机器视觉的AI工程包含哪些？- 不仅仅是算法工程优化，还包括项目管理。

机器视觉下的AI工程是指什么？文科生今天花了一个下午学习了一下人工智能工程这个理念，提一些困惑，请专家同行指正。 关于软件工程优化，debugging, tuning，软件工程化管理，之前有很多专家分享。 这是百度软件工程的定义 - 正在上传…重新上传取消​网页链接软件工程/16352442?fr=aladdin。 从工程的角度来看，始终贯穿了PDCA四个环节。当机器视觉与AI（deep learning)结合在一起的时候，AI工程的范围也变化，除了软件本身的工程化管理，机器视觉中涉及到的电子，电气和机械化部分，也是要进行工程化管理的。 如果落实到一台具体的机器视觉产品上，一旦成为有型产品，就必然在市场上遭遇竞争对手的打压，除了技术，更多的成本的压力。这很快就把我带入到项目管理的层面，于是我查看了项目管理里面的价值工程和价值分析的理念。下面这是百度关于价值工程的解释 -- 正在上传…重新上传取消​网页链接价值工程/65709?fr=aladdin。讲解的都是围绕分子（function功能），分母（Cost成本)如何增分子，减分母的工作。对于一个AI设备来说，我理解的成本有以下几个方面：1）硬件成本，包括机构自动化电子元器件及机器视觉光学元器件，服务器等 2）软件成本（电气控制，机器视觉软件），3）人工成本 （产品整体设计，电气控制设计，工业视觉软件，安装调试费）。如果要提高产品的价值，有四种方式：1）功能不变，成本下降，达到产品价值增加； 2）功能提升，成本不变，达到产品价值增加；3）功能增加，成本降低，双向提升产品价值；4）通过适当提高成本，大幅度提高功能，实现价值提升。如果将以上几个层面转化成具体的实施路径的话，那么我们可能以下四个方面做好AI工程管理：1. 建立明确的质量管控目标和成本目标（如材料管控目标，设备性能目标等）； 2. 尽可能列出产品成本构成（软件和硬件的BOM表）；3. 对时间（比如软件研发验证部署的过程管理），人和投入的资金建立管控目标；4. 贴近客户，深入了解和挖掘客户的需求帮助客户发现需求。根据客户需求，提出新的价值主张。只有这样机器视觉设备工程化管理才能落地。说的不是很清楚，但是我相信做非标设备的朋友能明白一下共同的困扰。就说这么多吧，下次想到了再补充。