Десятилетие тихого прогресса: Hikrobot, воплощение китайского производства, основанного на передовых промышленных предприятиях
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;
}
}
Проще всего сделать роботов для шоу, но сделать так, чтобы они работали надежно на реальных заводах - совсем другая задача.развертывание роботов для выполнения фактических производственных задач на заводахЭти роботы не имеют ничего общего с человекоподобными формами, но они могут наблюдать за окружающей средой и сотрудничать друг с другом точно так же, как человеческие работники.создание ощутимой ценности для производственных операций и повседневной жизни людей.
Изображения
Изображения
Автор: Сонг Ди
Изображение на обложке: Image Archive
Изображения
В 2026 году на одном из стендов во время конференции по интеллектуальному производству Hikrobot продемонстрировал интеллектуального робота с колесами.Колесные роботы обладают неотъемлемыми преимуществами для производственных сценариев, и эта модель уже взяла на себя задачи по обработке материалов на внутренних производственных линиях Hikrobot.
Hikrobot придерживается строгого принципа продукта: продукты будут выпущены на рынок только после полной зрелости и проверки для конкретных промышленных сценариев.Мы поставляем клиентам материальные промышленные продукты, а не пустые технологические видения, сказал Роберт Цзя, генеральный директор Hikrobot.
Прорывы в алгоритмах, таких как обучение с помощью усиления за последние два года принесли беспрецедентные улучшения возможностей управления движением роботов,позволяет роботам выполнять сложные физические движения с более сильным восприятием окружающей средыПоддержанные этими технологическими скачками, волна стартапов, ориентированных на воплощенный интеллект, зародилась, вызвав всенародное безумие по поводу гуманоидных роботов.
Тем не менее, организовать демонстрацию роботов намного проще, чем использовать их для стабильной работы на реальных фабриках.
Основанная как внутренняя инкубационная группа под руководством Hikvision в 2014 году,Хикробот провел почти 12 лет, позволяя широкомасштабному развертыванию роботов на промышленных площадках, чтобы создать реальную ценность для производства.
Первая половина этого пути требовала терпения и настойчивости: каждый продукт требует 3- 5 лет цикла исследований и разработок,сочетается с повторяющейся итерацией и оптимизацией интегрированных аппаратных и программных систем, плюс проверка на тысячах промышленных площадок с различными рабочими процессами и условиями на месте.
К 2019 году Hikrobot поставил на рынок 1 миллион промышленных камер и более 10 000 автономных мобильных роботов (AMR).
Вторая половина его пути принесла взрывной рост.и способность Hikrobot совместно создавать решения проблем на основе роботов с клиентами быстро расширилась во всех секторах.
На сегодняшний день совокупные поставки продуктов машинного зрения Hikrobot превысили 10 миллионов единиц, в то время как более 180 000 AMR вышли с производственных линий.Каждый второй промышленный фотоаппарат и каждый третий мобильный робот производится Hikrobot.
Выступая на конференции по интеллектуальному производству, он отметил, что производство находится на перекрестке:Появляющиеся технологические волны меняют способность поставки, в то время как спрос смещается в сторону малой партии, высокого сорта, высоко фрагментированного производства.
Хикробот полностью подготовился к этой смене.и компания разыскивает места для дополнительных производственных мощностей.
Согласно видению Цзяо, Hikrobot превратится в платформенное интеллектуальное производственное предприятие, обслуживающее производственные и логистические сектора, поставляющее все необходимое интеллектуальное оборудование,программное обеспечение и интегрированные системы.
Создание полноценных возможностей с нуля
В 2014 году внутри Hikvision была создана внутренняя команда во главе с Робертом Цзя, которой поручено применение искусственного интеллекта и робототехнических технологий в промышленных областях.
Около 2014 года произошли два ключевых сдвига в отрасли. Во-первых, снижение демографического дивиденда привело к быстрому росту промышленной автоматизации Китая, что создало огромный спрос на рынке. Во-вторых,комбинация алгоритмов свёртывающей нейронной сети (CNN), данные и вычислительная мощь открыли революционные прорывы в ИИ, создав окно для китайских предприятий, чтобы опередить глобальных конкурентов.
Цзя признал, что модернизация промышленного интеллекта является единственным путем к устойчивому росту для производства в Китае, а ИИ станет основной движущей силой робототехники.Производство и логистика представляют собой наиболее жизнеспособные сценарии для быстрого развертывания роботов и создания ценности.
С технической точки зрения, Hikvision может похвастаться глубоким накопленным опытом в области аппаратного обеспечения, встроенной разработки, обработки изображений ISP и распознавания моделей.основные продукты от ведущих зарубежных производителей по-прежнему полагаются на устаревшие алгоритмы распознавания промышленных моделей, в то время как Hikvision уже развернул передовые модели CNN для распознавания изображений в безопасных и коммерческих сценариях.
Это техническое преимущество привело команду к убеждению, что она может проникнуть на рынок с помощью технологических инноваций сверху вниз, подобно многим интернет- и технологическим фирмам той эпохи.Тем не менее, пропасть между чистыми технологиями и настоящим спросом на рынке стала первым большим препятствием, которое команда стартапов должна была преодолеть..
В 2015 году Цзя возглавил свою команду, чтобы разработать три промышленных камеры, наполненные инновационными новыми функциями с полной уверенностью.
Одним из примечательных новшеств было внедрение цветового улучшения в промышленные камеры, которая широко используется в фотографии и видеонаблюдении безопасности для создания визуальных эффектов, удобных для человека.Команда быстро обнаружила критический недостаток во время выхода на рынок.: большинство систем промышленного зрения подают данные алгоритмам, а не человеческим операторам, исключая необходимость цветового отображения.
В отличие от безопасности и коммерческих приложений, промышленные сценарии отдают приоритет стабильности намного выше стоимости.Промышленная камера может стоить всего несколько тысяч юаней на производственной линии стоимостью в сотни тысяч, однако одна неисправная камера может остановить все оборудование.
"Покупатели будут готовы заменить существующее оборудование только в том случае, если новые продукты будут приносить существенную ощутимую ценность", - пояснил Цзя.
Как новый участник рынка, конкурирующий с известными игроками с многолетним опытом в области распознавания зрения, какую уникальную ценность может предоставить Hikrobot?
Команда Цзянь пришла к ясному ответу: построить все с нуля.
Машинное зрение охватывает сложную экосистему оборудования и программного обеспечения, включая промышленные камеры и алгоритмы.Большинство новых участников предпочитают приобретать готовые модули и сосредоточиться исключительно на разработке алгоритма. Hikrobot, однако, решила самостоятельно разработать почти все компоненты машинного зрения, от основных алгоритмов до аппаратных и программных систем.
Например, модули интерфейсов связи GigE Vision для промышленных камер требуют сверхстабильной передачи данных.Hikrobot потратил много времени на улучшение собственной версии, неоднократно отладки кросс-протокольной совместимости и универсальной адаптивности.
С точки зрения аппаратного обеспечения, промышленные камеры имеют сверхкомпактные формы, и команда потратила годы на оптимизацию расхода энергии и рассеивания тепла в пределах минимальных физических размеров.
С точки зрения алгоритма, Hikrobot стал пионером в разработке промышленных считывателей штрих-кодов, работающих на алгоритме ИИ, что привело к поколению поколений в производительности чтения промышленных кодов по всей отрасли.
По словам Цзя, приобретение модулей третьих сторон ускоряет интеграцию продуктов, но препятствует глубокой реконструкции, оптимизации и повторяемости всей системы.Вы не можете освободиться от существующих технических рамокРынок заполнен множеством продуктов, содержащих 85 пунктов, но создание продуктов, содержащих 95 пунктов, представляет собой огромные проблемы.
Только продукты, достигшие этого порога производительности в 95 баллов, обеспечивают преобразующую ценность для клиентов.
Эта полнофункциональная система разработки позволяет Hikrobot оптимизировать каждый модульный компонент во время исследований и разработок продукта,создание основы для конкурентного преимущества компании среди мобильных роботов и суставных роботизированных рук в последующие годы.
Совместное создание с клиентами, решение реальных проблем на месте
Роберт Цзя выступает с структурированными, яркими речами, которые уравновешивают рациональный анализ с иллюстративными метафорами, отражающими его карьерную траекторию.и позже возглавил управление цепочкой поставок группы.
За более чем год работы в цепочке поставок, Цзя посетил многочисленные заводы-маяки по всей стране и наблюдал за строительством производственной базы Hikvision в Тонглу, Чжэцзян.Этот практический опыт дал ему глубокое представление о реальных требованиях производителейНапример, наиболее сложная проблема многих производственных цепочек поставок заключается не в самом производстве, а в внутризаводской логистике.
В складских условиях имеется сложное совпадение персонала и товаров, которые служат важнейшими связями между производством вверх по течению и вниз по течению.Они составляют самое слабое звено в производственной цепочке создания стоимости.По этой причине команда Цзянь разработала AMR как параллельную линию продуктов наряду с машинным зрением:Системы зрения служат интеллектуальными глазами фабрики, в то время как мобильные роботы служат его интеллектуальными ногами.
В то время на рынке уже предлагалось различное оборудование для обработки материалов, такое как автоматически управляемые транспортные средства (AGV), однако эти устройства испытывали два универсальных ограничения.ограничены устаревшими алгоритмами и оборудованиемВо-вторых, производителям оборудования не хватало глубокого понимания промышленных сценариев;логистика на заводе включает сложные условия на месте, требующие глубокого знания производственных процессов в различных отраслях.
Оптимизация существующего оборудования не могла создать дополнительную ценность для заводов ∙ основным приоритетом было понимание сценариев и решение практических проблем, пробел, которую системы AMR были разработаны, чтобы заполнить.
В 2015 году внутрилогистическое решение Hikrobot было проверено и протестировано на производственной базе Hikvision Tonglu, где была разработана первая партия AMR.Hikrobot развернул свой первый крупномасштабный проект AMR на заводе TongluНа собственном заводе система AMR выдержала жесткое давление реального производства и итеративное усовершенствование.Затем последовали заводы по производству автомобилей и склады свежих продуктов питания..
В 2017 году розничный клиент супермаркета столкнулся с резким ростом затрат на рабочую силу, низкой эффективностью сортировки и высоким уровнем ошибок в своем центре распределения свежей пищи,создание срочного спроса на интеллектуальную трансформациюКлиент открыл свой склад для совместных испытаний, несмотря на ограниченный опыт Хикробота в свежих продуктах.Обе стороны развернули 40 АМР и семь сортировочных рабочих станций на территории 4Рабочий процесс переместился от работников, перемещающихся к товарам, к товарам, доставляемым к работникам, и от работников, перемещающихся к товарам, к работникам, перемещаемым к рабочим.- повышение эффективности сортировки с 120 штук на человека в час до 210 штук.
Эта модель совместного создания клиентов определила раннее развитие Hikrobot, с экспресс-отраслью, служащей типичным тематическим исследованием.Почти нет отечественных брендов Vision, работающих в логистике; сортировка посылок, считывание кодов и взвешивание полностью зависели от ручных сканеров PDA.Логистические фирмы стремились разработать отечественные системы DWS (Dimension-Weigh-Scan) и объединились с Hikrobot для совместных исследований и разработок.
Основное техническое препятствие для DWS в логистике заключается в деформированных маркировках, закрепленных на нерегулярных посылках, часто покрытых прозрачной клейкой лентой, которая ухудшает чтение кода.Учитывая чрезвычайную сложность реальной системы сортировки и минимальный глобальный прецедент, зарубежные ведущие поставщики в значительной степени избегали этого рынка, ориентируясь только на высокобюджетных клиентов с чистыми, стандартизированными сценариями.Внутренние логистические компании обратились к местным интеллектуальным производственным фирмам, таким как Hikrobot, для выхода на жизнеспособные решения.
Для сбора данных и тестирования систем логистический партнер зарезервировал специальные сортировочные линии исключительно для команды разработчиков Hikrobot.Инженеры-алгоритмы работали на месте с жаркого лета до холодной зимыПосле запуска команда потратила годы на постоянную оптимизацию, прежде чем решение стало широко распространенным в отрасли в 2019 году.
После 2019 года компания Hikrobot приобрела бесчисленное количество новых клиентов в развивающихся отраслях, включая автомобильную промышленность, литиевые батареи, фотоэлектрическую, полупроводниковую и медицинскую технику.Руководители этих компаний охотно приняли робототехникуНовые заводы были спроектированы с помощью специального пространства для развертывания крупномасштабных роботов с нуля.
Взгляд больше
GF получает крупнейший муниципальный заказ в истории компании!
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), швейцарская промышленная группа, недавно подписала двухлетний контракт с Sabesp, ведущим муниципальным предприятием водоснабжения и очистки сточных вод Бразилии, на сумму около 100 миллионов швейцарских франков (что эквивалентно примерно 870 миллионам юаней). Этот двухлетний заказ стал крупнейшим контрактом GF в муниципальном секторе в истории корпорации и входит в число крупнейших разовых заказов, которые Группа когда-либо получала на сегодняшний день.
Помимо промышленного и строительного применения, GF предлагает комплексный портфель инновационных муниципальных решений. Охватывая полный водный цикл от источников воды и очистных сооружений до кранов для конечных потребителей, мы обеспечиваем комплексную поддержку инфраструктуры водоснабжения для сохранения драгоценных водных ресурсов и сокращения утечек в трубопроводах.
Партнерство с крупнейшим муниципальным предприятием Бразилии для продвижения модернизации сетей водоснабжения
Компания Sabesp, основанная в 1973 году, является крупнейшей в Бразилии компанией водоснабжения и канализации и входит в число крупнейших в мире предприятий водоснабжения по количеству обслуживаемого населения. Он предоставляет услуги по водоснабжению и очистке сточных вод 375 муниципалитетам штата Сан-Паулу, охватывая примерно 28 миллионов жителей. Sabesp и GF связывают давнее и успешное партнерство. В рамках этого проекта GF будет поставлять продукцию для трубопроводных систем и комплексные решения для модернизации сети водоснабжения штата Сан-Паулу.
В рамках национальной инициативы Бразилии по модернизации водной инфраструктуры и достижению всеобщего доступа к услугам водоснабжения и санитарии к 2033 году Sabesp инвестирует значительные средства в модернизацию своей сети водоснабжения. В прошлом году GF поставила напорный люк NeoFlow для пилотного внедрения, объединив технологии GF, VAG, Uponor и других брендов в компактное и простое в установке решение. По условиям контракта GF будет поставлять полный спектр продукции, включая полиэтиленовые трубы, для поддержки задач Sabesp по модернизации муниципальной системы водоснабжения.
Официальный пресс-релиз, английский перевод
"Компании водоснабжения во всем мире сталкиваются с растущей необходимостью сократить нерентабельные потери воды и модернизировать стареющую инфраструктуру. Наше сотрудничество с Sabesp демонстрирует, как мы помогаем решать эти проблемы", - сказал Андреас Мюллер, генеральный директор GF. «Это также соответствует нашей Стратегии 2030, которая направлена на укрепление нашего лидерства в муниципальном сегменте путем предоставления инновационных комплексных решений для муниципальных операторов водоснабжения и клиентов инфраструктуры».
Густаво ду Валье Фельберг, директор по закупкам Sabesp, прокомментировал: "После успешного развертывания напорных люков GF мы расширяем наше партнерство для дальнейшей модернизации муниципальных систем водоснабжения. Следующий этап ускорит обновление важнейших сетей водоснабжения по всему региону и обеспечит миллионы людей безопасной питьевой водой".
Взгляд больше
Промышленный визуальный контроль: привлекательность мультимодальных больших моделей
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. Заманчивый вопрос
Вскоре после запуска GPT-4V в начале 2023 года, нам позвонил давний клиент.
Два года назад мы внедрили систему поверхностной инспекции на базе YOLOv5 для их завода,которая с тех пор стабильно работает..
Он задал вызывающий мысль вопрос по телефону:
Я видел, что GPT-4V может интерпретировать все виды изображений и распознавать почти все.Можно ли использовать его непосредственно для проверки качества?
Тогда я не дал прямого ответа.
Честно говоря, мы были одинаково очарованы этой идеей.
Демонстрации многомодальных больших моделей, безусловно, впечатляют.Не требуется обучения или маркировки; он обеспечивает нулевую производительность прямо из коробки.
Если эта способность будет легко применяться на заводах, то вся книга правил промышленной визуальной инспекции будет переписана.
Мы провели почти два года, тестируя разнообразные мультимодальные решения для больших моделей в нескольких проектах.
Наш вывод очевиден: каким бы заманчивым ни казалась технология, ее промышленное применение в реальном мире имеет серьезные ограничения.
Эта статья описывает все ловушки, с которыми мы столкнулись за эти два года.
II. Определить текущий ландшафт: YOLO стал де-факто стандартом
Перед тем, как погрузиться в многомодальные крупные модели, важно определить базовые показатели отрасли:
Доминирующее решение для современной промышленной визуальной инспекции опирается на модели обнаружения объектов и сегментации, представленные серией YOLO.
Начиная с YOLOv3 и заканчивая широко распространенными YOLOv8, YOLOv9 и YOLOv10, семейство YOLO уже много лет применяется на промышленных производственных линиях.обладает полностью зрелым техническим набором.
Почему YOLO стал де-факто стандартом?
Во-первых, сверхбыстрая скорость вывода.
Оснащенный стандартными компьютерными коробками, совмещенными с промышленными камерами, YOLOv8 завершает вывод для одного кадра в течение 10 до 30 миллисекунд, что соответствует тактовому времени большинства производственных линий.
Во-вторых, достаточная точность обнаружения.
При наличии адекватных наборов маркированных данных, серия YOLO достигает исключительной точности для распространенных категорий дефектов, легко достигая MAP более 90%.
В-третьих, зрелая экосистема развертывания.
Готовые цепочки инструментов поддерживают несколько рамок развертывания, включая ONNX, TensorRT и OpenVINO.Полный рабочий процесс от обучения моделей до развертывания на месте был подтвержден бесчисленными промышленными проектами.
В-четвертых, комплексная экосистема с открытым исходным кодом.
Активное сообщество с открытым исходным кодом предоставляет доступные решения для большинства технических препятствий, с большим количеством предварительно подготовленных весов, наборов для увеличения данных и инструментов маркировки, которые легко доступны.
Таким образом, серия YOLO является практически выбором по умолчанию для проектов промышленной визуальной инспекции, запущенных в 2024 году.
Нет необходимости обсуждать вопрос о необходимости внедрения глубокого обучения - этот вопрос был решен десять лет назад.
Теперь возникает новый ключевой вопрос: с появлением мультимодальных больших моделей, остается ли YOLO оптимальным решением?
III. Привлекательность многомодальных больших моделей: многообещающий мираж
В 2023 году произошла взрывная волна выпуска больших моделей.
Модели, включая GPT-4V, Gemini и Claude 3, обеспечивают мощные возможности общего понимания изображений.
Мы провели тесты на этих моделях, и, честно говоря, их демонстрационные показатели действительно впечатляют:
Привлекательность 1: способность стрелять с нуля
Традиционный рабочий процесс: для проверки конкретного типа дефекта сначала необходимо собрать, пометить и обучить изображения этого дефекта.
Многомодальные большие модели: просто опишите свой запрос на естественном языке, например "Проверьте, есть ли царапины на этом изображении", и модель мгновенно вернет результаты.Не требуется обучения или маркировки.
Стоимость холостого запуска падает почти до нуля.
При запуске новых продуктов нет необходимости тратить две недели на сбор данных, маркировку и обучение модели.
Привлечение 2: продвинутое семантическое понимание
Традиционные модели выводят только ограничительные поля и оценки доверия, например, в этом поле существует дефект с доверием 0,87".
Большие мультимодальные модели генерируют описательный естественный язык: в левом верхнем углу изображения появляется царапина размером около 2 см, которая, вероятно, образовалась во время транспортировки.Рекомендуется оптимизировать процесс упаковки.. "
Результаты проверки могут быть непосредственно преобразованы в официальные отчеты о проверке качества.
Привлечение 3: мощная способность к обобщению
Традиционные модели могут распознавать только типы дефектов, обнаруженных во время обучения; они не могут идентифицировать совершенно новые невидимые дефекты.
Теоретически, многомодальные большие модели обрабатывают огромные изображения из Интернета, что позволяет им потенциально распознавать все виды редких и нерегулярных дефектов.
Покрытие дефектов длинного хвоста и аномальных случаев краев резко улучшилось.
Привлечение 4: Интерактивная логика инспекции
Традиционные решения включают в модель фиксированные правила проверки.
Многомодальные большие модели поддерживают динамическую корректировку стандартов с помощью запросов. Например, вы можете установить порог, когда ′′грабежи свыше 1 см считаются NG" в один день и переключить его на ′′0.5 см" следующий без изменения базовой модели.
Это означает, что стандарты наладки станут чрезвычайно гибкими.
Читая все эти преимущества, вы также можете испытывать соблазн, как и мы в то время.только чтобы потом столкнуться с целым рядом дорогостоящих ловушек..
IV. Шесть дорогостоящих ловушек, с которыми приходится сталкиваться при практическом применении
Ловушка 1: чрезмерная задержка вывода не подходит для производственных линий
Наш пилотный проект был сосредоточен на проверке внешнего вида корпусов мобильных телефонов.
Производственная линия обрабатывает одну заготовку каждые 3 секунды, что означает, что общая задержка проверки должна оставаться ниже 2 секунд, чтобы зарезервировать 1 секунду для роботизированной сортировки.
Мы протестировали рабочий процесс API GPT-4V:
Загрузить изображение и ввести запрос
Подождите ответа сервера
Получить результаты проверки
Средняя задержка достигла 4 ‰ 6 секунд и могла превышать 10 секунд на фоне колебаний сети ≈ слишком медленно для сборочной линии.
Вместо этого вы могли бы предложить самостоятельные мультимодальные модели с открытым исходным кодом, такие как LLaVA и Qwen-VL. Мы также их протестировали.Запуск LLaVA-13B на графическом процессоре A100 дает задержку вывода одного изображения примерно 800 мс к 1.2 секунды.
Хотя он быстрее облачных API, он остается в десятки раз медленнее YOLO.
Плохая 2: стремительно растущие затраты на пропускную способность и вычислительные системы
Даже если мы допустим задержку ради аргументов, расчет затрат расскажет грубую историю.
Сколько изображений обрабатывает одна производственная линия в день?
Предполагая, что каждые 3 секунды и 20 часов ежедневной работы производится одна деталь, одна линия генерирует около 24 000 изображений в день.
Для API GPT-4V стоимость единицы варьировалась от $0,01 до $0,03 за изображение в зависимости от разрешения и потребления токенов:
Ежедневные расходы на одну строку: 240-720 долларов США
Ежемесячная стоимость за строку: $7200$21600
Ежегодные расходы на линию: $86,400$259,200
Это всего лишь одна линия, в то время как наш клиент управлял 12 производственными линиями - недоступные затраты для производителей.
А как насчет самостоятельно размещаемых моделей с открытым исходным кодом?
Одинокий графический процессор A100 обеспечивает приблизительно 1 ‰ 2 QPS (запросы в секунду).
Однако, учитывая серверы, пространство IDC и техническое обслуживание, годовая эксплуатационная стоимость развертывания A100 составляет сотни тысяч юаней.
В отличие от этого, для развертывания YOLO требуется только краевая вычислительная коробка стоимостью в несколько тысяч юаней для поддержки одной полной производственной линии.
Разрыв в стоимости охватывает два порядка величины.
Ловушка 3: неустойчивые, вероятностные результаты несовместимые результаты для идентичных изображений
Это оказалось самым разочаровывающим препятствием.
Промышленная инспекция требует абсолютного детерминизма: одинаковые изображения должны каждый раз давать одинаковые результаты инспекции.в противном случае стандартизированный контроль качества и прослеживаемость становятся невозможными.
Большие мультимодальные модели, однако, дают вероятностные результаты.
Мы провели контролируемый тест: подали одно и то же дефектное изображение с идентичным запросом в GPT-4V десять раз.
7 тиражей с маркировкой "дефектный продукт"
2 пробега отмечены он подозревается в дефекте требует ручной проверки
1 экспедиция утверждала, что не было явных дефектов
Все из одного и того же ввода и запроса.
Подобная случайность является фатальной для контроля качества на заводе. Инспекторы не могут действовать на выходной "70% вероятность дефекта"
Некоторые предлагают установить температуру до нуля для консистенции.Большие модели генерируют результаты с помощью механизмов выборки, и незначительные отклонения сохраняются для краевых случаев даже при температуре = 0.
Плохая 4: хрупкая оперативная инженерия. Незначительные изменения в формулировке меняют суждения.
Производительность мультимодальной модели полностью зависит от быстрого проектирования, которое мы потратили на оптимизацию для повышения точности и стабильности.
Вскоре мы обнаружили, что запросы очень чувствительны к изменениям формулировки.
Три запроса с почти одинаковыми основными запросами дали совершенно разные результаты проверки:
Указание А: ′′Проверьте, есть ли на этом изображении поверхностные дефекты".
Процедура B: "Осторожно изучите поверхность изделия и выявьте царапины, ямы, посторонние вещества и другие дефекты".
Просьба C: "Действуйте как профессиональный инспектор качества. Найдите и классифицируйте любые дефекты внешнего вида продукта на этом изображении".
Что еще хуже, запросы, отрегулированные для продукта А, теряют эффективность при применении к продукту В, требуя полной переработки логики запроса для каждого нового варианта продукта.
Чем это отличается от переподготовки моделей YOLO для новых продуктов?
Обучение YOLO опирается на количественные показатели оценки, чтобы четко сигнализировать, когда модель соответствует стандартам; быстрая настройка полностью зависит от субъективных проб и ошибок,без четкого критерия оптимальной производительности.
Пятая ловушка: галлюцинации - с уверенностью придумывать несуществующие дефекты
Галлюцинации - это хорошо задокументированный недостаток больших языковых и мультимодальных моделей: система уверенно придумывает детали, которых не существует.
В промышленной инспекции это проявляется в виде трех типичных сбоев:
Отметка о дефектах на продуктах, не имеющих дефектов
Ошибочное указание местоположения дефекта (например, обнаружение царапин слева, когда они появляются справа)
Ошибочная классификация типов дефектов (например, маркировка ям как царапин)
Один из испытаний иллюстрирует серьезность: совершенно безупречное изображение продукта вызвало очень подробный сфабрикованный анализ:В правом нижнем углу обнаружена мелкая царапина длиной около 3 мм., рекомендуется оценка функционального воздействия".
При тщательном визуальном рассмотрении, никаких следов или царапин не было в этой области вообще.
Если такие галлюцинации проникают в серийное производство, следуют серьезные последствия:либо дефектные товары пропадают незамеченными (пропущенная проверка) или квалифицированные продукты ошибочно отклоняются (ложный отказ).
Ловушка 6: высокие ресурсные барьеры для частного развертывания на месте
Поскольку облачные API страдают от высокой задержки и чрезмерных затрат, самостоятельное размещение кажется альтернативой.
Как насчет YOLO?
YOLOv8-m работает гладко даже на GTX 1080 с 8 ГБ VRAM.
Он может быть даже развернут на краевом вычислительном оборудовании, таком как модули NVIDIA Jetson с энергопотреблением всего в десятки ватт.
Порог вычислительного ресурса отличается целым порядком величины.
Для большинства заводов установка сервера A100 на производственном этаже нецелесообразна как с точки зрения капитальных затрат, так и с точки зрения ежедневной эксплуатации и обслуживания.
V. Возвращение к первым принципам: Что именно требует промышленная визуальная инспекция?
После того, как мы столкнулись со всеми вышеупомянутыми ловушками, мы сделали шаг назад, чтобы задуматься над фундаментальным вопросом:
Какие основные возможности требуются промышленной визуальной инспекции?
Детерминированный результатИдентичные изображения должны давать 100%-ные результаты, что является основой стандартизированного контроля качества и полной прослеживаемости; вероятностные результаты неприемлемы.
Ультранизкая задержкаМиллисекундный уровень реакции. Время на производственной линии является жестким, и инспекция не может стать узким горлом.
Время вывода 10 мс и время вывода 1000 мс представляют собой совершенно разные операционные реалии.
Высокая производительностьСколько кадров можно обрабатывать в секунду? Сколько деталей можно проверять ежедневно?
Расходы на вычисления должны оставаться контролируемыми, избегая ежегодных расходов в сотни тысяч долларов США на одну производственную линию.
Совместимость развертывания краевСетевые среды на заводах сложны, многие мастерские не имеют стабильных или доступных интернет-соединений.
Модели должны работать локально на краевых устройствах, а не полагаться на облачные API.
Интерпретируемые результаты инспекцииКогда обнаруживается дефект, система должна четко информировать инспекторов о его точном местонахождении и категории.
В идеале, он должен выводить координаты дефектов, площади и показатели доверия для интеграции системы ниже по течению.
Контролируемые расходы на обслуживаниеПродукция обновляется, а стандарты инспекции регулярно пересматриваются.
Стоимость адаптации для каждой итерации должна быть управляемой, без полной реконструкции каждый раз.
Сопоставление этих шести основных требований с двумя техническими способами показывает явный контраст:
Серия YOLO отлично отвечает всем шести критериям
Детерминизм: 100% согласованные результаты при одинаковом входе
Низкая задержка: вывод в 10-30 миллисекунд
Высокая пропускная способность: от десятков до более чем сотни QPS на один GPU
Развертываемость на краю: полностью совместима с аппаратным обеспечением Jetson и промышленными ПК
Интерпретируемые результаты: рамки, категории дефектов и значения доверия
Низкие накладные расходы на техническое обслуживание: зрелые цепочки инструментов для дополнительного обучения и передачи знаний
Многомодальные большие модели не соответствуют почти всем требованиям
Детерминизм: врожденно вероятностный результат
Ограничение задержки: вывод второго масштаба
Предел пропускной способности: однообразный графический процессор поддерживает только однозначный QPS
Барьер развертывания краев: требует высокопроизводительных графических процессоров класса A100
Разрыв в интерпретации: сырые описания естественного языка требуют вторичного анализа
Непредсказуемое обслуживание: быстрое проектирование не имеет количественно определяемых стандартов оптимизации
Могут ли мультимодальные модели заменить YOLO?
На нынешнем этапе технической зрелости многомодальные большие модели не подходят в качестве основного решения для промышленной визуальной инспекции.
Ее сильные стороны, включая логику с нулевым выстрелом, глубокое семантическое понимание и сильное обобщение, не приносят практической ценности на производственных линиях; в то же время ее критические недостатки - высокая задержка,Невысокие затраты и неустойчивая производительность являются катастрофическими для промышленного контроля качества.
VI. Не замена, а дополнение
Это не означает, что многомодальные большие модели совершенно бесполезны для промышленной визуальной инспекции.
Ключ заключается в определении их подходящей ниши.
После двух лет полевых испытаний мы обобщили четыре сценария, в которых мультимодальные крупные модели создают ощутимую ценность:
Сценарий 1: Автоматизированная аннотация вспомогательных данных
Аннотация представляет собой крупнейший фактор затрат на традиционные инспекционные проекты.
Задача промышленного зрения обычно требует от тысяч до десятков тысяч аннотированных изображений.расходы на маркировку составляют 30%-50% от общего объема инвестиций в проект.
Многомодальные большие модели обеспечивают возможность предварительной маркировки:
Модель сначала генерирует предварительные маски и коробки с аннотацией из необработанных изображений.
Наши полевые тесты показывают, что этот рабочий процесс повышает эффективность аннотации в 3−5 раз, сокращая среднее время маркировки на изображение с 30 секунд до менее 10 секунд.
Сценарий 2: Возобновление покрытия дефектов длинного хвоста
Поверхность производительности моделей YOLO проста: они могут распознавать только типы дефектов, представленные в наборах данных обучения.
Беспрецедентные редкие дефекты вызовут пропущенное обнаружение.
Хотя подобные аномалии с длинным хвостом встречаются редко, они часто сигнализируют о серьезных ненормальных условиях производства, несущих с собой более высокие эксплуатационные риски.
Большие мультимодальные модели выступают в качестве резервного уровня проверки:
Когда YOLO выводит граничный балл доверия (примерно 0,3 ≈ 0,4).7, серая зона неопределенности), соответствующее изображение отправляется в мультимодальную модель для вторичного суждения.
Сила генерализации больших моделей покрывает эти редкие аномалии.
В рамках этого механизма только 5%-10% всех изображений передаются в мультимодальную модель, что позволяет управлять общими затратами и значительно улучшить охват дефектов длинного хвоста.
Сценарий 3: Семантическое преобразование необработанных данных инспекции
YOLO выдает только структурированные данные: граничные поля, категории дефектов и баллы доверия.
Хотя для промышленных систем этого недостаточно, для инспекторов эти показатели не являются интуитивными, поскольку им нужны ответы на практические вопросы: насколько серьезен дефект?Какие корректирующие меры следует предпринять?
Мультимодальные крупные модели выполняют семантическое создание отчетов:
Ввод: координаты дефектов, маркировки классификации, модель продукта и параметры производственного процесса
Выход: отчет о проверке на естественном языке, например, на левом краю изделия обнаружена царапина длиной 5 мм, вероятно, вызванная отталкиванием плесени; рекомендуется обслуживание плесени".
Эта задача не чувствительна к задержке (отчеты могут генерироваться асинхронно) и экономически эффективна (исполняется только на несоответствующих НГ продуктах с ограниченным объемом).
Сценарий 4: Быстрый холодный старт для небольших экстренных проектов
Клиенты иногда сталкиваются с ограниченными сроками: новые продукты, запланированные на серийное производство на следующей неделе, имеют всего десятки дефектных образцов изображений, недостаточных для полного обучения YOLO.
Традиционный рабочий процесс не может запустить проверку с такими ограниченными данными.
Многомодальные крупные модели служат временным переходным решением:
Возможность нулевого выстрела позволяет немедленно развернуть с приемлемой, но несовершенной точностью, значительно превосходящую полную ручную инспекцию.Данные могут постоянно собираться во время пилотных операций для обучения формальной модели YOLO для долгосрочного использования после накопления достаточного количества образцов..
VII. Гибридная архитектура: наша практическая парадигма развертывания
На основе вышеуказанного анализа мы приняли гибридную двухканальную архитектуру для недавних промышленных проектов:
Главный канал проверки: YOLO
Обрабатывает более 95% всех рабочих нагрузок инспекции
Развернуто локально на краевом оборудовании с задержкой вывода 1020 мс
Выводы структурных граничных ящиков, типов дефектов и баллов доверия
Вспомогательный канал: многомодальная большая модель
Обрабатывает только граничные изображения низкой достоверности в серой зоне
Вызван асинхронно без нарушения пропускной способности основной линии
Функции для обратной проверки дефектов длинного хвоста, создания семантических отчетов и вспомогательной маркировки
Основные принципы проектирования этой гибридной структуры:
YOLO выступает в качестве основной первичной системы; мультимодальные модели служат вспомогательными инструментами
Переход данных вместо серийной обработки: мультимодальные модели остаются вне критического производственного пути и не оказывают влияния на задержку или пропускную способность магистральной линии
Разделение трафика на основе доверия: результаты с высокой степенью доверия передаются непосредственно, в то время как неоднозначные образцы передаются для вторичной мультимодальной проверки.
Предсказуемый контроль затрат: только небольшая часть изображений потребляет ресурсы вычислительной модели мультимодальной модели
VIII. Рамочная система принятия решений по техническому отбору
Ниже приведено краткое дерево решений для команд, выбирающих алгоритмы промышленной визуальной инспекции:
Требование к задержке
Необходимый вывод
Взгляд больше
Промышленные камеры Hikvision сталкиваются с повсеместной нехваткой запасов, и правда гораздо сложнее, чем просто «запасы».
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;
}
}
Полный английский перевод (тон статьи, посвященный отрасли)
Боли и трансформации отрасли на фоне реструктуризации стратегии Full-Chain
Для практиков, занимающихся машинным зрением и интеграцией оборудования, с прошлого года остается одна общая головная боль: промышленные камеры Hikrobot становится все труднее найти.
От наиболее широко распространенных в отрасли измерительных моделей — вариантов с 2/3-дюймовым разрешением 5 МП и 1-дюймовым разрешением 20 МП с C-креплением — до стандартных камер с пространственным сканированием, запасы точечных изображений по каналам сбыта остаются хронически ограниченными, а сроки выполнения заказов постоянно увеличиваются. Это спровоцировало широкое распространение спекуляций в сфере торговли: намеренно ли Hikrobot ограничивает выпуск, чтобы стимулировать рост цен? Или использовать свое доминирование на рынке, чтобы вытеснить конкурентов?
Английский перевод (формальный тон отраслевого анализа)
Однако если отойти от проблемы немедленного дефицита спотовых поставок и проанализировать с точки зрения корпоративной стратегии и отраслевых циклов, можно увидеть, что нынешняя нехватка запасов ни в коем случае не является простой манипуляцией рынком. Напротив, это неизбежный результат всеобъемлющих стратегических корректировок Hikrobot сверху вниз, охватывающих продуктовые линейки, производственные мощности, каналы сбыта и бизнес-приоритеты. Ограничения в цепочке поставок и растущий спрос на переработку только усугубили остроту дефицита поставок.
Короче говоря, корректировка стратегического плана является фундаментальной основной причиной, консолидация рынка – побочным результатом, а несоответствие спроса и предложения – краткосрочным усугубляющим фактором.
一. Основная фундаментальная логика: причина дефицита поставок лежит в стратегической реструктуризации всей промышленной цепочки.
Многие люди приравнивают дефицит предложения к «ограничению производства для повышения цен», но они путают причину и следствие. Основным стратегическим шагом Hikrobot является завершение комплексной модернизации и реструктуризации всех бизнес-направлений в переходный период обновления продуктов и перемещения мощностей. Дефицит поставок – это лишь временная проблема роста, возникающая в результате этого перехода.
1. Итерация линейки продуктов: полный переход на платформу CU, поэтапный отказ от устаревшей серии CS/CH.
Начиная со второй половины 2025 года компания Hikrobot выпустила несколько уведомлений об изменении продукта (PCN), постепенно прекращая выпуск своих крупных серий устаревших промышленных камер CS и CH и полностью переходя на экономичные модели CU нового поколения и камеры AI-CH премиум-класса.
Перспектива цепочки поставок: Никаких дополнительных заказов на устаревшие чипы CMOS и FPGA размещаться не будет. Официальная приостановка производства вступает в силу после того, как существующее сырье истощается, и дистрибьюторы больше не будут получать пополнения запасов для моделей, снятых с производства.
Перспектива рынка: широко распространенные 2/3-дюймовые 5-мегапиксельные камеры с глобальным затвором C-mount — основные модели, совместимые с бытовыми телецентрическими объективами — вынесли на себя основной удар, что привело к повсеместным перебоям в поставках.
Основная стратегическая цель: стандартизировать платформу исследований и разработок аппаратного обеспечения для оптимизации производственных линий и сокращения затрат на управление материалами. Кроме того, новая платформа включает в себя ISP и облегченные функции предварительной обработки искусственного интеллекта, чтобы точно удовлетворить растущие требования к высококлассному контролю со стороны литиевых батарей, фотоэлектрических систем, 3C-электроники и других производственных секторов.
二. Реструктуризация структуры мощностей: увеличение мощности новой базы в Тонглу создает дефицит поставок во время перехода между старыми и новыми производственными линиями
Несоответствие между сокращающимися старыми мощностями и еще не созревшими новыми производственными линиями представляет собой наиболее прямую причину нехватки продукции со стороны предложения.
Интеллектуальная производственная база Hikrobot в Тонглу с общим объемом инвестиций 1,534 миллиарда юаней рассчитана на годовой выпуск 5 миллионов продуктов машинного зрения и вышла на полномасштабное производство только в начале 2026 года. Между тем старые заводы постепенно сокращают производство и начинают перемещение оборудования. В период перекрывания работы старых и новых производственных линий производственные мощности были разделены между двумя площадками, что сделало невозможным выполнение огромного объема заказов, как раньше.
В сочетании с взрывоопасным концентрированным спросом на контрольное оборудование в литиевых батареях, фотоэлектрической и полупроводниковой промышленности за последние два года производитель может распределять имеющиеся запасы только по приоритетам проектов. Крупнейшие ключевые клиенты получают приоритетные поставки, в результате чего малые и средние интеграторы оборудования и разрозненные розничные заказы испытывают трудности с обеспечением камер.
三. Смещение фокуса бизнеса: перераспределение ресурсов в сторону 3D-видения и полнофункциональных решений
В последние годы стратегический приоритет Hikrobot сместился далеко за пределы продаж отдельного оборудования в сторону полнофункциональных интеллектуальных производственных решений. Интегрированные системы, сочетающие в себе машинное зрение, автоматические транспортные средства и мобильные роботы, представляют собой основной драйвер роста в будущем.
На уровне цепочки поставок квоты на закупки исходных CMOS-сенсоров и микросхем хранения данных отдаются приоритету для высокодоходных продуктов с высокой добавленной стоимостью, включая 3D-камеры, интеллектуальные считыватели кода и контроллеры машинного зрения, в то время как выделение микросхем для традиционных камер 2D-сканирования области намеренно сокращается.
Ситуация усугубляется тем, что глобальные производители полупроводниковых пластин перенаправляют большую часть мощностей на вычислительные чипы искусственного интеллекта и память HBM, что приводит к сокращению мощностей промышленных КМОП и ПЛИС с глобальным затвором более чем на 30%. Двойное давление перераспределения внутренних ресурсов и нехватки внешних компонентов резко увеличило дефицит поставок 2D-камер.
4. Модернизация системы дистрибуции: сокращение объемов распределения мест, обеспечение долгосрочных заказов посредством прямых контрактов с ведущими клиентами.
Ужесточение политики распределения является наиболее заметной причиной повсеместного дефицита запасов среди конечных пользователей.
С конца 2025 года Hikrobot ввел более строгие правила для каналов продаж, сократив квоты на спотовые запасы для малых и средних дистрибьюторов. Вместо этого он отдает приоритет подписанию ежегодных рамочных соглашений с ведущими производителями оборудования в секторах литиевых батарей и фотоэлектрических систем, заранее фиксируя большие объемы спотовых запасов по долгосрочным контрактам.
Это привело к четкому разделению отрасли: крупные производители наслаждаются стабильным выполнением заказов с гарантированными поставками, в то время как малые и средние интеграторы и срочные розничные заказы на небольшие партии сталкиваются с острой нехваткой имеющихся запасов, что усиливает ощущение дефицита по каналам сбыта.
II. Объективный результат: ускоренная промышленная консолидация, а не целенаправленная цель
Крайне важно уточнить, что нынешний дефицит поставок не был спланирован Hikrobot для преднамеренного сокращения производства, подавления конкурентов или монополизации рынка. Промышленные перестановки и реструктуризация рынка — это всего лишь вторичные побочные эффекты, возникающие в результате стратегического пересмотра.
Возможности замены отечественных брендов второго эшелонаОгромное количество малых и средних интеграторов оборудования были вынуждены применять отечественные альтернативные решения, что привело к резкому увеличению заказов на такие бренды, как Huaray, Daheng, ECOVIS и MindVision, наряду с быстрым ростом их доли на рынке.
Поэтапный отказ от низкорентабельных мощностей нижнего уровняДобровольное прекращение производства Hikrobot устаревших моделей камер с низкой прибылью приводит к истощению запасов дешевых моделей на рынке, повышению общей средней цены на продукцию и отсеиванию мелких производителей систем оптического оборудования, которые полагаются исключительно на ценовую конкуренцию без возможностей собственных решений.
Расширение конкурентных преимуществ для лидеров отраслиДля Hikrobot нехватка оборудования практически не влияет на выполнение заказов на интегрированные решения. Долгосрочное партнерство, основанное на комплексных решениях, укрепляет ее основную клиентскую базу, увеличивая разрыв с небольшими производителями, которые поставляют только автономные камеры.
Короче говоря: консолидация – это следствие, а не первоначальная цель. Это не преднамеренное подавление рынка, а естественная реорганизация промышленности, вызванная корпоративной модернизацией.
III. Три пересекающихся фактора, усугубляющих дефицит поставок
Хотя стратегическая реструктуризация является фундаментальной причиной нехватки запасов, тройное сближение ограничений в сфере добычи, резких скачков спроса в сфере переработки и циклов перехода на продукцию привело к тому, что дефицит предложения достиг уровня, ощущаемого во всей отрасли.
Жесткие ограничения со стороны цепочек поставок разведки и добычиМировые производители полупроводников отдают приоритет производству высокопроизводительных компьютерных чипов, в результате чего больше всего страдают промышленные КМОП и ПЛИС: производственные мощности для соответствующих компонентов сократились более чем на 30%, а сроки выполнения заказов увеличились с первоначальных 4 недель до более чем 12 недель. Даже при полной загрузке производственных линий производители сталкиваются с критической нехваткой основных компонентов.
Между тем, растущие цены на сырье, такое как медь и ПХБ, отговаривают производителей от накопления чрезмерных запасов из-за проблем с движением денежных средств и запасами, что еще больше ограничивает гибкость поставок.
Концентрированный всплеск спроса на переработку2026 год станет пиковым годом для массового производства нового энергетического и полупроводникового оборудования. Массовое внедрение проектов, включая проверку литиевых электродов, сортировку фотоэлектрических кремниевых пластин и проверку внешнего вида полупроводников, привело к ежегодному росту спроса на высокоточные измерительные камеры более чем на 65%, что намного опережает скорость высвобождения существующих производственных мощностей.
Перебои в поставках при переходе между старыми и новыми производственными линиямиПолный отказ от устаревших моделей совпадает с низкими темпами массового производства новой серии CU, что создает естественный вакуум поставок на 3–6 месяцев. Ограниченные первоначальные производственные мощности платформы CU распределяются в первую очередь среди основных ключевых клиентов, что еще больше сокращает спотовые запасы, доступные через открытые каналы распределения.
IV. Три глубоких долгосрочных последствия нехватки поставок в масштабах всей отрасли
Широко распространенная нехватка запасов оказывает волновое воздействие на каждого участника производственной цепочки, вызывая краткосрочные проблемы роста наряду с длительными структурными сдвигами.
1. Для интеграторов оборудования: краткосрочные сбои, долгосрочные устойчивые цепочки поставок
Краткосрочное воздействие: сроки реализации проекта задерживаются из-за истощения запасов основных измерительных камер с креплением C-mount. Многие интеграторы вынуждены временно переходить на альтернативные бренды, неся дополнительные затраты на тестирование прототипов и адаптацию программы.
Долгосрочная выгода: компании вынуждены создавать мультибрендовые библиотеки альтернативных продуктов, что снижает зависимость от одного поставщика и повышает общую устойчивость к рискам в цепочке поставок.
2. Для конкурентной среды: стратифицированный внутренний рынок, преимущества для поддерживающих отраслей
На внутреннем рынке формируется модель с двумя лидерами: Hikrobot доминирует в сегменте интегрированных решений высокого класса, а Huaray поглощает спрос на замену за счет стабильных запасов, чтобы завоевать долю основного рынка. Такие бренды, как Daheng и MindVision, быстро захватывают рыночное пространство, ранее принадлежавшее мелким интеграторам.
Импортные бренды отмечают умеренное краткосрочное восстановление спроса: такие игроки, как Basler и Cognex, получили частичные заказы на замену высококачественных компонентов, однако время выполнения заказа, превышающее 8 недель, ограничивает их применение только сценариями прецизионного контроля.
3. Для самого Hikrobot: краткосрочная потеря розничных клиентов, повышение долгосрочной корпоративной ценности.
Краткосрочные недостатки: большой объем мелкосерийных розничных заказов теряется в пользу конкурентов, а некоторые проекты переманиваются конкурирующими производителями; дистрибьюторы сталкиваются с растущим давлением на складские запасы и растущим недовольством.
Долгосрочные преимущества: постепенно прекращается выпуск низкорентабельных продуктовых линеек, в результате чего портфель продуктов смещается в сторону дорогостоящих решений для 3D-видения и искусственного интеллекта. Как только производственная база Тонглу выйдет на полную мощность, общий объём производства удвоится, что значительно повысит долгосрочную стабильность поставок. Прямые долгосрочные контракты с крупными клиентами также обеспечивают потоки доходов на долгие годы вперед.
五. Когда дефицит уменьшится? Практические решения, доступные прямо сейчас
Это главная забота всех специалистов отрасли. Мы предоставляем прогнозы на основе производственных мощностей и циклов выпуска продукции, а также реализуемые решения для основных сценариев применения.
1. Прогнозируемые сроки восстановления поставок
Ожидается, что с учетом текущего прогресса интеллектуальная производственная база Tonglu выйдет на полную мощность к концу 2026 года. В сочетании со стабильными объемами массового производства серии CU и недавно запущенными мощностями по производству CMOS-подложек прогнозируется, что поставки стандартных 2D-камер с пространственным сканированием вернутся к норме в первом квартале 2027 года.
Важно отметить, что устаревшие серии CS и CH были окончательно сняты с производства, и возобновление производства не планируется. Будущая конструкция системы должна полностью использовать новую платформу или альтернативные бренды.
2. Легко применимые стратегии выбора камеры
Для наиболее широко распространенных приложений камер в различных отраслях предоставляются две категории рекомендаций:
Решение для экстренной замены
Такие бренды, как Huaray и Daheng, предлагают продукты с полностью соответствующими параметрами, эквивалентными снятым с производства устаревшим моделям Hikrobot, при поддержке большого количества спотовых запасов. Для обеспечения быстрой миграции требуется минимальная модификация программного обеспечения.
Долгосрочное проектное решение
Предприятия, планирующие новые проекты, могут размещать предварительные заказы, чтобы зарезервировать запас новых камер Hikrobot серии CU.
Заключительные замечания
Оглядываясь назад на развитие отрасли машинного зрения в Китае, можно сказать, что каждая итерация производственных мощностей и линейки продуктов сопровождается циклическими колебаниями спроса и предложения.
Продолжающийся дефицит поставок камер Hikrobot, по сути, является неизбежным переходом лидера рынка от чисто производителя оборудования к поставщику комплексных решений. Поэтапный вывод устаревших производственных мощностей, переход на новые аппаратные платформы, а также реструктуризация каналов сбыта и бизнес-приоритетов — все это сопряжено с проблемами роста переходного периода. Циклическая нестабильность в цепочках поставок полупроводников и взрывной спрос со стороны нового энергетического сектора усилили влияние этой трансформации на всю отрасль.
Для всех игроков в этом секторе, вместо того, чтобы зацикливаться на дебатах по поводу преднамеренного манипулирования ценами, более разумно создать библиотеки мультибрендовых камер и диверсифицировать резервные копии цепочки поставок для поддержания стабильной работы в условиях отраслевых изменений.
Взгляд больше
Сосредоточьтесь на основных процессах и обеспечьте комплексное расширение возможностей интеллектуальных производственных обновлений фотоэлектрических систем и систем хранения энергии! Визи
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;
}
}
СНЕК 2026
С 3 по 5 июня в Национальном выставочном и конференц-центре (Шанхай) торжественно откроется Шанхайская международная фотоэлектрическая выставка SNEC 2026. Hikrobot занимает видное место благодаря интеллектуальным решениям, охватывающим всю технологическую цепочку фотоэлектрического производства.
Охватывая нарезку кремниевых пластин, изготовление солнечных элементов, инкапсуляцию модулей и высокоточный контроль, Hikrobot поддерживает качество продукции с помощью полностью собственных разработанных основных технологий, исследуя новые пути интеграции фотоэлектрических систем хранения и модернизации интеллектуального производства вместе с многочисленными посетителями отрасли.
Датчики на микронном уровне для процессов нарезки обеспечивают строгий контроль качества кремниевых пластин.
01 Проверка толщины пластины
В этом решении используются шесть датчиков 3D-профиля для измерения толщины пластины. Развернутая в противоположно-парной схеме, система одновременно собирает три группы данных измерений и применима к станциям сортировки кремниевых пластин. Оснащенные встроенными алгоритмами защиты от помех окружающего света, зеркального отражения и подавления вибрации, камеры обеспечивают значительно повышенную точность измерений и стабильность работы.
3D Vision расширяет возможности производства модулей для высокоэффективного и гибкого производства
01 3D-визуализация фотоэлектрической распределительной коробки
Благодаря высокоскоростным колебаниям гальванометра внутри 3D-камеры это решение быстро проводит лазерные линии по целевым поверхностям, чтобы получить полную трехмерную топографию распределительных коробок за одно сканирование. Даже для беспорядочных черных жгутов проводов на распределительных коробках камера создает четкие и неповрежденные трехмерные облака точек для быстрой и точной идентификации, способствуя высокоэффективному гибкому производству в процедурах сборки фотоэлектрических модулей.
Искусственный интеллект расширяет возможности производства солнечных элементов для максимизации эффективности контроля
01 Проверка микротрещин
В решении используются монохромные камеры линейного сканирования 4K в сочетании с широкоформатными коротковолновыми инфракрасными линзами и источниками лазерного света ближнего инфракрасного диапазона пропускающего типа для обнаружения и классификации дефектов, включая отслоение кристалла, сколы по краям, разрушение фрагментов, микротрещины, перекрывающиеся ячейки и поверхностное загрязнение размером более 0,5 мм.
Кроме того, новаторское внедрение интеллектуальной карты сбора данных SVA радикально сокращает использование аппаратных ресурсов промышленных ПК, снижая затраты на оборудование и одновременно обеспечивая постоянную производительность проверки.
02 Окончательная проверка и классификация поверхности (AOI)
Это решение выполняет сортировку по цвету как на передней, так и на задней стороне готовых солнечных элементов, а также проверяет дефекты на наличие повреждений поверхности, пятен, плохой трафаретной печати и ненормального размера линий сетки. Он позволяет четко визуализировать крошечные дефекты размером до 50 мкм.
Совместимая с несколькими форматами клеточной печати, включая PERC, TOPCon MBB, SMBB, 0BB, технологии черепичных ячеек и ячеек BC, система удовлетворяет разнообразные требования клиентов к контролю.
Полностью собственная разработка высокоэффективных технологий контроля создает многомерную систему обеспечения качества.
Помимо вышеупомянутых производственных процессов, Hikrobot также демонстрирует полную линейку высокопроизводительных решений для проверки, включая проверку остатков на поверхности клеток, камеры линейного сканирования с макрофокусом CIS, проверку дефектов этикеток SC5000X и динамическое тестирование интеллектуальных датчиков.
Благодаря базовым технологиям, таким как шесть камер с противоположным диапазоном, линейное сканирование 4K в ближнем инфракрасном диапазоне, высокоточное 3D-видение и 2,5D-изображение с купольной подсветкой, система точно идентифицирует различные дефекты: царапины и отклонения по толщине кремниевых пластин, микротрещины и сколы по краям солнечных элементов, дефекты упаковки модулей, а также мусор и царапины на поверхностях аккумуляторных элементов. Максимальная точность контроля достигает микронного уровня, образуя надежный барьер качества на протяжении всего жизненного цикла фотоэлектрических и аккумуляторных продуктов.
Демонстрации на месте также демонстрируют решения, охватывающие всю производственную цепочку фотоэлектрических систем: идентификация пластин SC6500, проверка PL после печати, проверка внешнего вида после нанесения покрытия, ламинирование этикеток модулей и считывание кода, а также промышленная очистка, что обеспечивает двойное повышение производственных мощностей и качества продукции во всем фотоэлектрическом секторе.
Взгляд больше
