福克斯波羅 P0400YJ FBM08 調試方便

福克斯波羅 P0400YJ FBM08 調試方便

福克斯波羅 P0400YJ FBM08 調試方便

初創公司：搭乘硅谷技術新風口，前微軟高管“降維”打入AI工業質檢

前微軟（美國）SurfaceBook設計團隊**總監郭瑋，曾為微軟貢獻了30余項發明專利。2018年他在看清中國AI場景化應用的勢頭之后，立馬召集了一批擅長數據處理、平臺技術和AI算法的海外精英回國創業。

值得一提的是，在如今AI商業化浪潮中，市場分為三個層次：底層基礎設施做芯片和算力、中間核心技術做大模型和大數據平臺、上層場景化應用做解決方案落地。芯片除了技術還講求生態，算力是國與國之間的比拼，大模型和大數據掌握在能燒得起錢的巨頭手中，逐一分析排除下來，初創公司在中國*有優勢的地方就是做應用落地。

2019年末，郭瑋在深圳南山區創立了博瀚智能。他所組建的團隊，僅憑履歷就獲得了深圳市高層次人才創業資助和投資機構3500萬pre-A輪融資，并與深圳清華研究院聯合成立了人工智能研發中心。

他給公司的定位是，一家依托自研的平臺技術，專注于AI應用落地的公司，聚焦智能制造和自動駕駛兩條主線。在對標領域里，智能制造與華為（NPU生態圈）密切合作，自動駕駛融入英偉達GPU生態圈。“公司的技術和產品有幸得到行業內*強的伙伴的認可，并同他們進行深度業務合作”

背靠華為計算底座，郭瑋團隊決心將制造領域里的AI質檢提升到一個新高度，即完成甲方心目中的“不可能三角”——更短的開發周期、更高的準確率、更低的運維成本，以此顛覆傳統AI質檢。

博瀚智能將這套顛覆性系統稱為“自適應AI質檢系統”，可將模型的精度從95%快速提升至99.99%，并在后續一直維持如此高的精度標準。據內部統計，相關解決方案在上線周期縮短80%，人力成本降低90%，運維成本節省80%。

而這套自適應AI質檢系統也與硅谷*前沿的風向不謀而合。2021年，被業界譽為“AI教父”的百度前首席科學家吳恩達，在一場直播中表示，AI系統正在從Model-centric（以模型為中心）向Data-centric（以數據為中心）轉變。這意味著今后在AI技術路線中，數據質量要比模型本身更重要。

對于兩者的區別，郭瑋進一步解釋稱，此前Model-centricAI著重的是模型算法，可類比為人類的智商，代表著處理和學習信息的基本結構和能力。這個技術路線是通過不斷優化算法本身來取得更好的結果，也就是說，通過不斷提升人類智商來增強能力。而Data-centric相當于讓人通過積累經驗來提高能力，這意味著通過不斷喂取機器高質量數據，來讓AI持續適應不斷變化的環境和需求。

值得注意的是，在Data-centricAI路線中，MLOps是至關重要的一環，也是博瀚所擅長的部分。MLOps在工業場景中的優勢在于，其不僅可以幫助DataCentricAI的任務提高效率，還能確保模型在場景中保持有效。

對于一線實操而言，結合MLOps技術的DataCentricAI，將有效解決模型失效的問題，讓原本飄在云端的AI系統，有了更標準化的落地策略——數據飛輪。而這個數據飛輪早于2021年在海外無人駕駛領域里開始被應用。

“質檢與無人駕駛在數據訓練上的底層邏輯相通，只不過復雜程度不同。”郭瑋表示。這也是為何博瀚智能除了聚焦制造領域AI質檢以外，另一個錨定的賽道是自動駕駛。同時，他還將博瀚智能的戰略定位，“前三年營收以制造為主，后三年營收則希望實現雙輪驅動。”

目前在制造領域，博瀚智能主要發力于3C和半導體AI檢測。郭瑋認為，“預計僅PCBA和外觀檢測市場規模就在400多億人民幣上下。”同時，PCBA市場中，20%的供應商將控制80%的產能，屆時商業環境將是一個理想的強to B市場。

現階段，博瀚智能自適應AI質檢解決方案已經在多個行業頭部客戶落地。下一步若是郭瑋所設想的模型，實現快速大規模復制，使成本隨邊際效應大幅遞減，博瀚智能的AI質檢模型將跑通PCBA領域，實現開箱即用。但在此之前一切還有待驗證，同時這個自適應AI系統是否能向其他領域的AI質檢拓展，也有待進一步觀察。

此外，乘著今年ChatGPT的東風，越來越多硅谷AI精英組團歸國，加入這場機器大戰中。

福克斯波羅 P0400YJ FBM08 調試方便