大讲堂
2026年苏州工业园的AOI投标怪象
结果公示板上的中标方，是那家做了十二年传统AOI的本地厂商，报价112万。另外三家带卷积神经网络方案的厂商，报价从260万到310万不等，连前三名都没挤进去。
卷积神经网络的成本账和本土玩家的卡位
不过话说回来，CNN本身真不是什么飘在天上的黑科技。说穿了就是把人眼识别缺陷的经验，拆成一层一层的卷积核，慢慢攒出识别能力。 这东西其实跟南方丘陵上种脐橙是一个逻辑。传统AOI是种了三十年果的老农，只认固定的几种病虫害——叶片上有黄点就打药，树皮上有疤痕就记下来，遇到新的病虫害直接抓瞎。CNN是把几百个老农的看园经验揉成一套快速迭代的判断系统，只要把新出现的病虫害样本喂进去，系统就能快速学会识别，但是前提是，你得有足够多的样本积累，而且能第一时间把新的特征喂给系统。 深圳那家做了六年3C视觉检测的厂商，2023年开始砸钱攒CNN模型库，前前后后攒了超过120万张3C零部件的不良样本。现在给东莞的代工厂做摄像头模组检测，单条产线的检测速度比传统方案快40%，良率从94%拉到98.1%。但他们也有自己的糟心事：最开始把模型部署在云端，结果工厂说核心生产数据绝对不能出内网，只能把推理服务器塞到产线旁边的机柜里。单台服务器功耗1200W，相当于3台家用游戏主机满负荷跑，一年光电费就掏了快2万，之前算的成本账，居然漏了这一块。 现在的标准博弈更有意思。2025年由传统AOI厂商牵头成立的工业视觉标准联盟，出台的《工业视觉检测系统通用技术要求》里，居然把“算法固定、可离线长期运行”作为核心评价指标——明摆着就是卡需要持续迭代的CNN方案。那CNN玩家怎么办？浙江那家做安防出身的厂商，把自己在公共安防领域攒了十年的CNN行人识别模型，改吧改吧用到了隧道病害检测上，中标了浙江交通的三个标段。为啥能成？因为交通系统的招投标文件里根本没卡“算法固定”，反而要求“对隧道壁渗水、裂缝的识别率不低于95%”，这时候CNN的优势直接就出来了。
卷不动的算法和真金白银的产业链
跑了三个月的产线才明白，CNN的落地根本不是什么技术先进性的比拼，全是算得清的成本账、摆得上台的利益博弈。 谁在买单？是那些良率卡在90%上下、每天的不良损耗够买半台CNN设备的工厂。比如锂电池厂的极片微裂纹检测，传统AOI的识别率只有83%，每天的不良损耗就超过200万，他们是真的愿意掏钱上CNN系统的——宁德时代2025年的供应商招标里，专门列了CNN极片检测的标段，单条产线预算350万，比传统AOI贵2倍，只要能把微裂纹识别率拉到97%以上，直接签三年的运维合同。 谁在扩产？是那些有现成CNN模型库的玩家。之前做安防的、做自动驾驶视觉的，现在都把自己手里的行人识别、目标检测模型往工业场景改，2026年上半年这个赛道的融资额就超过40亿，比2023年全年多了1.7倍。 谁在库存里挣扎？是那些之前靠卖传统AOI硬件的厂商。2025年的库存周转天数从之前的45天涨到了128天，客户都在观望CNN方案的落地效果，不敢下新的传统设备订单。硬件堆在仓库里，每天的仓储成本就在涨，可要是咬牙上CNN的算法团队，之前攒了十几年的传统硬件渠道优势，说不定直接就打了水漂。 对产线上的普通人来说，变化也来得实在。之前的QC要拿着放大镜盯8小时屏幕，看电路板上的焊点，现在要给CNN系统标不良样本，工资比之前涨了30%。但谁都知道，等模型的识别率追平甚至超过人工的时候，这批标注的岗位，说不定就是下一个被优化的对象。 客户又不傻，用脚投票的事，你实验室里吹的99%准确率没用，能算清楚每一分钱的投入产出，能跟上工厂的迭代节奏，才能真的把设备卖出去。 等明年所有工厂的招投标文件都把CNN识别率写进硬指标的时候，那些现在还在仓库里堆着传统AOI设备的厂商，是降价清库存，还是咬牙把自己的算法团队从0建起来？作者|大讲堂
排版|大讲堂
审核|见微