工業產品檢測過程看似相同實則區別較大，檢測一個產品可能同時需要多個檢測工具，除了視覺可能還有觸覺、聽覺等一系列感官能力參與。就目前狀況看，AI視覺檢測只能做到光整平面檢測，對凸凹不平三維體無能為力，這樣的應用場景就局限于小的平面零件，適用范圍狹小。

　　AI視覺檢測應該專注于把一項領先技術迭代，小范圍推廣嘗試做技術積累，讓子彈飛一會。工業產品的特點決定了不可能有互聯網產品那樣統一大市場，每項技術應用場景很小，這一點應該向德國學習，專注于深耕細作，再不然也應該向日本學習，一口井撅深了再挖挖周邊，藤蔓式創新，做一個產業鏈。

　　我思考了很久也沒想到機械加工工藝上怎么應用AI檢測(可能與我見識淺薄視野狹隘有關)。就目前AI視覺檢測技術來看，在機械加工中應用，視覺檢測精度、復雜度、穩定性都不還夠。

　　就像市面上很多人工智能產品，對一個感官健全的人來說可以用一用，對一個感官不全殘障人士來說可能是廢的產品。準確度不夠，缺少基本執行功能，ai替代人全方位感知能力現在還很難�，F階段應用難是整個工業體系還沒準備好，提供不了一個完整的解決方案，僅作為一個工具，承擔不起工業4.0進程的領導作用，制造業反應本來就慢些，一馬當先其它馬還得追一會。

　　檢測處于制造工藝末端環節，一般占生產成本比例不大，檢測工藝技術也不是生產關鍵技術，對檢測人員技能要求也不高，不是企業迫切革新環節，也不是提高生產率剛性需求，AI檢測技術提升的那點效率，對于企業來說既不痛也不癢，如果需要投入很多人力物力，還不如投入生產制造前端工藝改進，帶來效率提升更明顯。最終還是得用戶需求驅動技術創新和市場選擇驅動技術轉化為商品。要想把AI檢測產品做得好，得把AI工業檢測往生產工藝前端推進，參與到更廣泛的生產場景中去。滿足更多用戶痛點需求、剛性需求，最好能干預、引導整個生產環節。比如，在裝配環節應用，監測裝配零件和工具取用順序，對裝配工人肢體動作進行監測，對零件裝配做過程引導，減少錯裝漏裝等。

　　最后，工業是要出實物產品，前期固定資產投入高，產品周期長，技術基礎積累環節可能需要幾年十幾年甚至幾十年，比起其他行業回報又相對較低。就拿熱門的芯片來說，前期研發需要十幾年時間，投入是海量資金和人力，一般企業根本支撐不來，資本更沒有耐心等待。

　　工業就要制造實物，是智力+能量+時間的轉化過程。時間是阻止外行進入最高的門檻。