AI 质检进入 ACI 时代：让检测模型在你的产线上"越用越准"

　　到 2026 年 6 月 30 日，微链道爱（Welinkirt / DaoAI）的 ACI 认知检测设备累计部署1000 台套，集中在半导体与 PCBA。

　　装在这些产线上的 ACI（Auto Cognitive Inspection，自动认知检测），是一个面向工业质检的专用小模型：由通用世界大模型底座 DaoAI World 蒸馏而来，到了客户现场还能继续学习、不断变强。一块良品建模，冷启动检出准确率98%，在线迭代之后可达99.99%——均为匿名行业场景下的典型可达范围，以现场实测为准。

　　一、它是一个蒸馏下来的专用小模型

　　DaoAI World 是通用世界大模型底座，把空间、材质、光影、运动、因果放进同一个模型。装到某一条产线上的不是这个底座本身，而是从它蒸馏出来的专用小模型——不是从零训练，一上线就带着"见过世面"的先验，再在这条产线上继续长。

　　这也是微链道爱对 AGI 的判断在工业侧的形状：AGI = 一个通用世界大模型 + N 个垂类小模型，而不是"大语言模型 + skill / agent"。语言模型擅长符号与知识的组合；制造要解的是物体在三维空间中如何存在、如何运动、为何这样运动——这些约束不在语料里，只在物理世界里。

　　二、建模：一块良品，30 秒到 5 分钟

　　ACI 只用良品建模——模型学的是"正常长什么样"，凡偏离即可疑。缺陷是开集，形态没有边界；良品是闭集，可以被描述完。判据方向一换，冷启动、换型与长尾缺陷三件事同时松动。

　　具体做法：扫一块当前批次的良品参考板，系统自己学元件位置与外观；元件、引脚、极性秒级映射，不用手画 ROI；判定阈值从样板推出来，产线员工就能上手。同一类元件在样板上通常有多个实例，1 到 20 个就够它学会这类的正常形态；不要 CAD 图纸，也不用先攒一个缺陷库。

　　自动编程30 秒到5 分钟跑完，换型当天不占产线。

　　图：一块良品参考板。ACI 学的是「正常长什么样」，所以不需要先攒一个缺陷库。

　　三、判据挂在特征空间，不挂在颜色空间

　　ACI 认的是元件的身份，而不是像素和颜色的相似度。这一条决定了几类最难的现场情况能不能过：黑板上的黑件、银线上的银件不靠颜色反差区分；元件转了 90 度、翻了面、表面沾了污染，也还定得住位。

　　判据不挂在坐标上，还带来两个直接结果：换板不需要重建索引，以及同一套判定逻辑可以跨成像模态。结构光 3D、X 光、红外与电镜图像共用同一套判据——成像方式是可换的，要判的东西不变。

　　图：黑色器件压在黑色阻焊板上，两者几乎没有色差。认出它靠的是轮廓、引脚位置这些结构特征，不是颜色差异。

　　四、越用越准：98% 到 99.99% 的那条曲线

　　冷启动这一端：一块良品一键建模，检出准确率到98%，误报比上一代规则方案低约八成。跑起来之后这一端：经在线自我迭代，检出准确率可达99.99%。两个数字都来自已落地的电子与 PCBA 产线，是匿名行业场景下的典型可达范围——换一种板型、换一批器件，结果会往两边走，以现场实测为准。

　　中间那段靠反馈学习走完。一次人工复核翻转，信息量其实极小——一个样本上的一个比特。真正起作用的是它被归到哪一类元件，以及那一类里已经有多少样本：判定边界往外推多少，由分母决定。所以越是跑得久、样本累积得多的元件类别，判据收得越紧。

　　微链道爱总经理张宇在新华网 2026 年 7 月 20 日的专访中给过一个对照：人工目检"连续作业三小时后，人就疲劳了，检测准确率会下滑到90%以下"，而物理 AI 检测系统"可以 7×24 小时不间断作业，且检测准确率稳定维持在99.999%以上"。他说的是物理 AI 检测系统这一类的口径，与前面 ACI 设备自身的98%/99.99%不是同一个计量对象。

　　换句话说，准确率的上限不是一个预设值，而是迭代次数的函数——用得越久，越逼近100%。

　　五、设备与指标

　　2D ACI 设备（IRIS ANT 2D 系列）

　　· 离线 P1 / P1L：5MP·15μm

　　· 离线 P2：12MP·10μm

　　· 在线 P3 / P3D：2600 万高速全局相机，光学分辨率10μm/px，与 SMT 同节拍在线全检

　　3D ACI 设备（IRIS ANT P5 / P5D）

　　· 21MP相机 + 4 方向沙姆投影光机

　　· 高度精度 ±6μm（使用校准工具）

　　· 光学分辨率10μm，最大高度量程25mm

　　· 检查速度 >10cm²/s

　　· 量的是二维光学量不出来的表面几何：BGA / QFN 的共面度、焊点高度与体积、微米级三维形貌

　　被器件本体遮住的焊点、焊点内部的空洞，由 X 光或 CT 成像，ACI 判读这些图像——同一套判定逻辑，换一种成像方式即可。

　　自研 3D 工业相机：两个系列、11 款机型

　　· 检测系列 AQ-060：60×60mm远心视野，2μm重复精度

　　· 检测系列 AD-080：77×70mm双光机，4μm重复精度，±8mm量程

　　· 检测系列 AD-470：477×435mm大幅面，40μm

　　· IN 系列 Z 重复定位精度：IN-XS 5μm/ IN-S 8μm/ IN-M 15μm

　　· 抓取系列：BP-AMR / BP-AMR-GPU / BP-S / BP-M / BP-L

　　· 全系结构光成像 + 自研 3D HDR，黑色件与高反光件单次拍清，IP65，3 分钟现场标定

　　图：微链道爱 ACI 认知检测设备。离线桌面机、在线单轨机与三维档位形态不同，判定逻辑是同一套。

　　六、应用场景与案例

　　同一套判定逻辑覆盖电子、汽车、半导体、电池、医药、食品、化工、消费八类场景。下面每类各取一到两个已落地的现场——客户均匿名，数字是匿名行业场景下的典型可达范围，换一种产品、换一条产线会往两边走，以现场实测为准。

　　电子 / PCBA

　　· 某中小型电子制造厂：SMT 焊点虚焊、连锡、少锡在线检测，换型时间从60 分钟缩短到5 分钟

　　· 某头部 PCBA 制造商：元件极性反向的误报率降低82%（APDT 少样本自训练）

　　图：回流后的贴片板在传送轨上。ACI 判的是每个元件该长什么样，不是拿它和一张标准图逐像素比。

　　半导体

　　· 某中型封装测试厂：引脚共面性与划片崩边，误报率降低82%

　　· 某头部封测厂：微凸点桥连 / 缺失，误报率从行业惯常的15%降到2.5%以下

　　· 某中型先进封装厂：稀有缺陷的人工目检成本降低75%

　　图：BGA 封装底面的焊球阵列。缺掉的那一颗是 A1 角标识，用来定方向——这类结构性特征正是认知判定的锚点。

　　汽车

　　· 某头部汽车零部件供应商：涂胶密封100%在线检测与路径纠偏，误报率降低35%

　　图：点胶针头在钣金件法兰上走连续胶条。要判的是胶条连不连续、有没有断点与瘤状堆积。

　　电池

　　· 某头部新能源电池制造商：极片涂布在线全检，漏检率降到0.08%，同时满足产线高节拍

　　· 某中型电池厂：卷绕 / 叠片对齐 0 代码换型，换型时间从数小时缩短到5 分钟内

　　图：极片涂布卷材过辊。两侧恒定宽度的未涂布箔材留白，是对齐精度的基准线。

　　医药

　　· 某中型制药厂：胶囊多类缺陷100%全检，产线节拍提升25%，误报率降低80%

　　图：胶囊在不锈钢输送轨上。要判的是帽体套合、瘪壳与异物，而这些缺陷样本在产线上本就稀少。

　　食品

　　· 某中型食品加工厂：包装封口的微小褶皱与异物，漏检率从1.5%压降到0.4%以下，人工复判误报率降低70%

　　· 某中型烘焙企业：蛋糕卷表面气泡、裂纹的高速在线全检，人工复判工时降低85%以上

　　图：软包装袋过热封刀后的封口压痕。封口处的微小褶皱是漏检高发项。

　　化工与材料

　　· 某头部化工材料厂商：印刷膜表面缺陷的误报率降低82%

　　· 某中型供应商：纹理表面缺陷检出率提升到99.7%，漏检率压降到0.3%以下

　　· 某大型纸业集团：纸张微米级表面缺陷全检，误报率降低75%

　　图：背光下的薄膜卷材。机向模线是正常纹理不是缺陷——把这两者分开，正是只用良品建模要学会的事。

　　消费品

　　· 某头部消费品厂商：机身 Logo 丝印的微米级高速全检，误报率降低78%

　　· 某消费品制造商：装配缺漏件 / 错装，高节拍产线100%全检，误报率降低75%

　　图：装配治具上的机身结构件。换型越频繁的产线，0 代码建模的价值越直接。

　　这里要分清两件事：覆盖八类场景说的是同一套判定逻辑用得上，而前面那1000 台套的实际装机目前集中在半导体与 PCBA 两类，其余场景是已落地的方向，规模不在一个量级。

　　七、部署：数据不出厂，断网能开工

　　ACI 按100%本地私有化部署交付：样板与检测图像全程不出厂，推理跑在产线边缘侧，单次判定时延小于12 毫秒，断网不影响开工。交付方式包括Docker容器一键私有化部署与本地一体机开箱即用。

　　这不是一个可选项。良品率曲线、缺陷特征库与工艺参数是制造企业的核心机密，数据留在厂里是采购的先决条件，不是加分项。

　　需要说明的是：跑在产线边缘侧、做出每一次判定的，是那个蒸馏出来的专用小模型；检测过程不依赖外部云端接口，断网照常开工。

　　关于微链道爱

　　北京微链道爱科技有限公司（Welinkirt / DaoAI）成立于 2018 年，是国家高新技术企业、国家级专精特新"小巨人"企业，2026 年入选北京市"重点小巨人"名单，并为工业和信息化部人形机器人与具身智能标准化技术委员会工作组成员单位。核心创始团队源自北美计算机视觉实验室与清华大学，研究成果发表于 NeurIPS、ICLR、CVPR 等国际顶会。

　　公司以自研世界模型底座 DaoAI World 驱动四条产品线：工业 ACI 认知检测、机器人视觉、天眼 SkyVision 视频监控 AI、Wemio 企业内容输出。已深度进入西门子生态，获西门子商业潜力奖、入选西门子 Xcelerator"繁星计划"，是英伟达官方生态合作伙伴。据工业和信息化部 2026 年 6 月 24 日发布的通知，其基于视觉大模型的工业质检智能体应用实践入选《2025 年人工智能应用典型案例》。