เมื่อ NVIDIA กล่าวว่า 'นี่คืออนาคตของ AOI' DaoAI ได้ผสานเทคโนโลยีนี้ลงในฮาร์ดแวร์เรียบร้อยแล้ว

ในเดือนธันวาคม 2025 NVIDIA ได้เผยแพร่บทความเชิงเทคนิคบนบล็อกสำหรับนักพัฒนาโดยมีประเด็นหลักที่ตรงไปตรงมา: การเพิ่มประสิทธิภาพระบบจำแนกข้อบกพร่องในเซมิคอนดักเตอร์ด้วย vision foundation models และ generative AI ข้อสรุปสำคัญมีความชัดเจนอย่างยิ่ง: CNNs แบบดั้งเดิม — ซึ่งเป็นเทคโนโลยีตรวจจับด้วย AI ที่ครองตลาด AOI ตลอดทศวรรษที่ผ่านมา — ได้มาถึงขีดจำกัดแล้ว

ข้อจำกัดเชิงโครงสร้าง 3 ประการของ CNNs แบบดั้งเดิม

CNNs ขับเคลื่อนระบบตรวจสอบด้วยสายตาอัตโนมัติส่วนใหญ่ตลอดสิบปีที่ผ่านมา แต่เมื่อความซับซ้อนในการผลิตเพิ่มสูงขึ้น จุดอ่อนเชิงโครงสร้าง 3 ประการนี้จึงกลายเป็นอุปสรรคที่ไม่สามารถหลีกเลี่ยงได้อีกต่อไป:

• อุปสรรคด้านข้อมูลระดับสูง: ข้อบกพร่องแต่ละประเภทต้องใช้ภาพที่กำกับข้อมูลหลายพันภาพในการเทรน ข้อบกพร่องที่เกิดขึ้นไม่บ่อย? คุณแทบจะไม่มีตัวอย่างเพียงพอ
• ความเข้าใจเชิงความหมายที่จำกัด: โมเดลสามารถ "อ่านภาพได้" แต่ไม่สามารถเข้าใจบริบทหรือวิเคราะห์หาสาเหตุที่แท้จริงได้
• ต้องเทรนซ้ำอย่างต่อเนื่อง: ทุกครั้งที่เปลี่ยนสายการผลิต คุณต้องกลับไปเริ่มต้นกำกับข้อมูลและเทรนใหม่ตั้งแต่ต้น ค่าใช้จ่ายในการดูแลรักษาไม่มีวันสิ้นสุด

การยืนยันจาก NVIDIA: Vision Foundation Models คือทิศทางที่ถูกต้อง

แนวทางของ NVIDIA: นำ vision foundation models ที่ผ่านการ pre-train มาปรับใช้กับโดเมนเฉพาะทางของคุณโดยใช้ภาพจากโรงงานที่ไม่มีการกำกับข้อมูลนับล้านภาพ จากนั้นทำการ fine-tune ด้วยชุดข้อมูลที่กำกับข้อมูลแล้วเพียงเล็กน้อย

จากการทดลองของ NVIDIA ความแม่นยำในการตรวจจับข้อบกพร่องของ PCB พุ่งสูงขึ้นจาก 93.84% ไปเป็น 98.51% ในทันที — โดยไม่จำเป็นต้องใช้ทรัพยากรมหาศาลในการกำกับข้อมูล

วิศวกรฝ่ายผลิตที่ได้อ่านข้อมูลนี้คงรู้สึกเห็นพ้องอย่างยิ่ง แต่ความเป็นจริงก็ตามมา: การจะจำลองสิ่งนี้ในโรงงานของคุณเองต้องใช้อะไรบ้าง?

คุณต้องมีความเชี่ยวชาญใน NVIDIA TAO Toolkit คุณต้องมีภาพแบบ unlabeled ระดับล้านภาพ คุณต้องมีคลัสเตอร์ GPU สำหรับการเทรนแบบ SSL คุณต้องมีวิศวกรที่เข้าใจ Docker, การตั้งค่า YAML และการ export ไฟล์ ONNX อุปสรรคในการนำไปใช้งานจริงนั้นสูงมาก

นี่ไม่ใช่กระบวนการทำงานประจำวันตามปกติของโรงงาน EMS ทั่วไป

DaoAI เลือกเส้นทางที่ต่างออกไป: รวมทุกอย่างไว้ในฮาร์ดแวร์ เสียบปลั๊กแล้วใช้งานได้ทันที

รากฐานทางเทคนิคของ AI AOI สำหรับ PCBA จาก DaoAI พัฒนาไปในทิศทางเดียวกันกับที่ NVIDIA ระบุไว้อย่างแท้จริง:

• สร้างขึ้นบนสถาปัตยกรรม vision foundation model (VGG) ที่ผ่านการเทรนด้วยภาพถ่ายจริงจากโรงงาน SMT มากกว่า 1 ล้านภาพ
• ไม่พึ่งพาโมเดล pre-trained ทั่วไป — แต่ใช้การปรับแต่งโดเมนเฉพาะทางสำหรับการผลิต PCBA
• การสกัดคุณลักษณะเกิดขึ้นในระดับ feature space ไม่ใช่ pixel space — รองรับความผันแปรของแสง ความแตกต่างระหว่างล็อตของชิ้นส่วน และการโก่งงอของบอร์ดได้อย่างยอดเยี่ยม

กล่าวอีกนัยหนึ่ง: NVIDIA ส่งมอบชุดเครื่องมือ ส่วน DaoAI ส่งมอบสมองกลที่ผ่านการ pre-train พร้อมตัวเครื่องที่พร้อมทำงานได้ทันทีตั้งแต่แกะกล่อง — ดังที่พิสูจน์แล้วใน DaoAI P1 Offline AI AOI

97%

ลดเวลาในการเขียนโปรแกรม

Feedback learning

อัตรา False Call ลดลงตามการใช้งาน

60%

ลดต้นทุนการดำเนินงาน

สิ่งนี้หมายถึงอะไร?

บทความของ NVIDIA กำลังบอกอุตสาหกรรมว่า: ทิศทางทางเทคนิคสำหรับ AOI ยุคถัดไปได้ถูกกำหนดไว้แล้ว Vision foundation models ผสานกับการปรับแต่งโดเมนและการเรียนรู้อย่างต่อเนื่อง — นั่นคือเส้นทางที่ถูกต้อง

DaoAI กำลังบอกตลาดว่า: คุณไม่จำเป็นต้องรออนาคตนั้น อนาคตมาถึงแล้วในตอนนี้ และถูกบรรจุลงในฮาร์ดแวร์ที่คุณสามารถนำไปติดตั้งใช้งานได้ตั้งแต่วันพรุ่งนี้

สำหรับผู้ผลิตที่กำลังประเมินการอัปเกรด AOI มีคำถามหนึ่งข้อที่ควรพิจารณาอย่างจริงจัง: คุณต้องการสแต็กเทคโนโลยีที่คุณต้องนำมาประกอบติดตั้งเอง หรือระบบตรวจจับที่พร้อมใช้งานได้ทันทีและฉลาดขึ้นเรื่อยๆ ตามการใช้งาน?

พร้อมที่จะเห็นการทำงานจริงแล้วหรือยัง?

ค้นพบว่า vision foundation model ของ DaoAI มอบผลลัพธ์ที่ได้รับการพิสูจน์ตามมาตรฐานของ NVIDIA ได้อย่างไร — พร้อมใช้งานได้ทันที