2026年5月,Digitimes Asia 報導了 DaoAI 推出的圍繞特徵認知檢測構建的自主智慧體 AI 視覺檢測解決方案,並引用了 CTO 小川對製造商資料主權的觀點。本文將深入探討——為什麼這種架構能從根本上解決 AOI 誤報問題,以及哪種合作路徑適合您的營運需求。
傳統 AOI 從未被設計用於解決的問題
問任何一位 SMT 品質工程師他們日常最大的困擾是什麼,答案幾乎總是一樣的:誤報。與基板顏色相近的元件。看起來正常但實際有問題的連接器。焊點處 AOI 不斷發出錯誤警報。
傳統自動光學檢測基於一個簡單前提——將所見與顏色設定檔進行比較。如果不匹配,就標記。當元件庫較小、產品種類較少時,這種方法是合理的。但在當今高混合生產環境中,這成了一個負擔。
症狀是熟悉的:
- 設定耗時數小時。每個新產品都需要元件庫條目、CAD 匯入、閾值調整。工程師花在編程機器上的時間比運行產線的時間還多。
- 誤報率攀升。與基板共享色調的元件——黑色基板上的黑色電阻、銀色走線上的銀色連接器——經常觸發錯誤警報,造成返工循環,在不提升品質的情況下降低產能。
- 無學習閉環。當檢查員推翻一個誤報時,這個知識就消失了。明天同樣的誤報會再次發生。
這些不是軟體缺陷,而是架構限制。當元件與背景佔據相同顏色範圍時,色彩空間匹配無法區分它們。系統不理解它在看什麼——它只知道那是什麼顏色。
特徵認知:在特徵空間而非色彩空間中檢測
DaoAI 的方法從不同的前提出發。這種轉變——從像素比較到特徵理解——就是 DaoAI 所稱的特徵認知檢測。該模型在超過一百萬張元件圖像上進行了預訓練,構建了對電阻之所以為電阻、電容之所以為電容、連接器之所以為連接器的密集表徵——無論顏色、照明角度或基板色調如何。
在實務中,這立即改變了三件事:
設定只需參考板,無需元件庫。將一塊已知良品板放在系統前面。這就是輸入。無需 CAD 檔案。無需匯入元件資料庫。以前需要整個班次的設定現在只需幾秒到幾分鐘。
從源頭降低誤報率。由於模型推理元件身分而非顏色接近度,與基板色調匹配的元件不再是問題。即使在色彩空間無法區分時,特徵空間也能清晰分離它們。
系統從每次修正中學習。當檢查員將誤報標記為可接受時,模型會更新。該特定錯誤模式被淘汰——不會重複。這是傳統 AOI 從未有過的閉環。
資料保留在本地。所有推理都在本地執行。板圖像、缺陷記錄和模型權重永不離開工廠。對於有嚴格資料主權要求的製造商而言,這是不可妥協的——而 DaoAI 從第一天起就是這樣設計的。
為什麼現在很重要
PCBA 複雜度在增加而非穩定。先進封裝、微型化元件和壓縮的週期時間意味著檢測挑戰只會更加困難。隨著產品組合擴展,依賴手動編程和顏色匹配的系統將進一步落後。
進行這一轉型的窗口期就是現在——在 AI 原生與傳統檢測營運之間的差距變成結構性差距之前。今天將特徵認知嵌入品質流程的製造商正在構建一項資料資產:一個在其特定產品組合、特定缺陷模式、特定產線條件上訓練的持續改進模型。
該資產會複利增長。顏色匹配系統不會變得更好。學習系統會。
哪種路徑適合您的營運?
DaoAI 與四類合作夥伴合作。每類都有不同的起點——以及不同的部署路徑。
將我們的 AI 大腦整合到您現有的平台中
已經有內部自動化團隊或智慧製造計畫?DaoAI 以 SDK、REST API、Docker 容器或本地部署授權形式交付——因此您可以控制整合、資料和路線圖。提供按產線年度或按站點企業級授權。
5分鐘上線,而非5個月
沒有 AI 工程師?沒問題。DaoAI P Series 是交鑰匙系統——放置參考板,開始檢測。無需元件庫。無需 CAD。預約30分鐘示範,我們將執行您自己的板圖像。
您的品牌。我們的 AI 大腦。
您的客戶正在要求 AI 檢測。內部開發成本高且緩慢。DaoAI 的 OEM 計畫將特徵認知嵌入您現有的硬體——三種整合模式:嵌入控制器、並行附加元件或 Edge+Cloud 混合。典型 PoC 時程:從 NDA 簽署後30天。
您的客戶需要 AI。我們有產品。
加入 DaoAI 在台灣和東南亞的認證通路合作夥伴計畫。合作夥伴將獲得來自 CTA Hard Tech、DIGITIMES 和 InnoVEX 的潛在客戶共享——以及全面賦能:培訓、示範套件和聯合行銷支援。
在 COMPUTEX 2026 與我們見面
DaoAI 將參加2026年台北 COMPUTEX,與台灣生態系統中的設備製造商、EMS 合作夥伴和經銷商建立聯繫。如果您正在評估 AI 檢測技術或希望將其加入您的產品組合中,這是面對面進行正確對話的機會。