫米時代”到“秒級競速”檢測的“效率枷鎖”。

隨著信息技術的不斷深入，原來靠信息差賺取利潤的時代一去不復返，特別是當前世界經濟快速下行，企業的利潤空間也正在不斷的被壓縮，而人力資本又不斷上升，這種成本壓力與企業利潤形成的“哥德巴赫猜想”式的難題正困擾著所有的企業管理者。

更棘手的是，現在的年輕人寧愿去送外賣，也不愿進工廠，特別是從事這種枯燥的顯微鏡檢測工作。招人難，離職率高，對于企業來說，再次招聘，不僅增加招聘成本，對于新招員工還需要增加培訓的成本。而對于個體來講，長時間的工作，對眼睛以及腰椎可能會造成嚴重的傷害。而如果用上森賽睿的AI技術檢測，一次性投入后，這些煩惱也一次性解決了。

與此同時，森賽睿的“云邊協同”模式則重構了成本結構。假設一家企業成品檢測人員36人，按照人年均8萬元計算，則年人力成本288萬元。而按照上述一臺設備相當于18 個熟練工人，36人的檢測只需要2臺AI檢測設備（含云端訓練平臺授權）。設備按照每臺30萬元，則設備60萬元。設備折舊一般為10年，則每年的設備投入成本為6萬元，粗略計算，設備投資只占人力投資的2.08%。更關鍵的是，AI設備無需休息，能耗成本遠低于人力管理開銷，破解了人力密集型模式難以為繼的“成本枷鎖”。

而在精度檢測上，特別是高科技產品的元器件、芯片等，人工檢測的“不確定”性給成品檢測也帶來諸多“不確定”。

調研中袁方介紹，在傳統的人工檢測中，比如元器件中的一些細微劃痕，盡管檢測有標準，但是用肉眼去看，每個質檢人員的“肉眼標準”不一樣，最終造成產品質量存在細微的差異，導致同一批次的質量合格率下降。

森賽睿承諾的AI檢測漏檢率只有萬分之三，意味著每10000個已檢測的成品零部件中，最多僅有3個存在漏檢或者錯檢，而且檢測標準完全統一——這種檢測的穩定性源自AI的“特征學習”能力。

圖3 視覺AI云服務平臺模型深度學習界面

以焊接缺陷檢測為例，工程師只需在云端平臺標注30-50張含焊皮、異物的圖片，AI即可通過深度學習識別缺陷特征，無論缺陷出現在零部件哪個位置，或因光照產生細微陰影變化，AI都能精準識別。

據袁方介紹，他們與合作方鹽津鋪子的鵪鶉蛋檢測，只在云平臺標注30張圖訓模型下載到控制器里，插上相機就能運行。如果是傳統方案，光硬件的選型就得工程師調試一周，而AI設計完成之后，就像傻瓜相機一樣，簡單好用，文化層次較低，或者不懂AI技術的人只要會開機就能熟練地使用，徹底解決了人眼誤差與工業標準矛盾中的“精度枷鎖”。

圖4 視覺AI云服務平臺標注界面

技術閉環與生態構建的AI視覺破局

在工業檢測中，“缺陷樣本稀缺”曾是阻礙AI落地的核心難題。像有的高精尖零部件，某種裂紋缺陷一年可能僅能出現數十次，造成難以收集到足夠樣本訓練模型。而森賽睿的“小樣本訓練”技術則突破了這一瓶頸——通過無監督學習（用合格樣本判斷異常）與擴散注意力模型（生成模擬缺陷圖），僅需30-50張真實缺陷圖即可啟動訓練，訓練時間壓縮至分鐘級。

“我們就像教小孩認東西一樣。”袁方解釋道，“先給AI看100張合格零件圖，它會學習‘正常樣本’的特征分布，再給它看20張帶裂紋的圖，它就能識別出‘異?！?。如果樣本還是不夠，我們就用擴散模型生成類似裂紋的模擬圖，讓AI進一步學習?！?/p>

圖5 視覺AI“無監督訓練”方法

這種技術讓AI在新能源電池極片檢測、PCB板焊點檢測等稀缺缺陷場景中快速落地，用“極簡數據”撬動工業場景，極大地降低漏檢和錯檢率。

另外，森賽睿的解決方案是“云端訓練+邊緣部署”——用戶在云端平臺訓練好模型后，將輕量化模型下載至本地檢測軟件，配合自研的AI控制器（集成AI 算力芯片），實現30毫秒/圖的處理速度。

這種架構帶來的雙重優勢是，一方面，云端彈性計算避免用戶自建服務器，節省硬件成本；另一方面，邊緣側實時處理滿足高速產線需求，真正實現從“云端訓練”到“邊緣部署”的全鏈路打通。最重要的是，數據無需上傳云端，解決了企業數據保密的顧慮。

圖6 視覺AI檢測推理軟件

值得關注的是，森賽睿還將AI檢測實現模塊“傻瓜化”，讓不具備AI技術的群體同樣能夠迅速地進行檢測操作，真正實現讓“AI平民化”照進工業現場。

在森賽睿合作的山東某烤鴨廠車間里，質檢員李大姐正在用森賽睿的AI平臺檢測鴨皮炎。她是一位從未接觸過編程的員工，卻同樣能熟練完成“上傳圖片-圈選皮炎區域-選擇‘速度優先’”等程序操作。

“跟用手機修圖一樣簡單，”李大姐笑著說，“以前挑皮炎鴨一天累得眼花，現在設備自己跑，我只需要抽檢就行?！?/p>

圖7 肉類（鴨）加工生產線

據森賽睿汪工介紹，這種“零代碼”能力源自森賽睿的云端訓練平臺。平臺提供可視化引導界面，用戶無需懂AI算法，只需按步驟標注缺陷、選擇檢測目標（如“劃痕”“變形”）和模式（速度/精度優先），系統即可自動生成模型。

比如，要檢測中藥飲片，拖一個顏色識別模塊，再拖一個“紋理分析模塊”，接上相機就能實現檢測霉變和切片厚度，整個過程就像搭積木一樣簡單，完全不用寫代碼，比傳統方案省心多了，真正實現讓“AI檢測平民化”照進工業檢測現場。

從“設備商”到“生態構建者”的商業進化路徑

早期的森賽睿以軟硬件一體化銷售為主，“云平臺+軟件前期免費試用”這種模式快速打開了中小企業市場。但公司創始人袁方有著更長遠的規劃：“我們的終極目標是打造‘產品-服務-數據資產’的閉環?！?/p>

比如，針對軸承行業，森賽睿計劃通過積累10萬+軸承缺陷數據，訓練出“軸承通用檢測模型”，新用戶無需自己標注數據，直接調用模型即可檢測，大幅降低使用門檻，將實現從“硬件銷售”到“數據資產”的閉環商業模式。

在工業視覺領域，許多進口品牌曾長期占據高端市場，一套檢測系統售價動輒數十萬元。森賽睿通過全產業鏈自研打破了這一局面，核心算法100%自研，基于更貼近工業現場的需求洞察和AI賦能，大幅降低視覺檢測系統的部署成本。

像精密電子元件檢測這種場景，傳統方案光打燈調試就得請專家花上半個月，現在采用森賽睿的AI檢測平臺，拍一些元件圖片，十分鐘訓練一個模型，插上集成控制器就能用?！皩ζ髽I來說，檢測成本大幅下降，產品良率大幅提升?！痹礁锌?。

浙江某電子廠老板算了一筆賬：“以前買某知名視覺大廠的設備，一臺夠買森賽睿五臺，現在用森賽睿的設備，一年就收回成本，省下的錢能擴產一條新產線?！?/p>

事實上，森賽睿的規劃遠不止于“替代人工檢測”。據袁方透露，公司正在研發“數據洞察”產品，將檢測數據轉化為生產優化方案。例如在某商場人流檢測項目中，AI不僅能識別“有沒有人”，還能記錄每個人的移動軌跡、停留區域，半年后生成的熱點圖顯示，商場西北角的化妝品柜臺人流量最大，商家據此調整了陳列布局，極大地迎合了消費者的需求，商家自然銷售額得到極大的提升，而對于森賽睿來說，則完成了從“缺陷檢測”到“數據洞察”的價值升級。

“我們要做的不是‘工業眼睛’，而是‘工業大腦’。”對于未來的發展，袁方表示，在工業領域應用方面，鞏固應用基礎，通過銷售帶動技術進步；在產品化布局方面，重點在多應用場景下，行業應用只推廣成熟的解決方案；在數據洞察引擎方面，重點在視覺基礎上，通過數據挖掘，提升數據價值；在行業模型方面，主要是通過降低數據需求與訓練成本，提升行業解決方案的精準度和效果。

事實上，作為國家高新技術企業，森賽?？萍际冀K堅持核心技術自主可控，在視覺AI算法、邊緣計算硬件、工業軟件等領域形成技術矩陣，累計獲得32項知識產權及“人工智能企業”“中國軟件企業”等權威認證。其研發的視覺AI生態鏈產品已在半導體芯片封裝檢測、新能源電池缺陷識別、汽車零配件缺陷檢測、精密部件裝配定位等復雜場景實現規?；瘧茫@著提升生產效率與良品率，成為高端制造領域質量管控的“數字哨兵”。

作者：左振乾 鐘文

監制：張劍

編輯：李南