工业产品检测过程看似相同实则区别较大，检测一个产品可能同时需要多个检测工具，除了视觉可能还有触觉、听觉等一系列感官能力参与。就目前状况看，AI视觉检测只能做到光整平面检测，对凸凹不平三维体无能为力，这样的应用场景就局限于小的平面零件，适用范围狭小。

　　AI视觉检测应该专注于把一项领先技术迭代，小范围推广尝试做技术积累，让子弹飞一会。工业产品的特点决定了不可能有互联网产品那样统一大市场，每项技术应用场景很小，这一点应该向德国学习，专注于深耕细作，再不然也应该向日本学习，一口井撅深了再挖挖周边，藤蔓式创新，做一个产业链。

　　我思考了很久也没想到机械加工工艺上怎么应用AI检测(可能与我见识浅薄视野狭隘有关)。就目前AI视觉检测技术来看，在机械加工中应用，视觉检测精度、复杂度、稳定性都不还够。

　　就像市面上很多人工智能产品，对一个感官健全的人来说可以用一用，对一个感官不全残障人士来说可能是废的产品。准确度不够，缺少基本执行功能，ai替代人全方位感知能力现在还很难。现阶段应用难是整个工业体系还没准备好，提供不了一个完整的解决方案，仅作为一个工具，承担不起工业4.0进程的领导作用，制造业反应本来就慢些，一马当先其它马还得追一会。

　　检测处于制造工艺末端环节，一般占生产成本比例不大，检测工艺技术也不是生产关键技术，对检测人员技能要求也不高，不是企业迫切革新环节，也不是提高生产率刚性需求，AI检测技术提升的那点效率，对于企业来说既不痛也不痒，如果需要投入很多人力物力，还不如投入生产制造前端工艺改进，带来效率提升更明显。最终还是得用户需求驱动技术创新和市场选择驱动技术转化为商品。要想把AI检测产品做得好，得把AI工业检测往生产工艺前端推进，参与到更广泛的生产场景中去。满足更多用户痛点需求、刚性需求，最好能干预、引导整个生产环节。比如，在装配环节应用，监测装配零件和工具取用顺序，对装配工人肢体动作进行监测，对零件装配做过程引导，减少错装漏装等。

　　最后，工业是要出实物产品，前期固定资产投入高，产品周期长，技术基础积累环节可能需要几年十几年甚至几十年，比起其他行业回报又相对较低。就拿热门的芯片来说，前期研发需要十几年时间，投入是海量资金和人力，一般企业根本支撑不来，资本更没有耐心等待。

　　工业就要制造实物，是智力+能量+时间的转化过程。时间是阻止外行进入最高的门槛。