Un decennio di silenzioso progresso: l'Hikrobot, l'epitome della manifattura made in China radicata in prima linea industriale
2026-07-10
.gtr-container-p0q1r2 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
color: #333333;
line-height: 1.6;
padding: 16px;
box-sizing: border-box;
overflow-wrap: break-word;
}
.gtr-container-p0q1r2 p {
font-size: 14px;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-p0q1r2 .gtr-heading {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-p0q1r2 .gtr-image-wrapper {
margin-bottom: 1.5em;
text-align: center;
}
.gtr-container-p0q1r2 .gtr-metadata {
margin-top: 1.5em;
margin-bottom: 2em;
padding: 1em;
background-color: #E0E0FF;
border-radius: 4px;
text-align: left;
}
.gtr-container-p0q1r2 .gtr-metadata-item {
font-size: 12px;
color: #666666;
margin-bottom: 0.5em;
}
.gtr-container-p0q1r2 .gtr-metadata-item:last-child {
margin-bottom: 0;
}
.gtr-container-p0q1r2 .gtr-image-placeholder {
font-style: italic;
color: #666666;
text-align: center;
margin-top: 2em;
margin-bottom: 2em;
}
@media (min-width: 768px) {
.gtr-container-p0q1r2 {
max-width: 960px;
margin: 0 auto;
padding: 24px;
}
.gtr-container-p0q1r2 p {
margin-bottom: 1.2em;
}
.gtr-container-p0q1r2 .gtr-heading {
font-size: 22px;
margin-top: 2.5em;
margin-bottom: 1.2em;
}
.gtr-container-p0q1r2 .gtr-metadata {
padding: 1.5em;
}
}
È facile far esibire i robot per lo spettacolo, ma farli funzionare in modo affidabile all’interno di fabbriche reali è una sfida completamente diversa. Per 12 anni, Hikrobot si è concentrata su una missione fondamentale: l’implementazione di robot per gestire le attività di produzione effettive negli stabilimenti. Questi robot non hanno alcuna somiglianza con le forme umanoidi, ma possono osservare l'ambiente circostante e collaborare tra loro proprio come i lavoratori umani, apportando valore tangibile alle operazioni di produzione e alla vita quotidiana delle persone.
Immagini
Immagini
Autore: Canzone Di
Immagine di copertina: archivio immagini
Immagini
Nel 2026, su un lato dello stand durante l'Intelligent Manufacturing Conference, Hikrobot ha presentato un robot intelligente incorporato su ruote. I robot su ruote vantano vantaggi intrinseci per gli scenari di fabbrica e questo modello ha già svolto attività di movimentazione dei materiali sulle linee di produzione interne di Hikrobot.
Hikrobot rispetta un rigido principio di prodotto: i prodotti verranno lanciati sul mercato solo una volta completamente maturi e convalidati per scenari industriali specifici. “Forniamo ai clienti prodotti industriali tangibili, non vuote visioni tecnologiche”, ha affermato Robert Jia, CEO di Hikrobot.
Le scoperte degli algoritmi come l’apprendimento per rinforzo negli ultimi due anni hanno portato miglioramenti senza precedenti alle capacità di controllo del movimento dei robot, consentendo ai robot di eseguire movimenti fisici complessi con una percezione ambientale più forte. Alimentata da questi progressi tecnologici, è germogliata un’ondata di startup focalizzate sull’intelligenza incarnata, scatenando una frenesia a livello nazionale per i robot umanoidi.
Tuttavia, organizzare dimostrazioni di robot è molto più semplice che implementarli per lavorare stabilmente nelle fabbriche reali.
Nato come team di incubazione interno sotto Hikvision nel 2014, Hikrobot ha trascorso quasi 12 anni consentendo l'implementazione di robot su larga scala in siti industriali per generare valore reale per la produzione.
La prima metà di questo viaggio ha richiesto pazienza e tenacia: ogni prodotto richiede un ciclo di ricerca e sviluppo di 3-5 anni, abbinato a ripetute iterazioni e ottimizzazioni di sistemi hardware e software integrati, oltre alla convalida in migliaia di siti industriali con flussi di lavoro e condizioni in loco distinti. Hikrobot ha impiegato almeno cinque anni per realizzare la sua prima implementazione commerciale su larga scala.
Entro il 2019, Hikrobot ha immesso sul mercato 1 milione di telecamere industriali e oltre 10.000 robot mobili autonomi (AMR).
La seconda metà del suo viaggio ha portato una crescita esplosiva. L’ondata di ammodernamento industriale della Cina ha scatenato un’enorme domanda di mercato e la capacità di Hikrobot di co-creare soluzioni di risoluzione dei problemi basate su robot con i clienti si è espansa rapidamente in tutti i settori.
Ad oggi, le spedizioni cumulative di prodotti di visione artificiale Hikrobot hanno superato i 10 milioni di unità, mentre più di 180.000 AMR sono usciti dalle linee di produzione. Nel mercato interno cinese, una telecamera industriale su due e un robot mobile su tre sono prodotti da Hikrobot.
Jia resta convinta che questo sia solo il punto di partenza. Intervenendo all’Intelligent Manufacturing Conference, ha osservato che il settore manifatturiero si trova a un bivio: le ondate tecnologiche emergenti stanno rimodellando la capacità di offerta, mentre la domanda si sta spostando verso una produzione di piccoli lotti, alta varietà e altamente frammentata.
Hikrobot è completamente preparato per questo cambiamento. Si prevede che la sua base produttiva di Tonglu, appena completata, raggiungerà la piena capacità entro due anni, e la società sta esplorando siti per ulteriori impianti di produzione.
Nella visione di Jia, Hikrobot si evolverà in un'impresa di produzione intelligente basata su piattaforma al servizio dei settori manifatturiero e logistico, fornendo tutto l'hardware intelligente, le apparecchiature software e i sistemi integrati necessari.
Creazione di funzionalità full-stack da zero
Nel 2014, un team interno guidato da Robert Jia è stato incubato all'interno di Hikvision, con il compito di applicare l'intelligenza artificiale e le tecnologie robotiche ai campi industriali.
Intorno al 2014 si sono verificati due cambiamenti cruciali nel settore. In primo luogo, il venir meno del dividendo demografico ha favorito la rapida crescita dell’automazione industriale cinese, generando una massiccia domanda di mercato. In secondo luogo, la combinazione di algoritmi di rete neurale convoluzionale (CNN), dati e potenza di calcolo ha sbloccato scoperte rivoluzionarie nell’intelligenza artificiale, creando una finestra affinché le imprese cinesi possano scavalcare i concorrenti globali.
Jia ha riconosciuto che il miglioramento industriale intelligente è l’unica strada verso una crescita sostenibile per il Made in China, con l’intelligenza artificiale destinata a diventare la forza trainante della robotica. La produzione e la logistica rappresentano gli scenari più praticabili per una rapida implementazione della robotica e fornitura di valore.
Da un punto di vista tecnico, Hikvision vantava una profonda esperienza accumulata in hardware, sviluppo integrato, elaborazione di immagini ISP e visione di riconoscimento di modelli. A quel tempo, i prodotti tradizionali dei principali produttori esteri si affidavano ancora ad algoritmi di riconoscimento dei modelli industriali obsoleti, mentre Hikvision aveva già implementato modelli CNN all’avanguardia per il riconoscimento delle immagini in scenari commerciali e di sicurezza.
Questo vantaggio tecnico ha portato il team a credere di poter penetrare nel mercato attraverso l’innovazione tecnologica top-down, in modo simile a molte aziende Internet e tecnologiche dell’epoca. Tuttavia, il divario tra la tecnologia pura e la vera domanda del mercato è diventato il primo grande ostacolo che il team della startup ha dovuto superare.
Nel 2015, Jia ha guidato il suo team a sviluppare con piena fiducia tre telecamere industriali ricche di nuove funzionalità innovative.
Un’innovazione degna di nota è stata l’introduzione del miglioramento del colore nelle telecamere industriali, una funzione ampiamente utilizzata nella fotografia e nella sorveglianza di sicurezza per produrre immagini a misura d’uomo. Tuttavia, il team ha rapidamente scoperto un difetto critico durante il lancio sul mercato: la maggior parte dei sistemi di visione industriale fornisce dati ad algoritmi, non a operatori umani, eliminando la necessità di resa cromatica.
A differenza delle applicazioni commerciali e di sicurezza, gli scenari industriali danno priorità alla stabilità ben al di sopra dei costi. Una telecamera industriale può costare solo poche migliaia di RMB all’interno di una linea di produzione che ne vale centinaia di migliaia, ma una singola telecamera difettosa può fermare l’intera attrezzatura.
"I clienti saranno disposti a sostituire le apparecchiature esistenti solo se i nuovi prodotti apportano un valore tangibile sostanziale", ha spiegato Jia.
In qualità di nuovo operatore sul mercato in competizione con attori affermati con decenni di esperienza nel riconoscimento della vista, quale valore unico potrebbe offrire Hikrobot?
Il team di Jia è arrivato a una risposta chiara: costruire tutto da zero.
La visione artificiale comprende un complesso ecosistema di hardware e software, tra cui telecamere e algoritmi industriali. La maggior parte dei nuovi operatori sceglie di acquistare moduli standard e di concentrarsi esclusivamente sulla progettazione di algoritmi. Hikrobot, tuttavia, ha deciso di sviluppare in modo indipendente quasi tutti i componenti della visione artificiale, dagli algoritmi principali ai sistemi hardware e software.
Ad esempio, i moduli di interfaccia di comunicazione GigE Vision per telecamere industriali richiedono una trasmissione dati ultrastabile. Mentre molti produttori acquistano moduli già pronti per ridurre i tempi di sviluppo, Hikrobot ha investito molto tempo nel perfezionamento della sua versione interna, eseguendo ripetutamente il debug della compatibilità tra protocolli e dell'adattabilità universale.
Sul fronte dell'hardware, le telecamere industriali presentano fattori di forma ultracompatti e il team ha dedicato anni a ottimizzare il consumo energetico e la dissipazione del calore entro dimensioni fisiche minime.
Sul fronte degli algoritmi, Hikrobot è stato il pioniere dei lettori di codici a barre industriali basati su algoritmi di intelligenza artificiale, innescando un salto generazionale nelle prestazioni di lettura dei codici industriali in tutto il settore.
"L'acquisto di moduli di terze parti accelera l'integrazione del prodotto, ma impedisce la ricostruzione profonda, l'ottimizzazione e l'iterazione a livello di sistema", ha affermato Jia. "Senza il pieno controllo sui singoli moduli, non è possibile liberarsi dalle strutture tecniche esistenti. Molti prodotti da 85 punti popolano il mercato, ma creare un prodotto da 95 punti pone sfide immense."
Solo i prodotti che raggiungono la soglia prestazionale di 95 punti offrono valore trasformativo ai clienti.
Questa capacità di sviluppo full-stack e dal basso consente a Hikrobot di ottimizzare ogni componente modulare durante la ricerca e sviluppo del prodotto, gettando le basi per il suo vantaggio competitivo nei robot mobili e nei bracci robotici articolati negli anni successivi.
Co-creazione con i clienti, risoluzione dei punti critici in loco nel mondo reale
Robert Jia tiene discorsi strutturati e vividi che bilanciano l'analisi razionale con metafore illustrative, un riflesso della sua traiettoria di carriera. È stato il primo ingegnere di algoritmi di Hikvision e in seguito si è occupato della gestione della catena di fornitura del gruppo.
Durante oltre un anno in ruoli nella catena di fornitura, Jia ha visitato numerose fabbriche di fari a livello nazionale e ha supervisionato la costruzione della base di produzione di Hikvision a Tonglu, Zhejiang. Questa esperienza pratica gli ha permesso di comprendere a fondo le reali esigenze dei produttori. Ad esempio, il punto dolente più difficile all’interno di molte catene di fornitura di fabbrica non risiede nella produzione stessa, ma nella logistica intra-fabbrica.
Gli ambienti di magazzino sono caratterizzati da complesse sovrapposizioni di personale e merci, che fungono da collegamenti critici che collegano la produzione a monte e a valle. Costituiscono l’anello più debole della catena del valore manifatturiera, presentando anche uno dei primi scenari praticabili per una trasformazione intelligente completa. Per questo motivo, il team di Jia ha sviluppato gli AMR come una linea di prodotti parallela alla visione artificiale: i sistemi di visione fungono da “occhi” intelligenti della fabbrica, mentre i robot mobili fungono da “piedi” intelligenti.
A quel tempo, il mercato offriva già diverse attrezzature per la movimentazione dei materiali, come i veicoli a guida automatizzata (AGV), ma questi dispositivi presentavano due limitazioni universali. In primo luogo, vincolati da algoritmi e hardware obsoleti, potevano viaggiare solo lungo percorsi fissi e predefiniti. In secondo luogo, i produttori di apparecchiature non avevano una conoscenza approfondita degli scenari industriali; la logistica di fabbrica implica condizioni complesse in loco che richiedono una conoscenza approfondita dei flussi di lavoro di produzione intersettoriali.
L’ottimizzazione dell’hardware esistente non poteva generare valore incrementale per le fabbriche: la priorità principale era comprendere gli scenari e risolvere problemi pratici, una lacuna che i sistemi AMR erano stati progettati per colmare.
Nel 2015, la soluzione intralogistica di Hikrobot è stata convalidata e testata presso la base di produzione di Tonglu di Hikvision, dove è stato sviluppato il primo lotto di AMR underride. Nel gennaio 2016, Hikrobot ha implementato il suo primo progetto AMR su larga scala presso lo stabilimento di Tonglu, installando 800 robot sottostanti in un'unica installazione. All’interno del proprio stabilimento, il sistema AMR ha sopportato la rigorosa pressione produttiva del mondo reale e il perfezionamento iterativo. Successivamente è seguita l'implementazione negli stabilimenti automobilistici e nei magazzini di alimenti freschi.
Nel 2017, un cliente di un supermercato al dettaglio ha dovuto far fronte a costi di manodopera in forte aumento, bassa efficienza di smistamento e alti tassi di errore all’interno del suo centro di distribuzione di alimenti freschi, creando una domanda urgente di trasformazione intelligente. Il cliente ha aperto il suo magazzino per prove congiunte nonostante la limitata esperienza precedente di Hikrobot negli scenari di alimenti freschi. Attraverso continui tentativi ed errori, le due parti hanno distribuito 40 AMR e sette postazioni di smistamento in un magazzino di alimenti freschi di 4.000 metri quadrati. Il flusso di lavoro è passato da “lavoratori in viaggio verso le merci” a “merci consegnate ai lavoratori”, aumentando l’efficienza di smistamento da 120 pezzi per persona all’ora a 210 pezzi.
Questo modello di co-creazione del cliente ha definito lo sviluppo iniziale di Hikrobot, con il settore delle consegne espresse che funge da tipico caso di studio. Nel 2017, quasi nessun marchio nazionale di visione operava nel settore della logistica; lo smistamento dei pacchi, la lettura dei codici e la pesatura si basavano interamente su scanner PDA manuali. Le aziende di logistica hanno cercato di sviluppare sistemi DWS (Dimension-Weigh-Scan) su misura per il paese e hanno collaborato con Hikrobot per attività di ricerca e sviluppo congiunte.
Il principale ostacolo tecnico per DWS nella logistica risiede nelle etichette di spedizione deformate incollate su pacchi irregolari, spesso ricoperte da nastro adesivo trasparente che compromette la lettura del codice. Data l’estrema complessità delle linee di smistamento nel mondo reale e i minimi precedenti globali, i principali fornitori esteri hanno in gran parte evitato questo mercato, rivolgendosi solo a clienti ad alto budget con scenari puliti e standardizzati. Le società di logistica nazionali si sono rivolte ad aziende locali di produzione intelligente come Hikrobot per trovare soluzioni praticabili.
Per raccogliere dati e testare i sistemi, il partner logistico ha riservato linee di smistamento dedicate esclusivamente al team di sviluppo di Hikrobot. Gli ingegneri dell'algoritmo hanno lavorato sul posto dall'estate afosa all'inverno gelido, trascorrendo mesi a completare lo sviluppo iniziale. Dopo il lancio, il team ha dedicato anni all'ottimizzazione continua prima che la soluzione venisse adottata su larga scala nel settore nel 2019.
Dopo il 2019, Hikrobot ha acquisito innumerevoli nuovi clienti in settori emergenti tra cui quello automobilistico, delle batterie al litio, del fotovoltaico, dei semiconduttori e dei dispositivi medici. I dirigenti di questi produttori hanno prontamente abbracciato la robotica e l’espansione della capacità ha accelerato la domanda di apparecchiature automatizzate. Sono state progettate nuove fabbriche con spazio dedicato per l’implementazione di robot su larga scala da zero.
Vista più
La GF si assicura la più grande commessa municipale nella storia dell'azienda!
2026-07-03
.gtr-container-x7y8z9 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
font-size: 14px;
line-height: 1.6;
color: #333;
padding: 15px;
box-sizing: border-box;
}
.gtr-container-x7y8z9 p {
margin-bottom: 1em;
text-align: left !important;
word-wrap: break-word;
overflow-wrap: break-word;
}
.gtr-container-x7y8z9 p:last-child {
margin-bottom: 0;
}
.gtr-container-x7y8z9 .gtr-heading-style {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 1.5em;
margin-bottom: 0.8em;
}
.gtr-container-x7y8z9 img {
vertical-align: middle;
}
.gtr-container-x7y8z9 div {
margin: 0;
padding: 0;
}
@media (min-width: 768px) {
.gtr-container-x7y8z9 {
max-width: 960px;
margin: 0 auto;
padding: 25px;
}
}
Georg Fischer (GF), un gruppo industriale svizzero, ha recentemente firmato un contratto biennale con Sabesp, la principale società di approvvigionamento idrico e di trattamento delle acque reflue municipali del Brasile.il valore di circa CHF 100 milioni (equivalente a circa 870 milioni di RMB)Questo ordine di due anni rappresenta il più grande contratto del settore municipale della storia del Gruppo e si colloca tra i più grandi ordini singoli che il Gruppo abbia mai ottenuto fino ad oggi.
Oltre alle applicazioni industriali e edilizie, GF offre un portafoglio completo di soluzioni municipali innovative.Coprire l'intero ciclo dell'acqua dalle fonti d'acqua e dagli impianti di depurazione ai rubinetti dell'utente finale, forniamo un supporto end-to-end per le infrastrutture di approvvigionamento idrico per preservare le preziose risorse idriche e ridurre le perdite di gasdotti.
Collaborazione con la più grande società di servizi pubblici del Brasile per promuovere l'ammodernamento della rete idrica
Fondata nel 1973, Sabesp è la più grande società di approvvigionamento idrico e servizi igienico-sanitari del Brasile e si colloca tra le maggiori società idriche del mondo per popolazione servita.Fornisce servizi di distribuzione dell'acqua e trattamento delle acque reflue a 375 comuni dello Stato di San PaoloIn questo progetto, la Sabesp e la GF condividono una partnership di lunga data e di successo.GF fornirà prodotti per sistemi di tubazioni e soluzioni integrate per modernizzare la rete idrica dello Stato di San Paolo.
Nell'ambito dell'iniziativa nazionale del Brasile volta a modernizzare le infrastrutture idriche e a garantire l'accesso universale ai servizi idrici e igienici entro il 2033,Sabesp sta investendo pesantemente nell'ammodernamento della sua rete di distribuzione dell'acquaL'anno scorso, GF ha consegnato un manicomio a pressione NeoFlow per la distribuzione pilota, integrando le tecnologie di GF, VAG, Uponor e di altri marchi in una soluzione compatta e facile da installare.Secondo i termini del contratto, GF fornirà una gamma completa di prodotti, compresi i tubi in PE, per sostenere gli obiettivi di ammodernamento del sistema idrico municipale di Sabesp.
Comunicato stampa ufficiale Traduzione inglese
Le aziende idriche di tutto il mondo devono affrontare una crescente pressione per ridurre le perdite di acqua non redditizie e modernizzare le infrastrutture invecchiate.La nostra collaborazione con Sabesp dimostra come contribuiamo ad affrontare queste sfide"Il progetto è stato approvato dal Consiglio di amministrazione, che ha deciso di avviare un'iniziativa di sviluppo sostenibile per il settore dell'energia.che mira a rafforzare la nostra leadership nel segmento municipale fornendo soluzioni innovative end-to-end per gli operatori idrici comunali e i clienti delle infrastrutture. "
Gustavo do Valle Fehlberg, Direttore degli appalti di Sabesp, ha commentato:Stiamo ampliando la nostra partnership per avanzare ulteriormente la modernizzazione dei sistemi di approvvigionamento idrico comunaliQuesta prossima fase accelererà il rinnovamento delle reti idriche critiche in tutta la regione e fornirà acqua potabile sicura a milioni di persone".
Vista più
Ispezione visiva industriale: il fascino dei grandi modelli multimodali
2026-06-26
.gtr-container-k7p2q9 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
color: #333;
line-height: 1.6;
padding: 15px;
box-sizing: border-box;
max-width: 100%;
overflow-x: hidden;
}
.gtr-container-k7p2q9 p {
font-size: 14px;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-k7p2q9 .gtr-section {
margin-bottom: 2em;
}
.gtr-container-k7p2q9 .gtr-heading-main {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-k7p2q9 .gtr-heading-sub {
font-size: 16px;
font-weight: bold;
color: #333;
margin-top: 1.5em;
margin-bottom: 0.8em;
text-align: left;
}
.gtr-container-k7p2q9 ul {
padding-left: 20px;
margin-bottom: 1em;
}
.gtr-container-k7p2q9 ul li {
list-style: none !important;
position: relative;
margin-bottom: 0.5em;
padding-left: 15px;
font-size: 14px;
text-align: left;
}
.gtr-container-k7p2q9 ul li::before {
content: "•" !important;
position: absolute !important;
left: 0 !important;
color: #0000FF;
font-size: 1.2em;
line-height: 1;
}
.gtr-container-k7p2q9 ol {
counter-reset: list-item;
padding-left: 20px;
margin-bottom: 1em;
}
.gtr-container-k7p2q9 ol li {
list-style: none !important;
position: relative;
margin-bottom: 0.5em;
padding-left: 25px;
display: list-item;
font-size: 14px;
text-align: left;
}
.gtr-container-k7p2q9 ol li::before {
content: counter(list-item) "." !important;
position: absolute !important;
left: 0 !important;
font-weight: bold;
color: #0000FF;
text-align: right;
width: 20px;
}
.gtr-container-k7p2q9 .gtr-image-wrapper {
margin-top: 1.5em;
margin-bottom: 1.5em;
}
.gtr-container-k7p2q9 img {
vertical-align: middle;
}
@media (min-width: 768px) {
.gtr-container-k7p2q9 {
padding: 25px;
max-width: 960px;
margin: 0 auto;
}
}
I. Una domanda allettante
Poco dopo il lancio del GPT-4V all'inizio del 2023, abbiamo ricevuto una chiamata da un cliente di lunga data.
Due anni prima avevamo implementato un sistema di ispezione di superficie basato su YOLOv5 per la loro fabbrica,che da allora operava in modo stabile.
Ha sollevato una domanda stimolante al telefono:
"Ho visto che il GPT-4V è in grado di interpretare tutti i tipi di immagini e riconoscere quasi tutto.
Ho trattenuto una risposta diretta, allora.
A dire il vero, siamo stati altrettanto affascinati dall'idea.
Le dimostrazioni di grandi modelli multimodali sono innegabilmente impressionanti.Non è richiesta alcuna formazione o etichettatura; fornisce prestazioni zero-shot fuori dalla scatola.
Se questa capacità si trasformasse perfettamente nelle fabbriche, l'intero regolamento per l'ispezione visiva industriale sarebbe riscritto.
Abbiamo trascorso quasi due anni a testare diverse soluzioni di grandi modelli multimodali in più progetti.
La nostra conclusione è chiara: per quanto la tecnologia possa sembrare allettante, le applicazioni industriali nel mondo reale hanno dei severi limiti.
Questo articolo documenta tutte le insidie incontrate in questi due anni.
II. Stabilire il panorama attuale: YOLO è diventato lo standard di fatto
Prima di approfondire i grandi modelli multimodali, è fondamentale definire la linea di base del settore:
La soluzione dominante per l'ispezione visiva industriale di oggi si basa sui modelli di rilevamento e segmentazione degli oggetti rappresentati dalla serie YOLO.
Questa tendenza non è nuova: a partire da YOLOv3, passando per gli ampiamente utilizzati YOLOv8, YOLOv9 e YOLOv10, la famiglia YOLO è stata implementata in linee di produzione industriali per anni.che vanta una stack tecnica pienamente matura.
Perché YOLO è diventato lo standard di fatto?
Primo, velocità di deduzione ultra-veloce.
Equipaggiato con box di edge computing standard abbinati a telecamere industriali, YOLOv8 completa l'inferenza per un fotogramma entro 10 a 30 millisecondi, corrispondendo al tempo di takt della maggior parte delle linee di produzione.
In secondo luogo, una sufficiente precisione di rilevamento.
Con set di dati etichettati adeguati, la serie YOLO raggiunge una precisione eccezionale per le categorie di difetti comuni, raggiungendo facilmente un mAP superiore al 90%.
Terzo, un ecosistema di distribuzione maturo.
Le toolchain pronte a disposizione supportano più framework di distribuzione tra cui ONNX, TensorRT e OpenVINO.L'intero flusso di lavoro, dalla formazione dei modelli all'implementazione in loco, è stato convalidato da innumerevoli progetti industriali.
Quarto, un ecosistema open-source completo.
L'attiva comunità open-source fornisce soluzioni accessibili per la maggior parte degli ostacoli tecnici, con abbondanti pesi pre-addestrati, kit di aumento dei dati e strumenti di etichettatura prontamente disponibili.
Pertanto, la serie YOLO è praticamente la scelta predefinita per i progetti di ispezione visiva industriale lanciati nel 2024.
Non c'è bisogno di discutere se l'apprendimento profondo debba essere adottato, questa questione è stata risolta dieci anni fa.
La nuova domanda fondamentale sorge ora: con l'emergere dei grandi modelli multimodali, YOLO rimane ancora la soluzione ottimale?
III. Il fascino dei grandi modelli multimodali: un miraggio promettente
Il 2023 ha visto un'ondata esplosiva di rilasci di grandi modelli multimodali.
I modelli inclusi GPT-4V, Gemini e Claude 3 offrono potenti capacità generali di comprensione delle immagini.
Abbiamo eseguito dei test su questi modelli, e onestamente, le loro performance demo sono davvero impressionanti:
Attrazione 1: Capacità di colpo zero
Flusso di lavoro tradizionale: per ispezionare un tipo specifico di difetto, è necessario prima raccogliere, etichettare e addestrare le immagini di tale difetto.
Grandi modelli multimodali: basta descrivere la vostra richiesta in linguaggio naturale, come "Verifica se ci sono graffi in questa immagine", e il modello restituirà i risultati immediatamente.Nessuna formazione o etichettatura richiesta.
Il costo di avvio a freddo scende quasi a zero.
Quando si lanciano nuovi prodotti, non è necessario trascorrere due settimane per la raccolta dei dati, l'etichettatura e la formazione del modello.
Attrazione 2: comprensione semantica avanzata
I modelli tradizionali forniscono solo caselle di confine e punteggi di affidabilità, ad esempio: "C'è un difetto in questa casella con una affidabilità di 0,87".
I modelli multimodali di grandi dimensioni generano un linguaggio naturale descrittivo: in alto a sinistra dell'immagine appare un graffio di circa 2 cm, probabilmente formato durante il trasporto.Si raccomanda di ottimizzare il processo di imballaggio. "
Ciò significa che i risultati delle ispezioni possono essere direttamente convertiti in relazioni formali di ispezione della qualità.
Attrazione 3: Potente capacità di generalizzazione
I modelli tradizionali sono in grado di riconoscere solo i tipi di difetti osservati durante l'addestramento; non riescono a identificare i nuovi difetti invisibili.
In teoria, i grandi modelli multimodali hanno elaborato immagini massicce provenienti da Internet, consentendo loro di riconoscere potenzialmente tutti i tipi di difetti rari e irregolari.
Ciò significa che la copertura per i difetti della coda lunga e i casi anomali di bordo è drasticamente migliorata.
Attrazione 4: Logica di ispezione interattiva
Le soluzioni tradizionali incorporano nel modello regole fisse di ispezione, ma la revisione dei criteri di ispezione richiede una completa riqualificazione.
I modelli multimodali di grandi dimensioni supportano l'adeguamento dinamico degli standard tramite richieste.5 cm" senza modificare il modello sottostante.
Ciò significa che gli standard di controllo di sintonizzazione diventano estremamente flessibili.
Leggendo tutti questi vantaggi, potresti anche essere tentato ̇ proprio come noi all'epoca.Solo per finire in una serie di costose insidie dopo..
IV. Sei costose insidie incontrate nella pratica
Sfida 1: latenza di inferenza eccessiva inadatta alle linee di produzione
Il nostro progetto pilota si è concentrato sull'ispezione dell'aspetto delle cartucce dei telefoni cellulari.
La linea di produzione lavora un pezzo ogni 3 secondi, il che significa che la latenza totale di ispezione deve rimanere inferiore a 2 secondi per riservare 1 secondo per la classificazione robotica.
Abbiamo testato il flusso di lavoro dell'API GPT-4V:
Caricare l'immagine e inserire il prompt
Aspetta la risposta del server
Ricevere i risultati delle ispezioni
La latenza media raggiungeva i 4·6 secondi, e poteva superare i 10 secondi in mezzo alle fluttuazioni della rete, troppo lente per la catena di montaggio.
Potreste suggerire modelli multimodali open source auto-hostati come LLaVA e Qwen-VL.L'esecuzione di LLaVA-13B su una GPU A100 produce una latenza di inferenza di immagine singola di circa 800ms a 1.2 secondi.
Mentre è più veloce delle API cloud, rimane decine di volte più lento di YOLO.
2° trappola: costi di produzione e di elaborazione in aumento
Anche se tollerassimo la latenza per ragioni di argomentazione, il calcolo dei costi racconta una storia dura.
Quante immagini elabora una linea di produzione al giorno?
Supponendo un pezzo ogni 3 secondi e 20 ore di funzionamento giornaliero, una singola linea genera circa 24.000 immagini di ispezione al giorno.
Per l'API GPT-4V, il prezzo unitario variava da $ 0,01 a $ 0,03 per immagine, a seconda della risoluzione e del consumo di token:
Costo giornaliero per linea: $240$720
Costo mensile per linea: $7.200$21.600
Costo annuale per linea: $86,400$259,200
Questo rappresenta solo una linea, mentre il nostro cliente gestisce 12 linee di produzione, una spesa inaccettabile per i produttori.
E i modelli open-source auto-ospitati?
Una singola GPU A100 fornisce circa 1 ¢ 2 QPS (richieste al secondo).
Tuttavia, tenendo conto dei server, dello spazio IDC e della manutenzione, il costo operativo annuo per una distribuzione A100 si aggira in centinaia di migliaia di RMB.
Al contrario, una distribuzione YOLO richiede solo un box di edge computing che costa poche migliaia di RMB per supportare una linea di produzione completa.
Il divario di costi è di due ordini di grandezza.
Incasso 3: risultati instabili e probabilistici risultati incoerenti per immagini identiche
Questo si è rivelato il nostro ostacolo più frustrante.
L'ispezione industriale richiede un determinismo assoluto: le immagini identiche devono produrre sempre risultati di ispezione identici,In caso contrario, il controllo di qualità e la tracciabilità standardizzati diventano impossibili.
I grandi modelli multimodali, tuttavia, producono risultati probabilistici.
Abbiamo eseguito un test controllato: abbiamo inviato la stessa immagine difettosa con un istante identico a GPT-4V dieci volte.
7 serie con l'etichetta del prodotto difettoso
2 giri segnati sospettato difettoso che richiede una revisione manuale
1 esecuzione ha dichiarato che non esistevano difetti evidenti
Tutto dallo stesso input e prompt.
Tale casualità è fatale per il controllo della qualità in fabbrica: gli ispettori non possono agire su un'uscita "70% probabilità di difetto" ̇ ogni pezzo di lavoro ha bisogno di un verdetto definitivo OK o NG.
Alcuni propongono di regolare la temperatura a 0 per la consistenza. Abbiamo provato questo metodo, che ha migliorato la stabilità ma non è riuscito a garantire risultati identici al 100%.I grandi modelli generano risultati tramite meccanismi di campionamento, e le deviazioni minori persistono per i casi di bordo anche con temperatura = 0.
Incasso 4: Ingegneria fragile e immediata ️ Piccoli cambiamenti di formulazione alterano i giudizi
Le prestazioni dei modelli multimodali dipendono interamente da una progettazione rapida, che abbiamo utilizzato una vasta manodopera per ottimizzare per aumentare la precisione e la stabilità.
Abbiamo presto scoperto che i suggerimenti sono estremamente sensibili ai cambiamenti di formulazione.
Tre richieste con richieste essenziali quasi identiche hanno dato risultati di ispezione molto diversi:
Pronto A: Controlla se esistono difetti superficiali in questa immagine".
Indicazione B: "Esaminare attentamente la superficie del prodotto e individuare graffi, buche, sostanze estranee e altri difetti".
Indicazione C: "Agire come un ispettore di qualità professionale.
Peggio ancora, i suggerimenti perfezionati per il prodotto A perdono efficacia quando vengono applicati al prodotto B, richiedendo una completa rielaborazione della logica dei suggerimenti per ogni nuova variante di prodotto.
In che modo questo differisce dalla riqualificazione dei modelli YOLO per nuovi prodotti?
L'addestramento YOLO si basa su metriche di valutazione quantificabili per segnalare chiaramente quando il modello soddisfa gli standard; la sintonizzazione rapida dipende interamente da prove e errori soggettivi,senza un chiaro parametro di riferimento per le prestazioni ottimali.
Capriccio 5: allucinazioni ∙ Fabbricare difetti inesistenti con fiducia
L'allucinazione è un difetto ben documentato dei grandi modelli linguistici e multimodali: il sistema inventa con sicurezza dettagli che non esistono.
Nell'ispezione industriale, questo si manifesta in tre tipici guasti:
Marcatura dei prodotti privi di difetti come difettosi
Indicare erroneamente le posizioni dei difetti (ad es. individuare graffi a sinistra quando appaiono a destra)
Classificazione errata dei tipi di difetti (ad esempio etichettare le buche come graffi)
Un caso di prova illustra la gravità: un'immagine del prodotto del tutto impeccabile ha innescato un'analisi artificiale molto dettagliata:¢ Un graffio poco profondo lungo circa 3 mm è rilevato nell'angolo in basso a destra, raccomandata una valutazione dell'impatto funzionale".
Dopo un attento esame visivo, non c'era nessun segno o graffio presente in quella regione.
Se tali allucinazioni si infiltrano nelle linee di produzione di massa, ne seguono gravi conseguenze:o le merci difettose passano inosservate (ispezione mancata) o i prodotti qualificati vengono erroneamente respinti (falso rifiuto).
Sfida 6: elevate barriere di risorse per l'impiego privato in loco
Poiché le API cloud soffrono di elevata latenza e costi eccessivi, la distribuzione auto-ospitata sembra un'alternativa.
Che ne dici di YOLO?
YOLOv8-m funziona senza intoppi anche su una GTX 1080 con 8GB di VRAM.
Può anche essere utilizzato su hardware di edge computing come i moduli NVIDIA Jetson con un consumo di potenza di sole decine di watt.
La soglia delle risorse computazionali differisce di un intero ordine di grandezza.
Per la maggior parte delle fabbriche, l'installazione di un server A100 sul piano di produzione è impraticabile sia in termini di spese di capitale che di gestione e manutenzione quotidiana.
V. Ritorno ai primi principi: che cosa richiede esattamente l'ispezione visiva industriale?
Dopo aver incappato in tutte le insidie di cui sopra, ci siamo fatti un passo indietro per riflettere su una domanda fondamentale:
Quali sono le capacità fondamentali richieste essenzialmente dall'ispezione visiva industriale?
Output deterministicoLe immagini identiche devono fornire risultati coerenti al 100%, che costituiscono il fondamento di un controllo di qualità standardizzato e di una completa tracciabilità; non sono accettabili risultati probabilistici.
Latenza ultra-bassaLa risposta a livello di millisecondi, il tempo di produzione è rigido e l'ispezione non può diventare un collo di bottiglia.
Un tempo di inferenza di 10 ms e un tempo di inferenza di 1000 ms rappresentano realtà operative completamente diverse.
Trasmissione elevataQuanti fotogrammi possono essere elaborati al secondo, quanti pezzi possono essere ispezionati al giorno?
I costi di calcolo devono rimanere controllabili, evitando spese annuali di centinaia di migliaia di dollari per una singola linea di produzione.
Compatibilità di distribuzione di bordoGli ambienti di rete di fabbrica sono complessi; molti laboratori non hanno connessioni Internet stabili o accessibili.
I modelli devono operare localmente su dispositivi edge piuttosto che basarsi su API cloud.
Risultati di ispezione interpretabiliQuando viene rilevato un difetto, il sistema deve informare chiaramente gli ispettori della sua posizione esatta e della sua categoria.
Idealmente, dovrebbe fornire coordinate dei difetti, punti di area e di affidabilità per l'integrazione del sistema a valle.
Costi di manutenzione controllabiliI prodotti vengono aggiornati e gli standard di ispezione sono rivisti regolarmente.
Il costo di adattamento per ogni iterazione deve essere gestibile, senza ricostruzione completa ogni volta.
La corrispondenza di questi sei requisiti fondamentali con le due vie tecniche rivela un chiaro contrasto:
La serie YOLO soddisfa perfettamente tutti e sei i criteri
Determinismo: uscite coerenti al 100% con input identici
La latenza è bassa: inferenza di 10-30 millisecondi.
Alto throughput: da decine a oltre cento QPS per singola GPU
Edge-deployable: Completamente compatibile con hardware Jetson e PC industriali
I risultati interpretabili: caselle di confine, categorie di difetti e valori di affidabilità
Bassi costi di manutenzione: catene di strumenti mature per la formazione incrementale e l'apprendimento trasferito
I modelli multimodali di grandi dimensioni non soddisfano quasi tutti i requisiti.
Determinismo: prodotto intrinsecamente probabilistico
Restrizione di latenza: inferenza su seconda scala
Limite di throughput: la singola GPU supporta solo QPS a una sola cifra
Barriera di distribuzione dell'edge: richiede GPU di fascia A100 di fascia alta
Interpretabilità: le descrizioni in linguaggio naturale grezzo richiedono un'analisi secondaria
Manutenzione imprevedibile: l'ingegneria rapida manca di standard di ottimizzazione quantificabili
I modelli multimodali di grandi dimensioni possono sostituire YOLO?
Nella fase attuale di maturità tecnica, i grandi modelli multimodali non sono adatti come soluzione primaria per l'ispezione visiva industriale.
I suoi punti di forza, tra cui il ragionamento a scatto zero, la comprensione semantica profonda e la forte generalizzazione, offrono poco valore pratico sulle linee di produzione; nel frattempo i suoi difetti critici costi proibitivi e produzioni instabili sono catastrofici per il controllo della qualità industriale.
VI. Non sostituzione, ma integrazione
Ciò non significa che i grandi modelli multimodali siano completamente inutili per l'ispezione visiva industriale.
La chiave sta nell'identificare la loro nicchia.
Dopo due anni di sperimentazioni sul campo, abbiamo riassunto quattro scenari in cui i grandi modelli multimodali creano un valore tangibile:
Scenario 1: Annotazione automatizzata ausiliaria dei dati
L'annotazione costituisce il principale fattore di costo dei progetti di ispezione tradizionali.
Un compito di visione industriale richiede di solito migliaia a decine di migliaia di immagini annotate.con spese di etichettatura pari al 30%-50% dell'investimento totale del progetto.
I grandi modelli multimodali offrono la possibilità di pre-etichettare:
Il modello genera prima maschere di annotazione preliminari e scatole da immagini grezze.
I nostri test sul campo dimostrano che questo flusso di lavoro aumenta l'efficienza delle annotazioni di 3×5 volte, riducendo il tempo medio di etichettatura per immagine da 30 secondi a meno di 10 secondi.
Scenario 2: copertura di riserva per i difetti della coda lunga
Il massimale di prestazione dei modelli YOLO è semplice: possono riconoscere solo i tipi di difetti presenti nei set di dati di formazione.
Difetti rari senza precedenti provoceranno un errore di rilevamento da parte di YOLO.
Sebbene tali anomalie si verifichino raramente, spesso segnalano gravi condizioni di produzione anormali, con maggiori rischi operativi.
I grandi modelli multimodali fungono da strato di verifica di riserva:
Quando YOLO fornisce un punteggio di confidenza limite (circa 0,3 ‰ 0.7, la zona grigia di incertezza), l'immagine corrispondente viene inviata al modello multimodale per un giudizio secondario.
La forza di generalizzazione a scatto zero dei grandi modelli copre queste anomalie rare e invisibili.
In base a questo meccanismo, solo il 5% -10% di tutte le immagini viene inoltrato al modello multimodale, mantenendo i costi totali gestibili migliorando drasticamente la copertura dei difetti a coda lunga.
Scenario 3: conversione semantica dei dati di ispezione grezzi
YOLO fornisce solo dati strutturati: caselle di delimitazione, categorie di difetti e punteggi di affidabilità.
Sebbene siano sufficienti per i sistemi industriali di back-end, queste metriche grezze non sono intuitive per gli ispettori umani, che hanno bisogno di risposte a domande pratiche: quanto è grave il difetto?Quali misure correttive dovrebbero essere adottate?
I grandi modelli multimodali eseguono la generazione di rapporti semantici:
Input: coordinate dei difetti, etichette di classificazione, modello di prodotto e parametri del processo di produzione
Risultato: Rapporto di ispezione in linguaggio naturale, ad esempio A 5 mm di graffi sono rilevati sul bordo sinistro del prodotto, probabilmente causati da abrasione da muffa; si raccomanda la manutenzione della muffa".
Questo compito è insensibile alla latenza (le segnalazioni possono essere generate in modo asincrono) e economico (eseguito solo su prodotti non conformi con volume limitato).
Scenario 4: Rapido inizio a freddo per progetti urgenti di piccolo campione
I clienti si trovano talvolta di fronte a scadenze strette: nuovi prodotti previsti per la produzione in serie la settimana successiva con solo dozzine di immagini di campioni difettose, insufficienti per una formazione completa YOLO.
Il flusso di lavoro tradizionale non può avviare l'ispezione con dati così limitati.
I grandi modelli multimodali sono una soluzione temporanea di transizione:
La capacità di tiro a zero consente il dispiegamento immediato con una accuratezza accettabile ma imperfetta, superando di gran lunga l'ispezione manuale completa.I dati possono essere raccolti continuamente durante l'operazione pilota per formare un modello formale YOLO per un uso a lungo termine una volta accumulati campioni sufficienti..
VII. Architettura ibrida: il nostro paradigma di implementazione pratica
Sulla base dell'analisi di cui sopra, abbiamo adottato un'architettura ibrida a due canali per i progetti industriali recenti:
Canale di ispezione principale: YOLO
Gestisce oltre il 95% di tutti i carichi di lavoro di ispezione
Implementato localmente su hardware edge con latenza di inferenza di 10 ¢ 20 ms
Fabbricazione di scatole di confine strutturate, tipi di difetti e punteggi di affidabilità
Canali ausiliari: modello multimodale di grandi dimensioni
Procede solo con immagini a bassa affidabilità limitrofe all'interno della zona grigia
Invocato in modo asincrono senza interrompere il traffico della linea principale
Funzioni per la verifica di fallback dei difetti a coda lunga, la generazione di rapporti semantici e l'etichettatura ausiliaria
Principi fondamentali di progettazione di questo quadro ibrido:
L'YOLO funge da sistema primario di base; i modelli multimodali servono come strumenti ausiliari
Manualizzazione dei dati al posto dell'elaborazione seriale: i modelli multimodali restano fuori dal percorso critico di produzione e non hanno alcun impatto sulla latenza o sul throughput della linea principale
Spartizione del traffico basata sulla fiducia: i risultati ad alta affidabilità vengono trasmessi direttamente, mentre i campioni ambiguissimi vengono trasmessi per la convalida multimodale secondaria
Controllo dei costi prevedibile: solo una piccola frazione delle immagini consuma risorse di calcolo del modello multimodale
VIII. Quadro di decisione di selezione tecnica
Di seguito è riportato un albero di decisione riassunto per i team che selezionano algoritmi di ispezione visiva industriale:
Requisito di latenza
Inferenza necessaria < 100 ms → Scegliere YOLO
La latenza a seconda scala è accettabile → I grandi modelli multimodali sono fattibili
Requisito di portata
Oltre 1 fotogramma al secondo → Scegli YOLO
Solo centinaia di immagini vengono elaborate ogni giorno → I grandi modelli multimodali sono fattibili
Ambiente di distribuzione
Richiesta di distribuzione offline → Scegliere YOLO
Disponibilità di risorse cloud dedicate e stabili → Sono fattibili grandi modelli multimodali
Disponibilità dei dati
Migliaia di campioni annotati a portata di mano → Scegli YOLO
Solo dozzine di campioni con calendario di lancio urgente → Adottare modelli multimodali come transizione temporanea
Limitazioni di bilancio
Bilancio operativo annuo di una singola linea inferiore a 100.000 RMB → Scegli YOLO
Ampio budget finanziario → Architettura ibrida raccomandata
Per la stragrande maggioranza degli scenari industriali, YOLO rimarrà la scelta ottimale.
I grandi modelli multimodali sono adatti solo come soluzioni primarie in condizioni specifiche: tolleranza alla latenza, bassa domanda di throughput, supporto stabile al cloud computing e estrema scarsità di dati.
La soluzione più pragmatica per l'industria è l'architettura ibrida:
YOLO svolge i compiti essenziali di ispezione in tempo reale
I grandi modelli multimodali forniscono un valore ausiliario nell'annotazione, nella verifica di riserva e nella scrittura automatica dei rapporti
Sfruttare i rispettivi punti di forza di entrambe le tecnologie mantenendo il controllo dei costi
IX. Osservazioni conclusive
Riprendendo la domanda iniziale: i grandi modelli multimodali possono sostituire YOLO?
Dopo due anni di tentativi e errori, la nostra conclusione e' chiara:
Questa è la formulazione sbagliata della domanda.
Non si tratta di una competizione a somma zero "A sostituisce B", ma di una questione in cui ogni tecnologia occupa la propria nicchia ecologica unica.
I grandi modelli multimodali possiedono capacità formidabili, ma i loro punti di forza principali sono il ragionamento a scatto zero,comprensione semantica approfondita e ampia generalizzazione ️ fornire un valore limitato per i flussi di lavoro di ispezione della produzione.
Nel frattempo i loro inconvenienti inerenti: elevata latenza, costi operativi eccessivi e uscite instabili, sono esattamente i punti di forza non negoziabili che la produzione industriale non può tollerare.
L'essenza della selezione tecnica non è inseguire l'ultima tecnologia di tendenza, ma abbinare la soluzione alle richieste dello scenario del mondo reale.
La serie YOLO è stata ampiamente utilizzata nell'ispezione visiva industriale per anni e il suo status di standard di fatto è ben giustificato.
I grandi modelli multimodali sono potenti strumenti complementari, ma non sono una sostituzione completa in base all'attuale maturità tecnica.
Forse tra tre o cinque anni, il panorama cambierà: la velocità di deduzione migliorerà drasticamente, i costi di implementazione diminuiranno drasticamente e il problema del determinismo sarà completamente risolto.
Solo allora potremo rivedere la discussione sulla sostituzione su larga scala.
Vista più
Le telecamere industriali Hikvision si trovano ad affrontare una diffusa carenza di scorte, e la verità è molto più complessa di una semplice
2026-06-18
.gtr-container-f8g7h2 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
color: #333;
line-height: 1.6;
padding: 16px;
max-width: 100%;
box-sizing: border-box;
overflow-wrap: break-word;
word-wrap: break-word;
}
.gtr-container-f8g7h2 p {
font-size: 14px;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-f8g7h2 strong {
font-weight: bold;
}
.gtr-container-f8g7h2 .gtr-main-title {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-bottom: 1.5em;
text-align: left !important;
}
.gtr-container-f8g7h2 .gtr-section-title {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-f8g7h2 .gtr-subsection-title {
font-size: 16px;
font-weight: bold;
color: #0000FF;
margin-top: 1.5em;
margin-bottom: 0.8em;
text-align: left !important;
}
.gtr-container-f8g7h2 ul,
.gtr-container-f8g7h2 ol {
margin: 1em 0;
padding-left: 20px;
}
.gtr-container-f8g7h2 li {
list-style: none !important;
position: relative;
margin-bottom: 0.5em;
padding-left: 1.5em;
text-align: left !important;
}
.gtr-container-f8g7h2 ul li::before {
content: "•" !important;
color: #0000FF;
font-size: 1.2em;
position: absolute !important;
left: 0 !important;
top: 0;
}
.gtr-container-f8g7h2 ol {
counter-reset: list-item;
}
.gtr-container-f8g7h2 ol li::before {
content: counter(list-item) "." !important;
color: #0000FF;
font-weight: bold;
position: absolute !important;
left: 0 !important;
top: 0;
width: 1.2em;
text-align: right;
margin-right: 0.5em;
}
.gtr-container-f8g7h2 div[style*="display: block; flex: 0 1 auto; flex-direction: row; justify-content: normal; align-items: normal;"] {
margin-bottom: 1em;
}
@media (min-width: 768px) {
.gtr-container-f8g7h2 {
padding: 24px;
}
.gtr-container-f8g7h2 .gtr-main-title {
font-size: 20px;
}
.gtr-container-f8g7h2 .gtr-section-title {
font-size: 20px;
}
.gtr-container-f8g7h2 .gtr-subsection-title {
font-size: 18px;
}
}
Traduzione completa in inglese (Industry In-Depth Article Tone)
Le difficoltà e le trasformazioni dell'industria nel contesto della ristrutturazione della strategia a catena completa
Per i professionisti impegnati nella visione artificiale e nell'integrazione di attrezzature, un comune mal di testa è rimasto in sospeso dall'anno scorso: le telecamere industriali Hikrobot sono diventate sempre più difficili da trovare.
Dalle più diffuse macchine di misurazione del settore, dalle varianti a montaggio C da 5MP da 2/3 pollici e da 20MP da 1 pollice, alle telecamere standard per la scansione di area,Le scorte a pronti nei canali di distribuzione rimangono cronicamente ridotteQuesto ha stimolato una diffusa speculazione in tutto il settore: Hikrobot sta deliberatamente limitando la produzione per aumentare i prezzi?O sfruttando il suo dominio sul mercato per scacciare i concorrenti?
Traduzione inglese (Analisi del settore)
Tuttavia, stepping back from the immediate spot supply shortage and analyzing from the perspective of corporate strategy and industry cycles reveals that the current stock shortage is by no means a simple market manipulationInvece, si tratta di un risultato inevitabile degli aggiustamenti strategici completi di Hikrobot che coprono linee di prodotti, capacità di produzione, canali di distribuzione e priorità aziendali.Le restrizioni nella catena di approvvigionamento a monte e l'aumento della domanda a valle hanno solo aggravato la gravità della carenza di approvvigionamento.
In breve: l'adeguamento della struttura strategica è la causa fondamentale, il consolidamento del mercato è un risultato collaterale e il disallineamento tra domanda e offerta è un fattore aggravante a breve termine.
一La logica fondamentale: la carenza di approvvigionamento è la radice di tutta la catena industriale
Molte persone paragonano la carenza di approvvigionamento a "limitare la produzione per far salire i prezzi", ma hanno confuso la causa e l'effetto.La mossa strategica di base di Hikrobot è quella di completare un ampio aggiornamento e ristrutturazione di tutte le linee di business durante la finestra di transizione del rinnovo dei prodotti e del trasferimento di capacità.La carenza di approvvigionamento è solo un dolore crescente temporaneo derivante da questa transizione.
1Iterazione della linea di prodotto: migrazione completa alla piattaforma CU, eliminazione graduale della serie CS/CH precedente
A partire dalla seconda metà del 2025, Hikrobot ha rilasciato più avvisi di cambiamento di prodotto (PCN), interrompendo gradualmente la produzione delle sue serie di telecamere industriali CS e CH,e passando completamente ai modelli CU di nuova generazione a basso costo e alle telecamere AI-CH premium.
prospettiva della catena di approvvigionamento: non verranno effettuati ordini aggiuntivi per i chip CMOS e FPGA legacy.e i distributori non riceveranno più stanziamenti di rifornimento per i modelli abbandonati.
Perspective di mercato: le fotocamere globali a scatto a montaggio in C da 5 megapixel da 2/3 pollici ampiamente adottate, i modelli primari compatibili con obiettivi telecentrici domestici, hanno sostenuto il peso principale.causando interruzioni di approvvigionamento su larga scala.
Obiettivo strategico di base: standardizzare la piattaforma di ricerca e sviluppo hardware per razionalizzare le linee di produzione e ridurre i costi di gestione dei materiali.la nuova piattaforma incorpora funzioni di preelaborazione ISP e IA leggere per soddisfare con precisione le esigenze di ispezione emergenti di fascia alta delle batterie al litio, fotovoltaica, elettronica 3C e altri settori manifatturieri.
二Ristrutturazione della struttura delle capacità: aumento della nuova base di Tonglu crea un divario di fornitura durante il passaggio tra le vecchie e nuove linee di produzione
Il disallineamento tra la diminuzione delle vecchie capacità e le nuove linee di produzione non ancora mature costituisce la causa più diretta della carenza di prodotti da parte dell'offerta.
Hikrobot's Tonglu Intelligent Manufacturing Base, con un investimento totale di 1,534 miliardi di RMB,è progettato per una produzione annuale di 5 milioni di prodotti di visione artificiale ed è entrato in produzione su larga scala solo all'inizio del 2026.Nel frattempo, le vecchie fabbriche hanno gradualmente ridotto la produzione e hanno iniziato a trasferire le attrezzature.La capacità di produzione è stata suddivisa tra due siti, rendendo impossibile soddisfare il volume di ordini enorme come prima.
In combinazione con la domanda concentrata esplosiva di attrezzature di ispezione nelle industrie delle batterie al litio, fotovoltaiche e dei semiconduttori negli ultimi due anni,il fabbricante può assegnare le scorte disponibili solo in base alla priorità del progettoI clienti chiave ricevono la fornitura prioritaria, lasciando piccoli e medi integratori di attrezzature e ordini al dettaglio dispersi che lottano per garantire le telecamere.
三. Cambiamento di focus aziendale: riallocazione delle risorse verso visione 3D e soluzioni complete
Negli ultimi anni, la priorità strategica di Hikrobot si è spostata ben oltre le vendite di hardware standalone a soluzioni di produzione intelligenti integrate.AGV e robot mobili rappresentano il principale motore di crescita per il futuro.
A livello della catena di approvvigionamento, le quote di approvvigionamento per i sensori CMOS e i chip di memorizzazione a monte sono prioritarie per i prodotti ad alto margine e ad alto valore aggiunto, comprese le fotocamere 3D,lettori di codici intelligenti e controllori visivi, mentre le allocazioni di chip per le tradizionali telecamere a scansione 2D sono ridotte intenzionalmente.
A peggiorare la situazione, le fabbriche globali di wafer stanno deviando la maggior parte della loro capacità verso i chip di IA e la memoria HBM.con conseguente contrazione della capacità di oltre il 30% per CMOS e FPGA a serratura globale di livello industrialeLa doppia pressione di una riallocazione delle risorse interne e di una carenza di componenti esterni ha notevolmente ampliato le lacune di approvvigionamento per le fotocamere 2D.
4- Riforma del sistema di distribuzione: riduzione delle allocazioni di grosso volume, garanzia degli ordini a lungo termine tramite contratti diretti con i principali clienti
Le politiche di distribuzione più restrittive sono il fattore più evidente che provoca una diffusa carenza di scorte tra gli utilizzatori finali.
Dalla fine del 2025, Hikrobot ha introdotto regole di canale più severe, riducendo le quote di inventario spot per i piccoli e medi distributori.dà la priorità alla firma di accordi quadro annuali con i principali produttori di attrezzature nei settori delle batterie al litio e del fotovoltaico, bloccando in anticipo grandi volumi di scorte a pronti in contratti a lungo termine.
Ciò ha creato una chiara divisione del settore: i grandi produttori godono di una stabilità dell'espletamento degli ordini con un approvvigionamento garantito,In particolare, le piccole e medie imprese di integrazione e gli ordini di vendita al dettaglio urgenti di piccole partite devono affrontare una grave carenza di scorte disponibili., amplificando la percezione delle carenze attraverso i canali di distribuzione.
II. Risultato obiettivo: consolidamento industriale accelerato, non un obiettivo deliberato
È fondamentale chiarire che l'attuale carenza di forniture non è stata progettata da Hikrobot per tagliare deliberatamente la produzione, sopprimere i concorrenti o monopolizzare il mercato.Il riassetto industriale e la ristrutturazione del mercato sono soltanto effetti collaterali derivanti dalla riforma strategica.
Opportunità di sostituzione per i marchi nazionali di secondo livelloUn numero massiccio di piccoli e medi integratori di attrezzature sono stati costretti ad adottare soluzioni alternative nazionali, portando a un forte aumento degli ordini per marchi come Huaray, Daheng,ECOVIS e MindVision, insieme alla rapida crescita della loro quota di mercato.
Capacità a basso margine di mercatoL'abbandono volontario da parte di Hikrobot dei modelli di telecamere legacy a basso margine sta esaurendo le scorte a basso prezzo sul mercato,aumentare il prezzo medio complessivo del prodotto e eliminare i produttori di piccoli visivi che si basano esclusivamente sulla concorrenza dei prezzi senza capacità di soluzioni proprietarie.
Maggiore vantaggio competitivo per i leader del settorePer Hikrobot, la carenza di hardware ha un impatto limitato sulla consegna dei suoi ordini di soluzioni integrate.ampliare il divario con i piccoli produttori che forniscono solo telecamere standalone.
In breve: il consolidamento è una conseguenza, non un obiettivo originario: non si tratta di una repressione premeditata del mercato, ma di una naturale trasformazione industriale provocata dal potenziamento delle imprese.
III. Tre fattori sovrapposti che aggravano la carenza di approvvigionamento
Mentre la ristrutturazione strategica costituisce la radice fondamentale della carenza di scorte, la triplice convergenza dei vincoli a monteI picchi di domanda a valle e i cicli di transizione dei prodotti hanno spinto i gap di offerta a un livello percepito in tutto il settore.
Stretti vincoli delle catene di approvvigionamento a monteLe fonderie mondiali di semiconduttori danno la priorità alla capacità per i chip di calcolo di fascia alta, lasciando le CMOS industriali e le FPGA più colpite: la capacità di produzione per i componenti correlati è diminuita di oltre il 30%,con tempi di consegna estesi dalle 4 settimane originali a più di 12 settimaneAnche se le linee di produzione funzionano a pieno regime, i produttori si trovano ad affrontare una grave carenza di componenti di base.
Nel frattempo, l'aumento dei prezzi delle materie prime come il rame e i PCB scoraggia i produttori dall'accumulare scorte eccessive a causa di preoccupazioni per il rischio di flusso di cassa e di scorte, limitando ulteriormente la flessibilità dell'offerta.
Concentrato aumento della domanda a valleIl 2026 segna un anno di picco per la produzione in serie di apparecchiature per l'ispezione delle nuove energie e dei semiconduttori.la selezione dei wafer di silicio fotovoltaici e l'ispezione dell'aspetto dei semiconduttori hanno determinato un aumento annuo di oltre il 65% della domanda di telecamere di misurazione ad alta precisione, superando di gran lunga la velocità di rilascio della capacità di produzione esistente.
Interruzione dell'approvvigionamento durante la transizione tra vecchie e nuove linee di prodottiL'interruzione completa dei modelli precedenti coincide con bassi tassi di produzione di massa per la nuova serie CU, creando un naturale vuoto di approvvigionamento di 3-6 mesi.La limitata capacità di produzione iniziale della piattaforma CU è assegnata prima ai principali clienti chiave, riducendo ulteriormente l'inventario spot disponibile attraverso canali di distribuzione aperti.
IV. Tre profondi impatti a lungo termine della tenuta dell'approvvigionamento a livello industriale
La diffusa carenza di scorte ha effetti d'ondulazione su tutti i partecipanti alla catena industriale, causando problemi di crescita a breve termine e cambiamenti strutturali duraturi.
1Per gli integratori di attrezzature: interruzioni a breve termine, catene di fornitura resilienti a lungo termine
Impatto a breve termine: i tempi di consegna dei progetti sono ritardati a causa dell'esaurimento del stock di telecamere di misurazione C. Molti integratori sono costretti a passare temporaneamente a marchi alternativi,costi aggiuntivi per la sperimentazione dei prototipi e l'adattamento del programma.
Benefici a lungo termine: le aziende sono costrette a creare librerie di prodotti alternativi multi-brand, riducendo la dipendenza da un singolo fornitore e aumentando la resistenza al rischio complessiva della catena di approvvigionamento.
2Per il panorama competitivo: mercato interno stratificato, vantaggi per le industrie di supporto
Un modello di mercato interno con due leader sta prendendo forma: Hikrobot domina il segmento delle soluzioni integrate di fascia alta,mentre Huaray assorbe la domanda di sostituzione con scorte fisse per acquisire quote di mercatoMarchi come Daheng e MindVision si impadroniscono rapidamente di un mercato precedentemente occupato da piccoli integratori.
I marchi importati vedono una lieve ripresa della domanda a breve termine: operatori quali Basler e Cognex hanno ottenuto ordini parziali di sostituzione di prodotti di fascia alta,Tuttavia, i tempi di consegna superiori a 8 settimane limitano la loro applicazione solo a scenari di ispezione di precisione premium.
3Per Hikrobot stesso: perdita a breve termine di clienti al dettaglio, miglioramento del valore aziendale a lungo termine
Svantaggi a breve termine: un grande volume di ordini al dettaglio di piccoli lotti viene perso ai concorrenti, con alcuni progetti acquisiti dai produttori rivali;I distributori devono affrontare una crescente pressione sulle scorte e una crescente insoddisfazione.
Vantaggi a lungo termine: le linee di prodotti a basso margine vengono eliminate gradualmente, spostando il portafoglio di prodotti verso soluzioni di visione 3D e ispezione AI di alto valore.Una volta che la base di produzione di Tonglu raggiungerà la piena capacitàLa produzione globale raddoppierà per migliorare drasticamente la stabilità dell'approvvigionamento a lungo termine.
五Quando diminuirà la carenza di cibo?
Questa è la principale preoccupazione di tutti i professionisti del settore. Forniamo previsioni basate sulla capacità produttiva e sui cicli dei prodotti, insieme a soluzioni implementabili per scenari di applicazione mainstream.
1Progetto di ripresa dell' approvvigionamento
Sulla base dei progressi attuali, si prevede che la base di produzione intelligente di Tonglu raggiungerà la piena capacità entro la fine del 2026.Accoppiato a rendimenti di produzione di massa costanti della serie CU e alla nuova capacità di produzione di wafer CMOS a monte, la fornitura di telecamere standard 2D per la scansione dell'area dovrebbe tornare alla normalità nel primo trimestre 2027.
È importante notare che le serie CS e CH precedenti sono state definitivamente interrotte e non è previsto il ripristino della produzione.La progettazione del futuro sistema deve adottare pienamente la nuova piattaforma o marchi alternativi.
2. Strategie di selezione delle fotocamere facilmente applicabili
Sono fornite due categorie di raccomandazioni per le applicazioni di telecamere più diffuse in tutti i settori:
Soluzione di sostituzione di emergenza
Marchi come Huaray e Daheng offrono prodotti con parametri completamente uguali a quelli dei modelli tradizionali Hikrobot, supportati da un ampio inventario spot.È necessaria una modifica minima del software per consentire una migrazione rapida.
Soluzione a lungo termine del progetto
Le imprese che progettano nuovi progetti possono effettuare ordini anticipati per la riserva di scorte delle nuove telecamere della serie CU di Hikrobot.
Commenti conclusivi
Se si guarda indietro allo sviluppo dell'industria della visione artificiale in Cina, ogni iterazione della capacità produttiva e della gamma di prodotti è accompagnata da fluttuazioni cicliche dell'offerta e della domanda.
L'attuale carenza di forniture di telecamere Hikrobot è essenzialmente una transizione inevitabile per un leader del mercato che passa da un produttore di hardware puro a un fornitore di soluzioni complete.Eliminazione progressiva delle capacità di produzione obsolete, la migrazione verso nuove piattaforme hardware e la ristrutturazione dei canali di distribuzione e delle priorità aziendali comportano problemi di crescita transitori.La volatilità ciclica delle catene di approvvigionamento dei semiconduttori a monte e la domanda esplosiva del nuovo settore energetico hanno amplificato l'impatto di questa trasformazione su tutto il settore.
Per tutti gli attori del settore, piuttosto che soffermarsi sui dibattiti sulla manipolazione intenzionale dei prezzi,è più prudente istituire librerie di fotocamere multi-brand e backup diversificati della supply chain per mantenere operazioni stabili in un contesto di cambiamenti nel settore.
Vista più
Concentrati sui processi chiave e offri un potenziamento completo per gli aggiornamenti della produzione intelligente del fotovoltaico e dello stoccaggio dell'energia! Visi
2026-06-04
.gtr-container-x7y2z9 {
font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif;
font-size: 14px;
line-height: 1.6;
color: #333;
padding: 15px;
overflow-x: auto;
max-width: 100%;
box-sizing: border-box;
}
.gtr-container-x7y2z9 p {
margin-top: 1em;
margin-bottom: 1em;
text-align: left !important;
}
.gtr-container-x7y2z9 img {
/* As per strict instruction: No layout or size styles (e.g., width, max-width, display, float)
are added to img or its parent container. Images will render at their original width. */
vertical-align: middle; /* Prevents small gap below inline images */
}
.gtr-container-x7y2z9 .gtr-heading-main {
font-size: 18px;
font-weight: bold;
color: #0000FF;
margin-top: 1.5em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-x7y2z9 .gtr-heading-major {
font-size: 16px;
font-weight: bold;
color: #0000FF;
margin-top: 2em;
margin-bottom: 1em;
text-align: left;
}
.gtr-container-x7y2z9 .gtr-heading-section {
font-size: 16px;
font-weight: bold;
margin-top: 1.5em;
margin-bottom: 0.8em;
text-align: left;
}
@media (min-width: 768px) {
.gtr-container-x7y2z9 {
padding: 20px 30px;
}
.gtr-container-x7y2z9 .gtr-heading-main {
font-size: 20px;
}
.gtr-container-x7y2z9 .gtr-heading-major {
font-size: 18px;
}
}
SNEC 2026
Dal 3 al 5 giugno si è tenuta la SNEC 2026 Shanghai International Photovoltaic Exhibition, che si è aperta in grande stile al National Exhibition and Convention Center (Shanghai).Hikrobot fa un'apparizione importante con soluzioni intelligenti che coprono l'intera catena di processo di produzione fotovoltaica.
Dal taglio di wafer di silicio alla fabbricazione di celle solari, dall'incapsulamento dei moduli all'ispezione ad alta precisione, Hikrobot sostiene la qualità del prodotto con tecnologie di base completamente sviluppate da sé,Esplorazione di nuovi percorsi per l'integrazione dello stoccaggio fotovoltaico e l'aggiornamento della produzione intelligente insieme a numerosi visitatori del settore in loco.
Il rilevamento a livello micronico per i processi di taglio consente un rigoroso controllo della qualità dei wafer di silicio.
01 Ispezione dello spessore della wafer
Questa soluzione adotta sei sensori di profilo 3D per misurare lo spessore dei wafer.il sistema acquisisce contemporaneamente tre gruppi di dati di misurazione ed è applicabile alle stazioni di smistamento dei wafer di silicioEquipaggiato con algoritmi integrati contro interferenze luminose ambientali, interferenze da riflessione speculare e soppressione delle vibrazioni,le telecamere offrono una maggiore precisione di misurazione e stabilità operativa.
La visione 3D consente la produzione di moduli per una produzione flessibile ad alta efficienza
01 Visualizzazione 3D della scatola di giunzione PV
Azionato da oscillazioni ad alta velocità del galvanometro all'interno della fotocamera 3D,la soluzione spazza rapidamente le linee laser attraverso le superfici bersaglio per catturare la topografia 3D completa delle caselle di giunzione in una singola scansioneAnche per i nastri neri impilati su scatole di giunzione, la fotocamera genera nuvole di punti 3D raffinate e intatte per realizzare un'identificazione rapida e precisa.facilitare la produzione flessibile ad alta efficienza nelle procedure di assemblaggio dei moduli fotovoltaici.
L'IA consente alla produzione di celle solari di massimizzare le prestazioni di ispezione
01 Ispezione delle microfessure
The solution adopts 4K monochrome line scan cameras paired with large-format short-wave infrared lenses and transmission-type near-infrared laser light sources to detect and classify defects including crystal detachment, frantumi di bordo, rotture di frammenti, micro-fissure, celle sovrapposte e contaminazione superficiale di dimensioni superiori a 0,5 mm.
Inoltre, l'adozione pionieristica della scheda di acquisizione intelligente SVA riduce drasticamente l'occupazione delle risorse hardware dei PC industriali.ridurre i costi dell'attrezzatura garantendo al contempo un rendimento di ispezione costante.
02 Ispezione finale e classificazione delle superfici (AOI)
Questa soluzione esegue la classificazione dei colori sul lato anteriore e posteriore delle celle solari finite, insieme all'ispezione dei difetti per danni superficiali, macchie,scarsa stampa a schermo e dimensioni anormali della linea di grigliaEsso consente di ottenere immagini nitide di piccoli difetti di 50 μm.
Compatibile con diversi formati di stampa delle celle, tra cui PERC, TOPCon MBB, SMBB, 0BB, shingled cell e BC cell, il sistema soddisfa le diverse esigenze di ispezione dei clienti.
Lo sviluppo interno completo di tecnologie di controllo ad alta efficienza consente di costruire un sistema di garanzia della qualità multidimensionale.
Oltre ai processi di produzione sopra menzionati, Hikrobot presenta anche una gamma completa di soluzioni di ispezione ad alte prestazioni, compresa l'ispezione dei detriti della superficie delle celle,Telecamere di scansione a macrofocus linee CIS, SC5000X controllo dei difetti delle etichette e test dinamici per i sensori intelligenti.
Forte di tecnologie di base come la rilevazione opposta a sei telecamere, la scansione lineare 4K in infrarosso vicino, la visione 3D ad alta precisione e l'illuminazione a cupola 2.5D,il sistema identifica con precisione i vari difetti: graffi e deviazioni di spessore dei wafer di silicio, microfissure e frantumi dei bordi delle celle solari, difetti di imballaggio dei moduli nonché detriti e graffi sulle superfici delle celle delle batterie.La sua massima precisione di ispezione raggiunge il livello di micron, che costituisce una robusta barriera qualitativa per tutto il ciclo di vita dei prodotti fotovoltaici e di stoccaggio dell'energia.
Le dimostrazioni in loco presentano anche soluzioni che coprono l'intera catena industriale fotovoltaica: identificazione dei wafer SC6500, ispezione PL post-stampa, ispezione dell'aspetto post-rivestimento,Laminazione delle etichette dei moduli e lettura del codice, e la pulizia industriale, portando a doppi miglioramenti della capacità produttiva e della qualità dei prodotti nel settore fotovoltaico.
Vista più
