直播结束后第二天我还在翻后台记录结果评论区被顶到最上面的不是“下一步怎么做”而是一条看起来很基础的问题“像工业AI检测、服装检测这类AI到底用的是云联网还是单机的AI用的什么大模型才够”说实话这条问题在整场直播里以各种形式出现了不下二十次光是换个说法问“是不是得连网”、“要不要上大模型”的就有十几条。我意识到一个很现实的情况工业AI热了这么几年大多数人对它的理解还停留在“摄像头拍照→传到云端→大模型识别”这个消费级认知上。这不是观众的问题而是这个行业对外讲故事讲得太抽象了。所以这篇复盘我不想重复直播里的PPT内容就把大家问得最多、也最影响实际决策的几个问题摊开聊清楚工业视觉检测到底是云端跑还是本地跑选模型按什么标准来以及我们口中说的“下一个机会”到底长什么样。1. 直播复盘被问爆的那个问题背后是落地焦虑1.1 “云联网还是单机”问的是部署形态其实是成本和安全那条高频提问“云联网还是单机”换成行话就是AI推理是在云端做还是在边缘端做。普通从业者关心这个问题真正的潜台词是“我要是上这套系统是不是得改网络、上服务器、每年掏算力租金”还有“我厂里的产品照片会不会传出去”。这两个顾虑都真实存在。先给结论产线上的AI质检绝大多数跑在本地边缘设备上不依赖公网连接。你看到那些装在产线旁边的检测机、检测盒子、带GPU的工控机全都是本地在处理图像。相机拍一张本地推理输出结果给PLC或者工控系统整个链路里根本没有“上云”这个环节。核心原因有三个。第一是实时性一条服装吊挂线或者布匹卷绕线的节拍通常按秒算要求几百毫秒内给出判定结果走云端来回一次网络延迟就可能错过三件产品第二是连续性产线网络偶尔抖动、断联是常态AI不能因为网断了就停工第三是数据边界工厂的缺陷照片往往带有工艺细节甚至未发布产品的设计信息很多企业对图片外传零容忍。这不是技术落后而是工业场景天然要求“本地优先”。云端在工业AI里承担的角色是后面的事模型训练、版本管理、远程诊断这些不着急、不卡节拍的事放云端才合适。1.2 大家纠结的“大模型”三个字其实是个伪命题直播间里很多人问“用的什么大模型足够”这个问法本身带着消费级AI的习惯——好像只要选一个足够大的模型识别效果就能自然拉满。但工业视觉检测的模型选型逻辑和C端完全相反不是越大越好而是越稳、越快、越省算力越好。产线视觉检测本质上是目标检测或像素分割任务缺陷是什么、在哪、多大需要的是空间定位能力不是语言理解能力。你问一个通用大模型“这张图里有没有跳针”它可能会用一段话告诉你“我无法确认”但产线需要的是一个布尔值和一组坐标框。所以在真实的服装质检、布匹检测、零部件外观检测项目里YOLO系模型、定制CNN、以及一些轻量级分割网络才是绝对主力。为什么因为它们能在Jetson这类边缘设备上稳定跑到30~60毫秒一帧的推理速度同时保持99%以上的缺陷召回率。通用大模型在端侧根本跑不动也不适合输出结构化结果。当然大模型没有被完全排除在外它在工业里的位置在“离线侧”缺陷样本生成、标注辅助、知识沉淀这些场景。这部分我后面单独展开你先记住一个原则产线侧用轻量模型解决问题大模型在办公室和机房发挥作用。2. 云联网还是单机AI工业视觉检测的部署形态怎么定2.1 为什么产线质检几乎都跑在边缘端我自己做过一条面料在线检测线的项目客户的第一条硬性要求就是“相机到检测算法之间的链路不许出车间”。当时甲方IT负责人说得很直白厂房里的工业相机采集画面包含产品花纹、工艺参数这些数据如果传出去等于把新品设计和良率信息一起送出门。这就是边缘计算在工业里最不可撼动的理由——不是技术选型是数据主权问题。除此之外还有一个容易被忽略的技术原因相机与执行机构的联动延迟要求。检测系统不只是“看一眼”它后面往往连着剔除机构、喷标机构或者报警器。因为图像曝光、传输、推理、结果输出到PLC、PLC再触发剔除这些环节每一段都有耗时。如果推理放云端哪怕网络只有20ms延迟叠加到整个链路里也会直接影响产线节拍。本地推理可以把整条延迟压缩到100ms以内这是云端做不到的。2.2 云端负责“养”边缘负责“用”一套最常见的架构我在直播里给了一个很直白的比喻边缘端是运动员云端是教练团队。运动员在赛场上每一秒的胜负都必须靠自己的反应教练团队在场外看录像、做战术分析。工业AI的真实架构就是这种分工。具体展开来说边缘端推理侧工业相机、光源控制器、工控机或AI盒子、GPU推理程序。负责图像采集、实时推理、结果输出。全部离线可用。云端训练与管理侧数据管理平台、标注工具、训练集群、模型仓库。负责持续迭代模型然后把新模型推送到边缘端。中间传输边缘端只向云端回传两类数据——低频率的统计报表和疑难样本人工抽检复核过的不是全部图片流。提示很多项目前期沟通时客户一听到“数据上云”就当场否决。如果你走“边缘推理云端训练云上只收统计数据和脱敏样本”这个方案基本都能打消对方的疑虑。这个架构目前已经是工业视觉项目的主流形态。2.3 什么场景才适合把识别放到云端有反例吗有。对实时性不敏感、数据敏感度低、且需要跨点位统一管理的场景可以接受云端识别。最有代表性的是工业仪表盘读数巡检。一个变电站或者水处理厂里有几十上百块仪表巡检机器人或者无人机定期拍一圈照片传云端做统一识别时间要求是“今天内出结果”单张图的分析耗时根本不重要。这种情况下云端方案反而划算因为不需要在每个点位都布一套边缘算力。再比如很多工厂的质量数据分析中心要汇总各条产线的检测结果做统计回溯这些分析不存在“跑在现场”的诉求适合放云端或者本地数据中心处理。所以选云端还是单机判断标准就三条结果要等多快、数据能不能出厂、每套点位都配算力划不划算。产线检得快、数据敏感、点位固定这三条占了基本就是边缘端。三条都不占再考虑云端。云端 vs 边缘端选择速查表判断维度边缘端单机AI云端AI实时性要求毫秒~秒级判定分钟级~小时级均可数据边界不出车间可接受脱敏或集中处理算力占用方式每个点位一套共用一套集群典型场景在线质检、剔除联动、节拍判定仪表读数、质量统计分析断网影响照常运行直接瘫痪3. 服装检测这类场景选什么模型才够用3.1 先破个误区产线上的“大模型”不是ChatGPT那种“用的什么大模型足够”这个问题在直播间被问了太多遍之后我终于意识到很多人对“大模型”的理解就是“一个特别厉害的AI什么都能识别”。这种理解放在消费AI里没错但在工业视觉检测里我们要的不是“什么都认识”而是“把有限几类缺陷认准、认快、认稳”这是两个维度的事。工业检测用的主流模型从结构上看都属于卷积神经网络CNN或者类Transformer的轻量检测网络参数量从几百万到几千万不等跟动辄上千亿参数的通用大模型完全不是一个量级。它们“大”在训练数据里的缺陷多样性上不“大”在模型本身。换句话说是“见过万种问题的资深老师傅大脑”不是“什么都懂一点的博学家”。以服装检测为例布匹表面的跳针、油污、色差、印花缺墨、线头压入这些缺陷长得完全不一样但它们都有一个共同特征从图像特征上是局部纹理或颜色异常。这正好是CNN的强项——它对局部特征极其敏感而且对“同一类缺陷在不同光照下的变体”有天然的容忍能力。3.2 YOLO系为什么是工业质检的默认出场方案现在工业视觉公司做外观检测十个项目里七八个会用YOLO系的某个版本我自己用过YOLOv5、YOLOv8也在个别项目上试过YOLO-World这种开放词汇检测器。YOLO系能成为默认选项不是因为它在公开数据集上刷分高而是因为它“够稳、够快、工具链成熟”。具体到版本选择我的经验是YOLOv8n / YOLOv8s适合缺陷目标明显、类别数量10类以内的轻量场景在Jetson Orin NX上FP16推理能做到30ms以内。YOLOv8m / YOLOv8l适合缺陷是小目标、类别多或者相似缺陷难区分的场景精度更高但推理时间会到50~100ms。YOLOv5系列老项目存量代码多生态成熟很多设备商的私有模型还是在v5基础上训练的如果你接手老设备改造大概率会遇到。我在面料检测项目里用的就是YOLOv8m。原因很简单面料的油污和印花缺墨在视觉上很接近小模型误检太多而客户对误检是“零容忍”——误判一块好布要赔上整批货的信任。换成m规模之后mAP0.5从0.91提升到0.97误检率压到了0.5%以下推理时间从20ms涨到45ms但产线节拍完全扛得住。3.3 模型选型的三个关键参数精度、推理时间、显存占用我建议所有准备上工业视觉项目的人先别急着问哪个模型最好先搞清楚自己需要什么指标。根据我的项目经验模型选型就盯三个数检测精度用mAP0.5或者mAP0.5:0.95来量化。大多数工业客户听不懂mAP你直接换成业务指标更好沟通漏检率缺陷没被找出来的比例、误检率好东西被判成坏的比例。漏检率通常是客户的红线误检率影响的是生产效率和成本。这两个数达不到模型再“先进”都白搭。推理时间指模型从输入一张图到输出检测框的耗时。需要提前确认产线节拍和相机曝光时间。比如相机曝光20ms模型推理40ms那系统端到端最快就是60ms再加上plc传输和剔除动作整条链路可能要去到150ms。如果产线要求每件1秒过检留出的余量就只剩850ms给其他环节。推理时间不是模型自己的事是整条链路一起算的。显存占用这个最容易被新手忽略。边缘设备显存是固定的Jetson Orin NX是8GB常见工控机配的显卡有6GB或8GB的模型一换大批次改大显存直接就爆了。以前遇到过一个项目工程师在PC上调好模型到了现场部署发现显存溢出最后硬是改小了输入分辨率才跑起来代价是精度掉了两个点。选模型之前先定硬件再按硬件反推模型规模和输入分辨率这个顺序不能反。3.4 GPT-4V这类多模态大模型在工业里现在到底怎么用直播里这个话题现场炸了锅。有人觉得GPT-4V直接看图就能判断缺陷工业检测还要YOLO干什么也有人觉得大模型是泡沫完全没用。两边都有道理但都不全面。我的判断是多模态大模型在工业质检的“在线推理链路”里三五年内都很难替代YOLO这类轻量模型但它在“离线侧”的价值被严重低估了。现在多模态大模型已经在解决一些工业里的真实痛点缺陷样本增强工业缺陷样本天然稀缺你不可能为了拿到一千张“跳针”样本去故意造一千次次品。用生成模型结合大模型对真实缺陷进行分析和合成能成倍放大有限样本的价值。我见过一个电路板项目原始缺陷样本只有400张用增强手段扩到3000张之后模型漏检率降了60%。标注效率给一两张“示范样本”大模型能对新的缺陷图片给出预标注再由人工确认修正。这能把标注工时压缩一半以上。异常原因的初步归因大模型可以结合质检结果和工艺参数文本输出“该缺陷可能与工序X温度波动相关”的判断辅助工艺工程师缩小排查范围。这些场景的共同点是什么都不卡实时都允许慢都发生在“教练组”那一侧。所以别纠结“工业AI用不用大模型”而要问“大模型在哪个环节介入”。它进不了产线但离产线越远价值越明显。注意如果你看到有供应商宣称“GPT-4V直接上产线做质检”别急着签合同。先问清楚在线推理延迟多少、每分钟能处理几张图、断网了怎么办这三个问题足够让绝大多数PPT方案现形。4. 下一个机会在哪里从单点检测走向闭环优化4.1 单点检测市场正在迅速变薄直播里我和几位同行聊到一个共同感受纯粹的人工智能视觉质检作为单一卖点的项目越来越难做了。早几年你拿一个训练好的YOLO模型给客户做缺陷检测收个二三十万很常见。这两年这个价格已经被卷到十万以下甚至有的客户直接问“能不能按年订阅便宜点”。原因不是AI不值钱了而是单点检测的技术门槛在快速降低。开源模型越来越好用标注工具越来越傻瓜化标2000张图训练一个能用模型的流程一个熟练工程师一周就能跑通。当供给变多、方案同质化单点“检测”自然就滑坡到价格战。但客户的需求没有消失只是在转移。他们不再满足于“你告诉我这块布有缺陷”而是追问缺陷是从哪个工序来的、怎么避免、能不能在缺陷发生之前就干预。这些都是检测之外的事也是利润最厚的地方。4.2 闭环反馈把检测结果变成工艺参数我在直播里举了一个自己参与过的缝纫工艺案例。客户遇到的痛点是车缝跳针率忽高忽低用AI检测能准确报警哪个位置跳针了但问题在于——报警之后呢产线工人只能停下来人工检查一台机器停一分钟损失就多一分钟。后来我们做的不只是检测模型而是把检测结果和缝纫机的针速、张力、送布节奏自动关联起来。具体实现思路是这样的当同一台机器在一个班次里连续出现三次跳针系统不是简单报警而是根据跳针在缝迹中的位置特征结合当前设备的工艺参数自动下发一个针速调整指令给缝纫机控制器。检测系统从“裁判”变成了“教练员”它能实时干预。这个改动带来的价值非常直接客户报告说跳针率在两周内降了40%以上而且产线再也不需要工人频繁停下来等人工处理设备效率也上去了。这个项目后续的合同金额比单纯做检测方案高了整整一倍。这个方向对整个工业AI行业都有参考意义检测只是感知真正产生经济价值的是从感知到执行的那个闭环。谁先把“看到问题→分析原因→调整参数→确认效果”这条链路打通谁就能从同质化竞争中跳出来。4.3 数据资产化下一个机会的底层逻辑除了闭环控制之外直播里另一个被反复提到的方向是“数据资产化”。过去几年工厂积累了大量质检图片和结果记录但这些数据绝大部分躺在硬盘里没有发挥二次价值。问题在于大多数工厂自己做不了数据分析而AI公司又很难把通用方案卖进去。我看到的机会是给行业做一个“质量数据底座”。把同一行业里不同工厂的质检数据汇聚起来先解决脱敏和边界问题形成行业级的缺陷知识库。新工厂接入这个知识库就能用很少的样本起步快速建立基础检测能力而数据贡献方则能获得持续更新的模型服务。目前已经有机构在做这类尝试但离成熟还有距离主要卡在数据归属、收益分配这些利益协同机制上。谁先把这个机制设计好谁就掌握了行业数据的入口。直播里不少同行也认同这个判断。要注意的是“数据资产化”不是把数据收集上来就完事关键要解决三个问题数据怎么脱敏、模型怎么共享、收益怎么分。这三个问题不解决数据仓库就是烧钱黑洞解决之后才是真正的护城河。5. 直播里没来得及展开的实操细节与踩坑清单5.1 从零搭建一个服装检测AI的完整流程直播时间有限很多实操细节只能一笔带过这里把从需求到上线的完整流程捋一遍基本适用于服装、面料、零部件外观检测这类项目第一步需求澄清。明确三件事产线节拍是多少、缺陷定义是什么哪些算必检缺陷、哪些算外观争议、误检的容忍度。其中“缺陷定义”是最容易出问题的环节甲方描述“油污”随口一说到了现场才发现油污分浅油污、深油污、油污带纤维判定标准完全不一样。这个阶段宁可多花一周沟通也不要急着采集数据。第二步成像方案设计。决定整条链路成败的往往不是模型而是成像。我见过太多项目死在“拍不清楚”上。服装面料检测对光照极其敏感同一种缺陷在环光、条形光、同轴光下完全是两种面貌。预算有限也要保证光源控制器具备频闪功能否则运动中的布料容易糊。记住一句话成像不行模型再好都白搭。第三步数据采集与标注。建议至少覆盖三类数据正常样本、典型缺陷样本、容易误检的正常样本比如布纹本身就像划痕的纹理。标注时用一个标注员全程负责避免多人标准不统一的问题。缺陷边界有争议的图要单独建一个“争议集”用来测试模型上线后的鲁棒性。第四步模型训练与验证。按缺陷类别先跑小模型验证可行性再按实际需要升级模型规模。分训练集、验证集、测试集测试集一定用产线上真实拍的图而不是实验室里摆拍的数据否则上线必翻车。第五步部署与连调。用TensorRT或OpenVINO做推理加速模型从PyTorch转到ONNX再转到TensorRT精度会有一点损失需要在转换后用测试集重新验证一次。与PLC通信建议走标准协议预留结果缓存队列防止突发漏检信号导致执行机构来不及动作。第六步试点与验收。先跑一周单机试运行记录漏检率、误检率、系统可用率把每日报表发给客户。验收标准必须在合同里写数字比如漏检率低于0.1%、误检率低于0.5%达到约定数值再签验收单。5.2 部署阶段最容易踩的四个坑第一个坑是数据分布漂移。模型在测试集上表现很好上线后第一天就漏检了。后来查原因发现产线换了一批新的面料颜色、纹理跟训练数据差异很大。解决思路是上线初期保留人工抽检环节持续收集新样本做定期增量训练。不要以为训练完就能撒手不管工业视觉是持续维护的项目不是一锤子买卖。第二个坑是标注不一致。同一个项目标注员A把轻微色差标为缺陷标注员B认为可以接受。模型训练后被两种标准“拉扯”表现自然不稳定。这个问题的解法是在标注规范里给出明确的定性照片并且让标注员先试标50张一致性够了再大规模推进。第三个坑是小目标缺陷漏检。服装面料上的细小线头、针孔在整幅大图上只占几十个像素模型很容易忽略。处理办法是先对图像做切片推理把大图切成若干小图分别检测再把结果拼回原图坐标。虽然推理次数变多但小目标召回率能显著提升。第四个坑是硬件选型没有留余量。很多项目预算只够买刚好能跑推理的边缘设备结果后期想加一个缺陷分类功能或者提升分辨率发现算力不够只能整体换硬件。我的经验是选型时预留30%的算力余量宁可前期多花一点钱也别让项目在一两年内就“算力见底”。5.3 项目落地前先想清楚的三件事除了技术细节学习工业AI最容易被忽视的是业务层面尤其对准备转型做工业视觉的朋友来说以下三件事提前想得越清楚踩的坑就越少。第一你的项目是按“项目制”还是“产品制”来走。项目制就是给单一客户定制做完一个再做下一个收入天花板明显产品制是把某几个行业的检测需求抽象成可复用的标准化产品毛利率更高但前期投入更大。我个人观察到行业里活得好的团队几乎都是“项目养产品产品反哺项目”——用项目现金流维持团队同时持续沉淀通用能力。第二客户内部的关键决策人是谁。工业检测项目往往是设备部门提需求、质量部门定标准、采购部门谈价格精益部门还可能中途介入。你需要有一个人能同时说服这三方设备要的是稳定可维护质量要的是指标达标采购要的是性价比。项目能不能推进很多时候取决于你能不能搞定那个“跨部门协调人”。第三你的差异化壁垒在哪。北上广深已经有很多团队在做通用视觉检测你再进场的切入角度是什么这个行业真正缺的不是“会训练模型的人”而是“懂工艺生产流程的人筛数据、做模型、落地部署”的复合型团队。工艺理解深度才是和纯算法团队拉开差距的地方。6. 最后的几句实在话写这篇复盘的时候我又回看了一遍直播录像还是觉得当时那些弹幕提问最有意思的是“用什么大模型足够”这个问题背后的心态——大家不是在找最优解而是在找安全感。我特别能理解毕竟工具和模型迭代得太快了去年还在用YOLOv5今年就到处是大模型谁都怕自己刚学会的东西明天就过时了。但做了这么多年工业视觉项目我的体会恰好相反工业AI拼的不是模型大小而是对场景的理解深度。你用一个轻量模型把一个产线的漏检率从2%压到0.1%这个价值远大于部署一个夸夸其谈但无法落地的通用大模型。模型的权重文件在公开仓库里就能下载但对一个行业的工艺理解、数据积累和现场问题的处理经验才是真正在时间维度上拉开差距的东西。最后再分享一个小技巧也算是我这几年做项目总结出来的判断标准当你想评估一家工业AI供应商是否靠谱的时候不要问他们用的是什么模型也不要看demo视频就问一个问题——“如果产线上的情况和你训练数据不一样你们怎么处理”能立刻说出增量训练计划、现场数据回流机制和模型更新周期的团队大概率是踩过坑的实干派剩下的基本就是在给你讲故事。