福克斯波罗 P0400YJ FBM08 调试方便

福克斯波罗 P0400YJ FBM08 调试方便

初创公司：搭乘硅谷技术新风口，前微软高管“降维”打入AI工业质检

前微软（美国）SurfaceBook设计团队**总监郭玮，曾为微软贡献了30余项发明专利。2018年他在看清中国AI场景化应用的势头之后，立马召集了一批擅长数据处理、平台技术和AI算法的海外精英回国创业。

值得一提的是，在如今AI商业化浪潮中，市场分为三个层次：底层基础设施做芯片和算力、中间核心技术做大模型和大数据平台、上层场景化应用做解决方案落地。芯片除了技术还讲求生态，算力是国与国之间的比拼，大模型和大数据掌握在能烧得起钱的巨头手中，逐一分析排除下来，初创公司在中国*有优势的地方就是做应用落地。

2019年末，郭玮在深圳南山区创立了博瀚智能。他所组建的团队，仅凭履历就获得了深圳市高层次人才创业资助和投资机构3500万pre-A轮融资，并与深圳清华研究院联合成立了人工智能研发中心。

他给公司的定位是，一家依托自研的平台技术，专注于AI应用落地的公司，聚焦智能制造和自动驾驶两条主线。在对标领域里，智能制造与华为（NPU生态圈）密切合作，自动驾驶融入英伟达GPU生态圈。“公司的技术和产品有幸得到行业内*强的伙伴的认可，并同他们进行深度业务合作”

背靠华为计算底座，郭玮团队决心将制造领域里的AI质检提升到一个新高度，即完成甲方心目中的“不可能三角”——更短的开发周期、更高的准确率、更低的运维成本，以此颠覆传统AI质检。

博瀚智能将这套颠覆性系统称为“自适应AI质检系统”，可将模型的精度从95%快速提升至99.99%，并在后续一直维持如此高的精度标准。据内部统计，相关解决方案在上线周期缩短80%，人力成本降低90%，运维成本节省80%。

而这套自适应AI质检系统也与硅谷*前沿的风向不谋而合。2021年，被业界誉为“AI教父”的百度前首席科学家吴恩达，在一场直播中表示，AI系统正在从Model-centric（以模型为中心）向Data-centric（以数据为中心）转变。这意味着今后在AI技术路线中，数据质量要比模型本身更重要。

对于两者的区别，郭玮进一步解释称，此前Model-centricAI着重的是模型算法，可类比为人类的智商，代表着处理和学习信息的基本结构和能力。这个技术路线是通过不断优化算法本身来取得更好的结果，也就是说，通过不断提升人类智商来增强能力。而Data-centric相当于让人通过积累经验来提高能力，这意味着通过不断喂取机器高质量数据，来让AI持续适应不断变化的环境和需求。

值得注意的是，在Data-centricAI路线中，MLOps是至关重要的一环，也是博瀚所擅长的部分。MLOps在工业场景中的优势在于，其不仅可以帮助DataCentricAI的任务提高效率，还能确保模型在场景中保持有效。

对于一线实操而言，结合MLOps技术的DataCentricAI，将有效解决模型失效的问题，让原本飘在云端的AI系统，有了更标准化的落地策略——数据飞轮。而这个数据飞轮早于2021年在海外无人驾驶领域里开始被应用。

“质检与无人驾驶在数据训练上的底层逻辑相通，只不过复杂程度不同。”郭玮表示。这也是为何博瀚智能除了聚焦制造领域AI质检以外，另一个锚定的赛道是自动驾驶。同时，他还将博瀚智能的战略定位，“前三年营收以制造为主，后三年营收则希望实现双轮驱动。”

目前在制造领域，博瀚智能主要发力于3C和半导体AI检测。郭玮认为，“预计仅PCBA和外观检测市场规模就在400多亿人民币上下。”同时，PCBA市场中，20%的供应商将控制80%的产能，届时商业环境将是一个理想的强to B市场。

现阶段，博瀚智能自适应AI质检解决方案已经在多个行业头部客户落地。下一步若是郭玮所设想的模型，实现快速大规模复制，使成本随边际效应大幅递减，博瀚智能的AI质检模型将跑通PCBA领域，实现开箱即用。但在此之前一切还有待验证，同时这个自适应AI系统是否能向其他领域的AI质检拓展，也有待进一步观察。

此外，乘着今年ChatGPT的东风，越来越多硅谷AI精英组团归国，加入这场机器大战中。

福克斯波罗 P0400YJ FBM08 调试方便