AI 質檢進入 ACI 時代:讓檢測模型在你的產線上"越用越準"
到 2026 年 6 月 30 日,微鏈道愛(Welinkirt / DaoAI)的 ACI 認知檢測設備累計部署1000 臺套,集中在半導體與 PCBA。
裝在這些產線上的 ACI(Auto Cognitive Inspection,自動認知檢測),是一個面向工業質檢的專用小模型:由通用世界大模型底座 DaoAI World 蒸餾而來,到了客戶現場還能繼續學習、不斷變強。一塊良品建模,冷啟動檢出準確率98%,在線迭代之后可達99.99%——均為匿名行業場景下的典型可達范圍,以現場實測為準。
一、它是一個蒸餾下來的專用小模型
DaoAI World 是通用世界大模型底座,把空間、材質、光影、運動、因果放進同一個模型。裝到某一條產線上的不是這個底座本身,而是從它蒸餾出來的專用小模型——不是從零訓練,一上線就帶著"見過世面"的先驗,再在這條產線上繼續長。
這也是微鏈道愛對 AGI 的判斷在工業側的形狀:AGI = 一個通用世界大模型 + N 個垂類小模型,而不是"大語言模型 + skill / agent"。語言模型擅長符號與知識的組合;制造要解的是物體在三維空間中如何存在、如何運動、為何這樣運動——這些約束不在語料里,只在物理世界里。
二、建模:一塊良品,30 秒到 5 分鐘
ACI 只用良品建模——模型學的是"正常長什么樣",凡偏離即可疑。缺陷是開集,形態沒有邊界;良品是閉集,可以被描述完。判據方向一換,冷啟動、換型與長尾缺陷三件事同時松動。
具體做法:掃一塊當前批次的良品參考板,系統自己學元件位置與外觀;元件、引腳、極性秒級映射,不用手畫 ROI;判定閾值從樣板推出來,產線員工就能上手。同一類元件在樣板上通常有多個實例,1 到 20 個就夠它學會這類的正常形態;不要 CAD 圖紙,也不用先攢一個缺陷庫。
自動編程30 秒到5 分鐘跑完,換型當天不占產線。

圖:一塊良品參考板。ACI 學的是「正常長什么樣」,所以不需要先攢一個缺陷庫。
三、判據掛在特征空間,不掛在顏色空間
ACI 認的是元件的身份,而不是像素和顏色的相似度。這一條決定了幾類最難的現場情況能不能過:黑板上的黑件、銀線上的銀件不靠顏色反差區分;元件轉了 90 度、翻了面、表面沾了污染,也還定得住位。
判據不掛在坐標上,還帶來兩個直接結果:換板不需要重建索引,以及同一套判定邏輯可以跨成像模態。結構光 3D、X 光、紅外與電鏡圖像共用同一套判據——成像方式是可換的,要判的東西不變。

圖:黑色器件壓在黑色阻焊板上,兩者幾乎沒有色差。認出它靠的是輪廓、引腳位置這些結構特征,不是顏色差異。
四、越用越準:98% 到 99.99% 的那條曲線
冷啟動這一端:一塊良品一鍵建模,檢出準確率到98%,誤報比上一代規則方案低約八成。跑起來之后這一端:經在線自我迭代,檢出準確率可達99.99%。兩個數字都來自已落地的電子與 PCBA 產線,是匿名行業場景下的典型可達范圍——換一種板型、換一批器件,結果會往兩邊走,以現場實測為準。
中間那段靠反饋學習走完。一次人工復核翻轉,信息量其實極小——一個樣本上的一個比特。真正起作用的是它被歸到哪一類元件,以及那一類里已經有多少樣本:判定邊界往外推多少,由分母決定。所以越是跑得久、樣本累積得多的元件類別,判據收得越緊。
微鏈道愛總經理張宇在新華網 2026 年 7 月 20 日的專訪中給過一個對照:人工目檢"連續作業三小時后,人就疲勞了,檢測準確率會下滑到90%以下",而物理 AI 檢測系統"可以 7×24 小時不間斷作業,且檢測準確率穩定維持在99.999%以上"。他說的是物理 AI 檢測系統這一類的口徑,與前面 ACI 設備自身的98%/99.99%不是同一個計量對象。
換句話說,準確率的上限不是一個預設值,而是迭代次數的函數——用得越久,越逼近100%。
五、設備與指標
2D ACI 設備(IRIS ANT 2D 系列)
· 離線 P1 / P1L:5MP·15μm
· 離線 P2:12MP·10μm
· 在線 P3 / P3D:2600 萬高速全局相機,光學分辨率10μm/px,與 SMT 同節拍在線全檢
3D ACI 設備(IRIS ANT P5 / P5D)
· 21MP相機 + 4 方向沙姆投影光機
· 高度精度 ±6μm(使用校準工具)
· 光學分辨率10μm,最大高度量程25mm
· 檢查速度 >10cm2/s
· 量的是二維光學量不出來的表面幾何:BGA / QFN 的共面度、焊點高度與體積、微米級三維形貌
被器件本體遮住的焊點、焊點內部的空洞,由 X 光或 CT 成像,ACI 判讀這些圖像——同一套判定邏輯,換一種成像方式即可。
自研 3D 工業相機:兩個系列、11 款機型
· 檢測系列 AQ-060:60×60mm遠心視野,2μm重復精度
· 檢測系列 AD-080:77×70mm雙光機,4μm重復精度,±8mm量程
· 檢測系列 AD-470:477×435mm大幅面,40μm
· IN 系列 Z 重復定位精度:IN-XS 5μm/ IN-S 8μm/ IN-M 15μm
· 抓取系列:BP-AMR / BP-AMR-GPU / BP-S / BP-M / BP-L
· 全系結構光成像 + 自研 3D HDR,黑色件與高反光件單次拍清,IP65,3 分鐘現場標定

圖:微鏈道愛 ACI 認知檢測設備。離線桌面機、在線單軌機與三維檔位形態不同,判定邏輯是同一套。
六、應用場景與案例
同一套判定邏輯覆蓋電子、汽車、半導體、電池、醫藥、食品、化工、消費八類場景。下面每類各取一到兩個已落地的現場——客戶均匿名,數字是匿名行業場景下的典型可達范圍,換一種產品、換一條產線會往兩邊走,以現場實測為準。
電子 / PCBA
· 某中小型電子制造廠:SMT 焊點虛焊、連錫、少錫在線檢測,換型時間從60 分鐘縮短到5 分鐘
· 某頭部 PCBA 制造商:元件極性反向的誤報率降低82%(APDT 少樣本自訓練)

圖:回流后的貼片板在傳送軌上。ACI 判的是每個元件該長什么樣,不是拿它和一張標準圖逐像素比。
半導體
· 某中型封裝測試廠:引腳共面性與劃片崩邊,誤報率降低82%
· 某頭部封測廠:微凸點橋連 / 缺失,誤報率從行業慣常的15%降到2.5%以下
· 某中型先進封裝廠:稀有缺陷的人工目檢成本降低75%

圖:BGA 封裝底面的焊球陣列。缺掉的那一顆是 A1 角標識,用來定方向——這類結構性特征正是認知判定的錨點。
汽車
· 某頭部汽車零部件供應商:涂膠密封100%在線檢測與路徑糾偏,誤報率降低35%

圖:點膠針頭在鈑金件法蘭上走連續膠條。要判的是膠條連不連續、有沒有斷點與瘤狀堆積。
電池
· 某頭部新能源電池制造商:極片涂布在線全檢,漏檢率降到0.08%,同時滿足產線高節拍
· 某中型電池廠:卷繞 / 疊片對齊 0 代碼換型,換型時間從數小時縮短到5 分鐘內

圖:極片涂布卷材過輥。兩側恒定寬度的未涂布箔材留白,是對齊精度的基準線。
醫藥
· 某中型制藥廠:膠囊多類缺陷100%全檢,產線節拍提升25%,誤報率降低80%

圖:膠囊在不銹鋼輸送軌上。要判的是帽體套合、癟殼與異物,而這些缺陷樣本在產線上本就稀少。
食品
· 某中型食品加工廠:包裝封口的微小褶皺與異物,漏檢率從1.5%壓降到0.4%以下,人工復判誤報率降低70%
· 某中型烘焙企業:蛋糕卷表面氣泡、裂紋的高速在線全檢,人工復判工時降低85%以上

圖:軟包裝袋過熱封刀后的封口壓痕。封口處的微小褶皺是漏檢高發項。
化工與材料
· 某頭部化工材料廠商:印刷膜表面缺陷的誤報率降低82%
· 某中型供應商:紋理表面缺陷檢出率提升到99.7%,漏檢率壓降到0.3%以下
· 某大型紙業集團:紙張微米級表面缺陷全檢,誤報率降低75%

圖:背光下的薄膜卷材。機向模線是正常紋理不是缺陷——把這兩者分開,正是只用良品建模要學會的事。
消費品
· 某頭部消費品廠商:機身 Logo 絲印的微米級高速全檢,誤報率降低78%
· 某消費品制造商:裝配缺漏件 / 錯裝,高節拍產線100%全檢,誤報率降低75%

圖:裝配治具上的機身結構件。換型越頻繁的產線,0 代碼建模的價值越直接。
這里要分清兩件事:覆蓋八類場景說的是同一套判定邏輯用得上,而前面那1000 臺套的實際裝機目前集中在半導體與 PCBA 兩類,其余場景是已落地的方向,規模不在一個量級。
七、部署:數據不出廠,斷網能開工
ACI 按100%本地私有化部署交付:樣板與檢測圖像全程不出廠,推理跑在產線邊緣側,單次判定時延小于12 毫秒,斷網不影響開工。交付方式包括Docker容器一鍵私有化部署與本地一體機開箱即用。
這不是一個可選項。良品率曲線、缺陷特征庫與工藝參數是制造企業的核心機密,數據留在廠里是采購的先決條件,不是加分項。
需要說明的是:跑在產線邊緣側、做出每一次判定的,是那個蒸餾出來的專用小模型;檢測過程不依賴外部云端接口,斷網照常開工。
關于微鏈道愛
北京微鏈道愛科技有限公司(Welinkirt / DaoAI)成立于 2018 年,是國家高新技術企業、國家級專精特新"小巨人"企業,2026 年入選北京市"重點小巨人"名單,并為工業和信息化部人形機器人與具身智能標準化技術委員會工作組成員單位。核心創始團隊源自北美計算機視覺實驗室與清華大學,研究成果發表于 NeurIPS、ICLR、CVPR 等國際頂會。
公司以自研世界模型底座 DaoAI World 驅動四條產品線:工業 ACI 認知檢測、機器人視覺、天眼 SkyVision 視頻監控 AI、Wemio 企業內容輸出。已深度進入西門子生態,獲西門子商業潛力獎、入選西門子 Xcelerator"繁星計劃",是英偉達官方生態合作伙伴。據工業和信息化部 2026 年 6 月 24 日發布的通知,其基于視覺大模型的工業質檢智能體應用實踐入選《2025 年人工智能應用典型案例》。
提交
視比特如何啃下船舶海工這塊硬骨頭?
SMT 競爭拐點:快速換線之下,如何打通備料、配送與工位交接?
Intel LOEM Summit 2026聚焦AI終端創新,六聯智能以全棧能力連接全球市場
不同業態智能照明控制策略的第一約束與控制器能力對照——會展、高校、交通樞紐、工業廠房
從設備互聯到控制、計算協同:TSN 在工業 AI 中能發揮什么作用?



投訴建議