在当今以科技创新为引领的新质生产力大跃进新时代，AI技术的深度应用正推动着传统制造业的转型升级。先维公司凭借强大的技术研发实力和深厚的行业积累，将AI大模型引入制造业，为智能化生产管控提供了一套全新的解决方案。

视觉AI技术在制造领域的突破与挑战
在智能制造的浪潮中，视觉AI技术正以其独特的优势，为工业生产注入新的活力。工业视觉分为三大典型的应用模式：以产品质量为核心的生产结果检测、以生产作业为核心的生产过程监测、以安全为核心的资源状态监测。按照应用场景的复杂度高低和可获得有效样本量的大小进行分类，从技术维度上做了应用分类，工业视觉技术的应用场景繁多，分布图如下。

随着AI技术在各行业的广泛应用，大量的制造业企业也试图借助AI的力量实现智能化转型，在这一过程中，传统AI技术面临着诸多挑战，影响了其在制造业的有效应用。大体痛点如下：
1、AI应用对特定数据需要量大：传统模型训练方式，需要数十万特定场景数据，才能训练出效果还行的算法，日常应用难以收集到如此大量的专有样本数据。
2、AI算法不通用、不收敛：不同行业领域的算法，不具有通用性（如：交通的算法无法应用到制造领域），并且同一个领域的算法数量也很多不收敛，算法长尾现象严重，也需要庞大的样本数量，完成所有识别难度极大。
3、AI算法开发难度大：算法开发需要专业的算法工程师，门槛高，难度大，成本高，周期长，难以快速见效；并且AI算法需要长期迭代才能有好的效果，运维成本高。

鉴于以上传统AI算法小模型的瓶颈，先维结合自身的业务及业界技术发展，探索出了新型的解决方案。大模型具有强大的表达能力和泛化能力，可以较好的解决痛点问题，因此先维采用大模型技术来赋能场景应用，以提供更好的技术和服务给客户。

AI大模型引领智能革命
大模型技术引爆生产力的变革，开启全新时代，影响力不亚于历史上的三次工业革命。人工智能大模型技术的应用引领第四次工业革命从萌芽走向成熟，极大的提高生产力和生产效率。先来回顾一下AI发展的三个阶段：

1、萌芽期（1950年-2005年）：以CNN为代表的传统神经网络模型阶段，为AI技术的深入研究奠定基础，对后续大模型的发展具有开创性意义。
2、探索沉淀期（2006年-2019年）：以Transformer为代表的全新神经网络模型阶段，奠定了大模型的算法架构基础，使大模型技术的性能得到了显著提升。
3、迅猛发展期（2020年-至今）：以GPT为代表的预训练大模型阶段，大数据、大算力和大算法完美结合，大幅提升了大模型的预训练和生成能力以及多模态多场景应用能力。

先维公司凭借在AI领域的长期积累，发布了“卧龙明理”多模态大模型，标志着先维在AI领域的重要进展。同时，围绕AI大模型，实现了大模型训练、微调、蒸馏、应用的完整应用闭环，支持GPU和国产化NPU芯片，支持华为鲲鹏+昇腾的全国产化环境，加快了AI技术的商业化进程，降低了企业使用AI技术的门槛，提升了模型在市场上的竞争力和价值。先维作为国家信创委员会的成员，大力支持了国家信创产业的发展和创新。

AI大模型在“智能制造+视觉智能”方面的应用

1）AI大模型助力工业场景模型的快速生成
基于先维AI大模型视觉赋能平台，实现工业场景模型的快速生成，解决了算法场景繁多，类型不收敛，传统AI算法开发成本高、时间长的痛点问题。
平台核心是两个框架：视觉大模型微调训练框架和大模型蒸馏框架，基于场景数据，使用这两个框架，实现了AI流水线作业，可以实现无代码、低成本生成高质量的场景算法。

应用场景支撑了生产设备异常检测、产品表面瑕疵缺陷检测、仪器仪表数据自动读取、厂区人员进入离岗检测等各种厂区的应用场景。

先维以先进的AI大模型技术，成为了推动工业场景模型快速生成的关键力量，不仅极大地提高了工业效率，还为复杂问题的解决提供了新的思路。

2）AI算法模型仓实现集中开放式管理
在企业侧，建立一个开放式的算法模型仓，实现算法的集中式管理和迭代升级，基于算法定义方式实现任意算法的无缝接入和应用，内置基础算法；并围绕设备、人员、产品三个维度，构建具体场景算法。所有基于大模型生成的场景算法可以入到算法仓中，实现算法的集中式管理和迭代升级；同时还支持外部算法的导入，外部算法以非侵入式集成到算法仓。在算法仓内部，可以通过算法的组合、编排、调度等高级技术，实现算法的端边推理及应用。
AI算法模型仓通过集中开放式管理，不仅解决了企业内部AI算法的碎片化问题，还展现了AI技术在联合应用、增强核心竞争力方面的巨大潜力。

3）接入视频感知终端，全域视频实现智能化应用
通过接入视频感知终端，实现了厂区视频覆盖，同时基于数字视网膜协议扩展实现全终端的协同感知。
视频数据作为视觉AI的输入源，基于GB28181协议和数字视网膜协议实现了不同类型视觉终端的全覆盖。视觉终端支持了摄像头、机器人、手持移动终端，并且可根据需要扩展支持像智能眼镜、智能头盔、电子狗等具有视觉感知的新兴智能设备，对于这类设备，只需做好控制器对接就可以实现所有视觉的智能应用。

4）模型持续进化实现高精度应用及告警、决策
在系统长期运行过程中，通过大模型进化和小模型进化共存的方式，持续迭代场景模型和行业大模型，随着时间的推移，可以自动逐步提高AI算法识别精度，大大提升AI的应用成效。

同时，针对算法应用的结果，可以进一步实现预警分析、质量告警等应用，以及基于大数据的辅助决策，最终提高企业的管理效率。

智能化应用的成效及价值
当前，先维已在多家制造业企业上线智能化应用，用于支撑企业的生产管控。智能化应用在提高生产效率、降低生产成本、提升产品质量等方面，为企业带来了显著的经济效益和社会价值。下面从提质增效及应用赋能两个维度说明应用的成效和价值。

1）提质增效
提质增效是现代企业追求卓越运营的核心目标之一，具体体现在以下几个方面：
1、设备故障检测的即时响应：通过设备故障类检测算法，设备故障发现的时效性从30分钟缩短到秒级，提高管理效率，降低隐性成本。
2、设备信息智能读取与分析：通过设备信息读取类算法，可做到自动报警及自动巡视，降低管理成本。并且可以使用更精细化的数据分析，指导生产管理和生产决策。
3、人员安全管理与效率提升：通过人员管理类检测算法，及时发现人员工作情况及安全状态，提高工作效率，提升安全管理水平。
4、产品质检的自动化与精准化：通过产品类检测算法，第一时间发现质量问题，提高产品质检效率。
5、应用的高效开发与运维：通过AI大模型及平台的自动化能力，提高算法开发效率及效果，降低项目开发成本及运维成本。

2）升级赋能
升级赋能是企业持续创新和保持市场竞争力的关键策略，具体体现在以下几个方面：
1、高效的算法开发与优化：使用AI大模型自动化蒸馏框架，通过无代码点选方式实现任意算法的蒸馏和调优，缩短算法开发的时间80%以上，降低算法开发的成本50%以上。
2、算法性能的显著提升：基于行业大模型蒸馏技术生成的场景模型，在算法效果、精度方面也具有无可比拟的优势，算法精度普遍提升15%以上。
3、广泛的视觉AI应用能力：整套平台集成了算法编排和应用组合的功能，使平台具备通用的视觉应用能力，广泛适用于视觉AI的应用场景。