AI大模型能否给工业视觉带来颠覆式改变？

最新推荐文章于 2024-09-16 16:16:24 发布

鸡腿爱学习

最新推荐文章于 2024-09-16 16:16:24 发布

阅读量344

点赞数 7

文章标签：人工智能大数据自动驾驶机器学习架构

本文链接：https://blog.csdn.net/2401_84206094/article/details/140035534

版权

在这个变革的时代，机器视觉技术正以前所未有的速度发展，广泛应用于半导体、3C、汽车、物流、医药、食品等多个领域。

就下游应用行业来看，当前3C行业、汽车行业、新能源行业依然为机器视觉应用的重点领域。其中，3C行业开始透露出复苏信号；汽车行业里，新能源汽车渗透率持续上升，为机器视觉的应用带来了增量市场；新能源行业里，锂电、光伏是机器视觉应用的两个重要细分领域，对机器视觉仍然有潜在需求。

整体来说，下游行业的周期性轮动已渐成常态，将持续考验企业的韧性和应变能力。未来如何立足存量市场，寻找新的增量，也将考验企业的技术实力和前瞻性布局的能力。

紧跟行业新趋势，5月17日，由高工机器人、高工机器人产业研究所（GGII）联合主办的“2024（第二届）机器视觉技术与应用峰会”在深圳前海华侨城艾美酒店隆重举办。

在5月17日上午由【玉贲智能冠名】的主题为“技术引变革”的创新驱动专场上，海康机器人深圳分公司CTO张能、玉贲智能联合创始人&CTO徐如钧、图漾科技CEO费浙平、瑞沃斯视觉总经理洪沛骏、安达智能光学专家范华博士等进行了精彩的圆桌对话，就“AI大模型是否能给工业视觉带来颠覆式改变？”；“国内与国外3D视觉在技术上有哪些差距？”等话题进行深度解析，本场圆桌对话由高工机器人产业研究所所长卢瀚宸主持。

卢瀚宸：海康机器人在AI+视觉应用的过程中如何保障AI的安全问题，怎样处理信息安全的问题？

在这里插入图片描述

海康机器人深圳分公司CTO张能

张能：信息安全很重要，特别是数据，正如大家所说“掌握数据就掌握了一些核心的东西”。

海康机器人的定位是聚焦AI做机器视觉产品，充分发挥我们的算法和技术创新能力，给集成商和设备商等客户提供核心产品。AI的真正落地，需要结合一些具体的应用场景，将我们的生态与合作伙伴结合一起来做，这样产生的数据就归属于我们的用户，而海康机器人则涉及不到数据层面，更多会关注AI本身和产品的打磨。

卢瀚宸：请问玉贲智能在已经成熟的系统中部署相关的安全产品要多久？如果之前没有部署相关的安全场景的又需要多久？

在这里插入图片描述

玉贲智能联合创始人&CTO徐如钧

徐如钧：玉贲智能致力于打造工业领域的AI标准品，我们的理念是尽可能的给客户提供简单方便的方案，将产品做到即插即用，比如在成熟的机械臂场景、在码垛机器人或者制造加工机器人等，可以直接安装玉贲智能的摄像头和控制器，整个实施部署过程大概只需要半天的时间。

当然，如果客户已经有了摄像头、监控等设备，也可以进行复用，直接连接现有的摄像头，在不调整视角的情况下，我们的配置部署时间大约是几十分钟，给客户带来快速、良好的使用感受。

卢瀚宸：AI大模型能否给机器视觉带来一些颠覆性的改变？

在这里插入图片描述

安达智能光学专家范华博士

范华博士：AI是最近两年非常热门的话题，我认为AI和视觉结合对机器视觉将来的应用会是一个非常大的促进，并且结合也会越来越密切。AI用在机器视觉是未来非常重要的一个方向，目前不少企业已经投入大量的人力和财力进行布局。

在这里插入图片描述

瑞沃斯视觉总经理洪沛骏

洪沛骏：近日ChatGPT推出新版本，功能非常强大。我们的研发同事上传一张图片，问它“这里面有没有缺陷？”ChatGPT不仅能回答有缺陷，还能找到具体是什么缺陷。另外就是多模态的应用，瑞沃斯视觉本身就有影像数据、视频数据、时序数据等，有时候我们会需要这些数据的帮助，提示我们接下来哪个时间点会发生故障，可能有什么缺陷等，这是我们接下来要重点着力的方向。

卢瀚宸：不管是AI大模型还是过往的AI算法，它对于视觉的价值都有赖于数据的训练，不管是大样本的数据还是小样本的数据都需要有这个过程。当前整个大模型所带来的改变和价值，是训练时间缩短？还是已经把这个过程给省掉了？

洪沛骏：大模型训练的数据非常多，而很多场景的数据并不好搜集，往往是通过大模型来解决很多通用性的问题，从而减少一些落地部署，以及减少一些模型训练的时间。
在这里插入图片描述

图漾科技CEO费浙平

费浙平：AI的应用已经实战多年，而大模型的概念我认为不乐观。首先，工业视觉是一个工程问题而不是一个科研问题，所以我们用到的都是成熟的工程技术，机器视觉不需要用到三年以内的新型技术，目前的大模型离实际的产业应用还很远。其次，就工业应用的成本来看，我觉得大模型的部署成本是不可能实现的。所以无论是从科研和工程的角度，还是从真正所需要部署实施的成本角度，三年以内产业界不可能用到。当然，从很多大公司的前沿研究角度来看，任何前沿新技术都不应该被忽视。

徐如钧：大模型应用在工业领域有两个视角：第一，大模型本身的能力是否能够为工业领域赋能，是否能做各方面的提升。第二，大模型什么时候能够真正用到工业领域？这是工程化能够直接结合到产品类去完成落地的过程，也是工业AI大模型应用的一个挑战。

不过，我对大模型持比较乐观的态度，因为大模型的能力非常强大，大模型最大的特点就是在于它的泛化性和后续对工业支持“零样本输入”，这在目前很多前沿的研究里面已经体现了，一旦实现了“零样本的输入”，将会对工业的应用和产品的落地带来极大地提升。上面也提到，工业领域的数据获得非常难，如果能够实现零样本的检测和识别，将实现巨大的成本的节省和时间节省。

从泛化性层面来看，大模型不需要太多的样本，甚至支持“零样本输入”。同时，它也可以在很多的样本中很好地输出准确结果，这是一个比较强的能力。

对于大模型面临的挑战，主要体现在两个方面，一个是大模型目前部署落地成本非常高，如果本地化部署，需要巨大的成本投入；另一个是大模型如何跟自己的应用场景做结合，这还有非常长远的道路要走。

张能：大模型应用在工业机器视觉，我认为短期内不会带来颠覆性的改变，还是需要一个过程。海康威视在做的观澜大模型，会更多的聚焦于行业当中的一些场景。

近几年，AI大模型爆发式地发展，不过还是要看真正的可落地性和实施部署的成本，如果成本投入很大但不能快速落地就会存在一些局限性，因此总体来看会有一个过程，最终为生活、生产，或者机器视觉工业领域，都会逐步带来一些改变。

卢瀚宸：相比国外，国内3D视觉的差距是怎样的？

费浙平：相比国外的3D视觉，国内的3D视觉看起来在技术原理和应用场景方面没有较大差距，但在看过众多海外同行的产品之后，不管是产品、硬件、工程还是质量，我们都还有很多需要追赶的地方。唯一我们比较有优势的就是价格，目前我们只有国外品牌十分之一不到的成本售价。我认为，我们国内同行有平等“打架”的底气和实力，但与国外企业做的产品相比，我们还有许多需要学习的地方。

张能：我们感触最深的是，在一些高精度、高速度的应用中，我们跟国外的产品、算法、软件确实有一定的差距。另外，我们发现国外3D厂商的产品落地范围很广，而国内的一些3D厂商只是聚焦一些局部的场景。

费浙平：这就要求我们一定要走出去，高科技行业千万不能搞隔离，就是要在自己最专业的行业里面，跟那些耳熟能详的企业面对面地沟通、交流甚至是竞争。

徐如钧：我个人比较早接触到3D相机、机器人、自动驾驶等一些应用领域，从应用的角度来说，国外品牌肯定比我们走得更早一些，我们玉贲智能属于后起之秀，在工程和性能方面也确实是需要追赶。

洪沛骏：瑞沃斯视觉以应用为主，早期像激光位移器等产品基本都用日本和德国的，但近两年，国内厂商在稳定性和创新能力等方面取得了巨大突破，比如在三维激光扫描行业，国内杭州的几家企业在稳定性和精度方面都有了极大地提升，甚至在某些细分赛道的应用已超过国外品牌。

范华博士：就精度和可靠性来看，目前国外的3D产品仍然占据较大优势，因为他们已经做了很多年，也已经做了非常多的积累，而且每一个细节都做的非常细致。而国内企业通常先是借鉴国外产品，然后再一次次更新迭代，最后通过价格战抢市场。不过，在精度、性能和可靠性等细节方面，国内企业还需要努力追赶。

现场提问：从开发者的角度来说，在算力方面我们很难突破，包括我们要在西方的“01二进制”基础上做开发，我们能否通过细分领域应用层面进行突破，打破“中国人永远跟着西方人后面转"这一格局?

张能：海康机器人采取弯道超车策略，因为3D确实是国外发展较快，在技术积累等方面比较领先，我们作为追赶者更多需要发挥自身优势。比如，海康机器人会以“两条腿走路”的方式，在硬件和算法同步推进。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。