工業產品檢測過程看起來同樣其實差別很大，檢測一個產品可能另外必須多個檢測工具，除開視覺可能也有觸感、聽覺系統等一系列感觀工作能力參加。就現階段情況看，AI視覺檢測只有保證鑄型平面圖檢測，對凹凸不平三維體束手無策，那樣的應用場景就拘泥于小的平面圖零件，應用領域窄小。

AI視覺檢測應當專注于把一項領跑技術迭代，小范疇推廣試著做技術累積，讓子彈飛一會。工業產品的特性決策了不太可能有互聯網技術產品那般統一大市場，每項技術應用場景不大，這一點應當向德國學習，專注于穩步發展，再不然也應當向日本學習，一口井撅深了再挖挖附近，藤條式創新，做一個全產業鏈。

我思索了好長時間也想不到機械加工工藝上如何運用AI檢測(可能和我眼界淺陋視線偏激相關)。就現階段AI視覺檢測技術看來，在機械加工中運用，視覺檢測精密度、復雜性、穩定性也不還夠。

如同市面上許多 人工智能產品，對一個感觀完善的人而言可以用一用，對一個感觀不全殘障人士而言可能是廢的產品。準確度不足，缺乏基礎執行功能，ai取代人多方位感知能力如今還難以。目前運用難是全部工業體系還沒有準備好，出示不了一個詳細的解決方案，僅做為一個工具，擔負不了工業4.0過程的領導干部功效，加工制造業反映原本就慢一點，一馬當先其他馬還得追一會。

檢測處在制造工藝尾端環節，一般占產品成本占比并不大，檢測工藝技術也不是生產制造重要技術，對檢測工作人員專業技能規定都不高，并不是公司急切創新環節，也不是提升 生產率剛性需求，AI檢測技術提高的那點高效率，針對公司而言既不疼都不癢，假如必須投入許多 資金投入，還比不上投入生產加工前端工藝改善，產生高效率提高更顯著。最后還是得用戶需求驅動技術創新和市場挑選驅動技術轉換為產品。要想把AI檢測產品做的好，得把AI工業檢測往生產工藝前端推動，參加到更普遍的生產制造情景中去?？紤]大量用戶痛點要求、剛性需求，最 好是能干涉、正確引導全部生產制造環節。例如，在安裝環節運用，檢測安裝零件和工具拿取次序，對安裝職工肢體動作開展檢測，對零件安裝做過程正確引導，降低錯裝少裝等。

最終，工業是要出商品產品，早期固資投入高，產品時間長，技術基本累積環節可能必須兩年十幾年乃至幾十年，相比別的行業收益又相對性較低。就拿受歡迎的處理芯片而言，早期產品研發必須十幾年時間，投入是大量資產和人力資源，一般公司壓根支撐點不到，資產更沒有耐心等待。

工業就需要制造商品，是智商+動能+時間的轉換過程。時間阻攔非專業進到最 大的門坎。