宁德时代将工业人工智能质量检验技术引入多个动力电池过程中的安装过程

宁德时代，一家国内外新能源汽车公司无法绕过这个名字。最近公布了2022年的业绩预测，首次实现单季度利润超过100亿元，引起了市场的热烈讨论。

财务数据的结果与多年来宁德时代锂电池的布局密不可分。公开信息显示，该公司目前拥有13个锂电池生产基地。但随着生产规模的不断扩大，一些问题也逐渐暴露出来。

宁德时代首席制造官、工程制造体系总裁倪军披露了锂电池制造面临的挑战：生产过程复杂、材料规模跨度大、安全要求高、质量一致性要求高、性能不断提高、成本压力大等。

以核心生产过程为例。一般来说，锂电池的生产工艺分为前工序（极片制造）、中工序（电池合成）和后工序（包装）。

在前一道工序和中间卷绕中，由于支持高速在线生产，每道工序生产后人眼无法检测，必须使用自动化设备进行智能质量检测；在中后工序和包装工序中，行业早期采用人工肉眼检测，现在面临人员招聘培训过程长、人工检测不稳定等问题。

为了满足锂离子电池对安全性能的高要求，宁德时代将工业人工智能质量检验技术引入多个动力电池过程中的安全判断环节，利用人工智能分析综合确定产品质量检验结果，提高生产效率。

这不是一个孤独的例子。随着数字时代的到来，传统的人工检测方法越来越难以适应企业数字化的发展需求。更准确、更稳定的工业人工智能质量检验解决方案正在加速融入制造业产品的生产过程。

根据国际数据公司IDC发布的《中国人工智能授权的工业质量检验解决方案市场分析》，2022年报告显示，工业人工智能质量检验已从几年前的试点应用转向大规模复制和推广。其中，通信电子制造、汽车零部件、消费品和原材料四个行业是目前工业人工智能质量检验的主要应用行业，总市场空间占91.5%。

随着这一场景吸引了各种制造商，小市场变得拥挤起来。

01 产业双向奔赴

工业制造业是国家综合实力的典型代表。中国是世界上最大的制造业国家，拥有41个工业类别、207个工业类别和666个工业类别。它是世界上唯一一个在联合国工业分类中列出的所有工业类别的国家。

但与此同时，国内制造业向高端、智能、绿色转型还有很长的路要走。特别是考虑到生产过程中零部件产品种类多、数量大、更新迭代快、外观检测准确性、灵活性、成本控制要求高，工业质量检验已成为必不可少的环节。

传统的工业质量检验主要是人工质量检验。也就是说，质检人员需要有敏锐的视力和丰富的经验来检测缺陷的类型。这种模式有明显的缺点。目前，制造企业普遍存在招聘难、留人难的问题。质量检验是一项需要技术基础的艰苦工作，质量检验员工之间存在很大差距。此外，检测速度也有局限性，存在人为判断误差的隐患，如肉眼损伤和疲劳。

“人工质量检查是用人最多的地方，并面临着明显的问题。一方面，工作时间长而无聊，人工旋转产品360度以寻找缺陷，每次检查时间长达1分钟，员工容易疲劳。另一方面，订单变更不能准确适应人员，劳动力成本不断上升，质量检查高峰期雇佣的人数超过1500人。”上海富驰高科技自动化总监邓声志曾公开表示。

在此基础上，基于传统机器视觉算法的质量检验方法得到了广泛的应用。通过机器视觉，它通常可以处理颜色、面积、圆度、矩形、角度、长度等易于提取和量化的特征。其原理是根据图像中的目标特征和多个目标特征之间的距离进行逻辑判断，以完成视觉任务。

虽然该方法取代了人力，但它可以满足具有相对明确特征的检测或测量要求，并且可以在处理一致和制造优良部件时可靠运行。但随着缺陷库的增加，算法将变得越来越具有挑战性。

不仅如此，在生产线更换和工艺升级过程中，不能迭代学习；新缺陷、新特征需要新设计，通常需要手动调整参数，算法开发调试效率低，周期长，瓶颈明显。

在此背景下，基于人工智能算法的视觉缺陷检测不仅实现了对随机缺陷的识别和检测，而且扩大了传统机器视觉的应用范围，引起了业界的广泛关注。目前，市场主要提供面向具体业务场景的软件/平台、检测设备、定制检测系统等。人工智能授权的工业质量检验软件和解决方案产品形式。在某种程度上，这也是人工智能质量检验服务提供商和行业制造商的双向选择。

从行业厂商的角度来看，IDC 中国人工智能高级分析师程荫认为，在人工智能授权的工业质量检验场景实施过程中，由于工厂业务和技术负责人可以根据缺陷识别的准确性和误检率来衡量该场景的业务结果，降低企业内部劳动力成本的数量，培训和识别缺陷的及时性，因此，由于ROI清晰，人工智能工业质量检验场景在工业企业中得到了广泛的尝试，成为工业智能领域的成熟应用。

对于人工智能质量检验服务提供商来说，不需要重复能够实施和规模化场景的重要性。

国金证券研究报告指出，AI企业在资本市场的寒冷主要与早期市场预期过高和行业发展瓶颈有关。深度算法没有突破，实际实施场景分散，产品标准化程度低，劳动力成本高，道德伦理挑战，挑战了人工智能算法公司的商业模式和实现能力。

在因缘会下，双方在推动人工智能质检场景落地方面越来越达成共识。

02 云厂商排名第一

目前，各类厂商已凭借自身的基本优势进入AI质检市场。特别是在软件和解决方案领域，云制造商AI在人工智能视觉质量检验领域，创业、传统机器视觉企业、工业互联网平台企业等都积极布局。

IDC报告显示：AI在质量检验市场份额方面，2021年前五大厂商的市场份额达到44.3%，主要集中在百度智能云、创新奇智、腾讯云、华为、阿丘科技等厂商。

可以看出，云制造商是人工智能工业质量检验软件和解决方案市场的主要力量。在某种程度上，云制造商在工业质量检验平台、算法研发和数据积累方面具有一定的优势，并积累了人工智能工业的视觉着陆know－how。

领先的原因与他们的进入节点和战略部署有关。以百度为例。早在2017年百度云智能峰会上，北京首钢自动化信息技术有限公司的1万张钢材照片就通过百度智能云发布的ABC一体机检测到了钢材缺陷，整体缺陷识别分类精度达到99%以上，非常接近人工专业检测结果。这是百度在人工智能质量检验领域的第一次尝试。

和百度一样，特别关注人工智能质量检验的云制造商也包括腾讯云。目前，在工业人工智能质量检验场景中，腾讯云已与宁德时代、上海富驰高科技等基准客户达成合作，可实现大规模复制。

2022年底，工业和信息化部国家工业信息安全发展研究中心围绕智能研发、边缘计算、智能生产、智能运营、数字智能供应链、数字新基础设施等重点方向，收集价值效益明显、示范推广的优秀案例和示范项目。作为腾讯云的智能产品之一，其工业 AI 质检案例成功脱颖而出，成为唯一入选项目名单的互联网科技企业案例。

对百度和腾讯来说，AI质量检验解决方案的关键在于赋能集团云业务。

近年来，云计算行业的增长驱动力正在从互联网客户转向传统企业。经过多年的快速发展，国内互联网用户的渗透率已超过70%，这意味着在没有技术创新的刺激下，用户流量将逐渐稳定。相反，传统企业的客户逐渐成为云的主要力量。从北美市场的经验来看，随着数字化转型的不断推进，传统企业也有相对广阔的云空间。

因此，我们可以看到，互联网云制造商继续扩大政府事务、工业、能源等领域。据《经济观察网》报道，腾讯云业务在非互联网行业专注于寻找能源行业和制造业的机会。能源行业相对标准化，制造业复杂，但业务场景多，预计个别生产环节将标准化，找到更大的应用场景，如人工智能质量检验。

这也更符合腾讯副总裁唐道生强调的数字测量和优化，即腾讯工业互联网激活产业的核心概念——数字可以测量，数据可以优化。

当然，即使有know－how，云制造商也需要大量的努力来推广产品。据腾讯云员工介绍，“腾讯专注于制造和能源行业推广人工质量检验等产品，产品推广困难，销售工厂执行软件不现实，工业企业对云的需求较小，腾讯没有找到更好的突破点。

03 写在最后

根据IDC数据，从中长期来看，随着人工智能质量检验市场的逐步分化和应用成熟度的提高，潜在的竞争将导致制造商模式的变化，一些制造商将扩大优势，新制造商将逐步加入。

例如，商汤科技渴望在安全之外找到新的应用场景。2022年11月25日，商汤科技在第二届商汤科技数字能源智能制造生态合作伙伴大会上发布了一系列“AI软硬件整体解决方案“智能质检”。

可以想象，随着大量制造商的涌入，工业人工智能质量检验的整体竞争越来越激烈。据报道，在电子制造和新能源汽车动力电池领域，AI质量检验制造商已经展开了激烈的价格战。

另一方面，工业人工智能质量检验在行业中的应用渗透率仍处于较低水平，从长远来看仍有显著的发展空间。IDC预计2025年中国工业AI质检总市场将达到9.58亿美元(约62亿元人民币)，2021-2025年CAGR为28.5%。

同时，考虑到现阶段中国工厂生产线质量和效率超过200万，年劳动力成本1400亿元；即工业人工智能质量检验市场市场空间高达1000亿元，能否更好地应对碎片化场景的挑战，成为制造商不可忽视的新机遇。

参考资料：

《工业AI质检标准化研究报告》(2022年)，中国工业互联网研究院

IDC2022年，市场分析了中国AI赋能的工业质量检验解决方案