鋰電池產線上，高速線掃相機能以每分鐘120米的速度捕捉微米級瑕疵；半導體晶圓制造中，高分辨率成像搭檔AI視覺模型可實現納米級缺陷的實時捕捉與智能分類……在工業制造的第一線，這些看似科幻的場景正在不斷上演。

行業數據顯示，2025年我國工業視覺市場規模達280億元，同比增長22%。2028年這一數據有望突破500億元，成為智能制造增速最高的細分賽道之一。

“中國的制造業AI不是‘未來時’而是‘現在進行時’。”多位受訪人士表示，隨著“工業物聯網+智能制造+視覺技術+AI技術爆發”的時代到來，中國制造正從勞動密集型、經驗驅動型的傳統模式，轉向數據驅動、算法決策的智能化新階段。

不是替代人而是超越人

走進華翔(洪洞)智能科技產業園的法蘭工廠，高速運轉的生產線上，數百種精密零部件有序經過AI視覺檢測設備，系統在毫秒間便完成了圖像采集、缺陷識別與質量判定，實現了100%在線全檢。

檢測設備的核心技術，來自華翔股份旗下上海申智創視覺科技有限公司。作為工業AI視覺檢測領域的引領者，上海申智創視覺科技有限公司的技術團隊依托華為昇騰算力與自主算法，令法蘭工廠的檢測效率提升了12倍，準確率超99.9%，有力推動了華翔“零缺陷生產”目標的實現。

“傳統人工檢測存在一些短板。”山西申智創總經理李紅剛告訴上海證券報記者，傳統質檢高度依賴工人經驗，普遍存在主觀性強、產品一致性差、質量數據無法聯動生產等痛點，“檢測數據也無法留存追溯，不良品很難定位生產根源，導致企業廢品成本居高不下”。

如今，依托AI視覺檢測技術，生產一線不僅實現了從“人工定義規則”到“數據生成智能”的范式升級，能夠有效規避傳統質檢弊端，還可反向操控機床。

“這套機床反向控制系統是我們的核心競爭力。”李紅剛介紹，檢測機如同工廠的“眼睛”，AI算法則是“大腦”，當識別到產品尺寸、變形量接近公差臨界點時，系統會自動下發補償信號給前端機床微調加工參數，持續收窄產品規格波動，從源頭提升零部件的一致性。

上海申智創視覺科技有限公司CEO賈力算了一筆賬：設備在華翔工廠上線后，不僅大幅降低了人力及管理成本，也讓產品一致性顯著提升、廢品率有效降低。“僅廢品率一項，每降低1個百分點，工廠一年便可節省成本6000萬元，短期內可收回設備投入。”賈力說。

“讓機器看得見只是第一步，讓數據跑起來、品質可提升，才是AI制造真正的分水嶺。”在賈力看來，AI視覺檢測不僅是“挑毛病”的工具，更是將每一次檢測轉化為可追溯、可分析的結構化數據資產，反哺生產工藝并持續優化的新引擎。

上市公司搶灘千億級賽道

咨詢機構IIM信息預測，全球AI質檢算法市場將在2026年迎來結構性躍升，整體規模有望突破127億美元。其中，中國市場貢獻占比有望提升至34%，預計到2030年將逼近46%，成為全球最大的單一區域市場。

面對這一高成長賽道，不少上市公司通過內生布局與外延并購加速卡位。

在太鋼不銹煉鋼廠轉爐主控室，記者看到，煉鋼工人只要在屏幕前輕點鼠標，便可開啟“一鍵煉鋼”。老員工常偉告訴記者，智能化設備“上崗”前，他是一名搖爐工，裝料、出鋼都得手動搖爐，須全天守在煉鋼爐旁，“夏天熱的時候，車間起碼有50攝氏度，熱得人喘不過氣。”

“設備智能化改造后，相當于‘視覺系統’接管了搖爐工作，通過激光定位自動搖爐，工人們再也不用守著高溫爐了。”常偉說。

作為傳統制造業龍頭，太鋼不銹近年來將AI視覺檢測作為智能制造升級的核心抓手，進行大規模推廣應用。截至目前，太鋼不銹已新增智能裝備385臺套，減少人工作業577個，關鍵工序數控化率達到86%。“十五五”時期，公司還將通過“AI+制造”“AI+業務”等方式，挖掘高價值AI場景，優化生產流程，精準調配資源。

此外，不少上市公司以并購重組為抓手，快速切入AI視覺賽道。2025年，獅頭股份啟動重大資產重組，擬通過發行股份及支付現金方式，以6.62億元收購杭州利珀科技股份有限公司97.4399%股份。據了解，利珀科技主要從事工業機器視覺檢測，客戶覆蓋光伏、半導體、鋰電等領域，掌握工業機器視覺經典算法及AI算法、計算成像等核心技術。

2026年初，北交所“智慧礦山第一股”科達自控以2.09億元現金收購新三板創新層企業海圖科技51%股份，成為其控股股東。海圖科技是一家以人工智能和機器視覺解決方案為核心的國家級專精特新“小巨人”企業。這筆交易同時創下多項紀錄：北交所成立以來最大現金并購案；北交所上市公司首次并購新三板企業；山西上市公司首次并購江蘇AI企業等。

走出本土化AI視覺發展之路

盡管AI視覺產業前景廣闊，但規模化落地仍面臨樣本稀缺、人工標注成本高、設備部署與算法迭代復雜、初期設備投入成本高、短期效益難量化等多重挑戰。

賈力表示，中國作為制造業大國，擁有家電、汽車、3C、新能源、半導體等海量實體產線，“應發展扎根制造業、以落地實效為核心的本土化工業AI”。

“工業AI的評判標準從來不是理論指標，而是能否解決工廠真實痛點、提升產品一致性、降低生產成本。”清華大學教授丁貴廣認為，堅持應用優先是中國工業AI區別于海外信息類AI的核心特色。AI在工業場景的落地必須與行業“know-how(非公開的技術訣竅或實操經驗)”深度結合，不能脫離實體經濟空談技術概念。

多位受訪人士也透露，AI視覺產業上下游企業正從三大方向探索突圍之路：技術路徑上，從“專用小模型”向“通用大模型”躍遷已成為共識；產業路徑上，頭部企業從“單點工具”走向“系統方案”；市場路徑上，國產化從“中低端”向“高端”延伸。

近期，華翔股份聯合中國電子商會、中國鑄造協會，與清華大學、太原理工大學等科研院校及上汽、美的、格力等企業，共同發布“丁陶共識”：強化科技支撐推動工業AI視覺技術專業應用、強化技術標準規范應用、強化長效產學研用協同創新、強化數據安全共享以及強化政銀企合作。根據共識，各方將共同推動智能制造從“可視監測”邁向“自主可控”，實現從“事后挑錯”走向“事前預防”。