博瀚智能将这套颠覆性系统称为“自适应AI质检系统”,可将模型的精度从95%快速提升至99.99%,并在后续一直维持如此高的精度标准。据内部统计,相关解决方案在上线周期缩短80%,人力成本降低90%,运维成本节省80%。
而这套自适应AI质检系统也与硅谷最前沿的风向不谋而合。2021年,被业界誉为“AI教父”的百度前首席科学家吴恩达,在一场直播中表示,AI系统正在从Model-centric(以模型为中心)向Data-centric(以数据为中心)转变。这意味着今后在AI技术路线中,数据质量要比模型本身更重要。
对于两者的区别,郭玮进一步解释称,此前Model-centricAI着重的是模型算法,可类比为人类的智商,代表着处理和学习信息的基本结构和能力。这个技术路线是通过不断优化算法本身来取得更好的结果,也就是说,通过不断提升人类智商来增强能力。而Data-centric相当于让人通过积累经验来提高能力,这意味着通过不断喂取机器高质量数据,来让AI持续适应不断变化的环境和需求。
值得注意的是,在Data-centricAI路线中,MLOps是至关重要的一环,也是博瀚所擅长的部分。MLOps在工业场景中的优势在于,其不仅可以帮助DataCentricAI的任务提高效率,还能确保模型在场景中保持有效。
对于一线实操而言,结合MLOps技术的DataCentricAI,将有效解决模型失效的问题,让原本飘在云端的AI系统,有了更标准化的落地策略——数据飞轮。而这个数据飞轮早于2021年在海外无人驾驶领域里开始被应用。
“质检与无人驾驶在数据训练上的底层逻辑相通,只不过复杂程度不同。”郭玮表示。这也是为何博瀚智能除了聚焦制造领域AI质检以外,另一个锚定的赛道是自动驾驶。同时,他还将博瀚智能的战略定位,“前三年营收以制造为主,后三年营收则希望实现双轮驱动。”
目前在制造领域,博瀚智能主要发力于3C和半导体AI检测。郭玮认为,“预计仅PCBA和外观检测市场规模就在400多亿人民币上下。”同时,PCBA市场中,20%的供应商将控制80%的产能,届时商业环境将是一个理想的强to B市场。
现阶段,博瀚智能自适应AI质检解决方案已经在多个行业头部客户落地。下一步若是郭玮所设想的模型,实现快速大规模复制,使成本随边际效应大幅递减,博瀚智能的AI质检模型将跑通PCBA领域,实现开箱即用。但在此之前一切还有待验证,同时这个自适应AI系统是否能向其他领域的AI质检拓展,也有待进一步观察。
此外,乘着今年ChatGPT的东风,越来越多硅谷AI精英组团归国,加入这场机器大战中。