AI 工业质检
用深度学习算法 + 机器视觉硬件，自动识别工业生产中的产品缺陷（划痕、裂纹、污点、异物等），替代人工质检岗位。
关键数据
| 指标 | 数值 | 时间 |
|---|---|---|
| 中国 AI 工业质检市场 | ￥9 亿 | 2017 |
| 中国 AI 工业质检市场 | ￥454 亿 | 2024 |
| 中国 AI 工业质检市场 | ￥649 亿（预测） | 2025E |
| 复合增长率 | 75.09% | 2017-2024 |
技术细节
- 算法：CNN（ResNet、EfficientNet）、Transformer（ViT）、工业大模型（如 AInnoGC）
- 核心挑战：缺陷样本稀缺（小样本学习）、负样本不平衡、跨产线泛化
- 新范式：少样本学习、自监督学习、合成数据增强、工业大模型预训练 + 微调
- 部署：边缘计算 + 云端协同，边缘 AI 推理（NVIDIA Jetson / 华为昇腾 / 寒武纪 MLU）
主要玩家
典型应用
- 3C 电子：手机屏幕 Mura 检测、PCB 焊接检测、外观缺陷
- 新能源：锂电池极片缺陷、光伏电池 EL 检测
- 汽车：焊接质量、涂装缺陷、零部件检测
- 半导体：晶圆缺陷、芯片封装检测
在 AI 产业链中的角色
AI 工业质检是 AI制造·工业视觉 子行业增速最快的赛道（CAGR 75%），是 AI 赋能实体经济的典型场景，也是工业大模型最先实现商业化的细分领域。
演进历史
所属子板块AI制造·工业视觉