此外 ， 工业生产对验收要求极高 ， 想要成品良率至少达到99.9%以上 ， 每个零件的良率至少需达到99.999%；因此当前能够满足工业生产场景需求的 ， 往往是高度定制化算法和训练方式 。 然而 ， 仅训练一个神经网络就有超过百万种不同方式 ， 长期下的定制路线 ， 显然无法满足技术落地的需求 。 因此 ， 思谋科技结合学术界与产业界的最新成果 ， 研发出了最合适工业场景的全栈式AutoML算法 ， 可用于分割、检测、关键点等多种不同任务中；已在几十个工业场景、近百万工业数据中得到验证 。 传统调参下完成一个模型（算法开发+部署）需要10人月 ， 在AutoML下仅需0.3人月 。
此外 ， 在被检产品形态多样化核心难题中 ， 思谋科技通过对被检对象采取“零件化模型”处理 ， 进行“拆分——再整合”模式 ， 高效率理解同品类物体的内在结构一致性 ， 从而实现面对新形态的产品时也可快速交付；以及在缺陷类型难区分的核心难题中 ， 思谋科技通过“前后背景对比学习”方案 ， 使用类比学习 ， 能让计算机更好理解哪些是目标异物 。
因此 ， 贾佳亚教授表示 ， 只有当计算机系统可以突破工业落地中的几大难题 ， 实现自动算法组合和部署 ， 人类仅需参与少量定制化算法设计时 ， AI的跨领域规模产业化才具备实现的可能 。 他表示 ， 基于此前提 ， 思谋科技也在致力于打造其工业级AI系统 ， 构建以智慧为核心的新一代工业AI架构 ， 涵盖了工业AI算法平台、工业AI训练平台、工业AI工具平台 ， 以及超过30种全球领先的新型工业AI生产设备 。
据介绍 ， 已具备了智能制造跨行业快速落地能力的思谋科技 ， 目前可赋能超过1000个细分领域 ， 并成功与芯片、半导体、精密制造、汽车、航空、新能源等多个行业的头部企业实现合作 ， 完成了多个新型工业AI设备产品的落地 ， 如镜片分拣、轴承检测、特种条码设计与识别、偏光弯膜、隐形二维码识别、模具检测、AVI检测等 。
以芯片检测为例 ， 思谋科技为半导体厂商之一 ， 首次实现了产线的AI自主训练 。 芯片的工艺复杂 ， 指甲大小的芯片内可包含数十亿个晶体管 。 贾佳亚教授提到 ， 思谋借助旗下自研的工业AI一站式平台SMore ViMo中的检测模块 ， 为晶圆检测、PCB检测与芯片工艺分析 ， 推出了数十套软硬件一体化设备 ， 可对芯片结构进行超高速高清扫描 ， 实现亿级晶体结构的全自动聚类分析；检出率超过99.99%；单流程处理效率提高96% ， AI自动化全检处理效率提升90% 。
“目前 ， 我们的新一代AI系统架构落地处理效率平均可提升90% ， 并支持智能迭代 ， 如果按照落地到20个制造领域 ， 每个算法设计成本为2万元估算 ， 新一代AI架构带来的研发和设备增值可达5400亿元 ， 沿着这个方向 ， 未来产业变革一定会发生 。 ”贾佳亚教授表示 。
继发布《中国制造2025》通知后 ， 在我国“十四五”规划中 ， 进一步强调产业链升级的智能化转向 。 智能制造是新一轮科技革命的桥头堡 ， 而人工智能技术则是科技革命成功的关键利器 。 本届全球智能工业大会暨全球创新技术成果转移大会 ， 涵盖“智能感知与机器视觉”、“大数据智能与科学计算”、“深度学习与工业智能”、“5G+车联网”、“智能集成电路与光电子芯片”及“智能照明与显示”等六大分会 ， 汇聚了全球智能领域最具影响力的科学家、企业家以及行业伙伴 ， 共同探索智能工业发展新模式、增强经济发展新动能 ， 引领全球资产革命的新时代 。