11月20日，领邦智能董事长崔忠伟博士应邀参加2024中国5G+工业互联网武汉大会，并发表《视觉检测大模型及智能体》主题演讲，下文根据崔忠伟博士的主题演讲内容整理而成。
尊敬的各位领导、专家、投资大咖、朋友们，上午好！
我是北京领邦智能装备股份公司董事长崔忠伟。今天，我演讲的题目是《视觉检测大模型及智能体》。
首先，我们的大模型定位如下：
自研原创：这是我们自主研发的原创大模型，基于先进的 Transformer 结构，是单模态，不是多模态；
视觉检测模型：是视觉检测大模型，不是生成类大模型。
海量工业数据训练：模型训练基于海量工业图片数据，数据来源于链接公有云的近千台设备，为模型提供了丰富而多样的训练素材。
机器视觉产业被预见为万亿级市场。视觉技术在现代工厂中已经像扳手一样成为一种普遍的工具。然而，这个市场却呈现出高度分散的格局，拥有超过2000家企业，市场碎片化现象十分明显。究其底层逻辑，是因为这一市场的核心技术尚未实现通用化——具体表现在工业成像技术和图像处理方法的非通用性。
领邦智能的突破正是解决了这一关键问题。通过大模型的方法，我们实现了图像处理方法的通用性，为机器视觉行业提供了真正意义上的通用生产力。这一创新不仅提升了行业效率，也为市场整合和规模化发展提供了基础。
自2016年以来，小模型（基于CNN结构）在产业化应用中展现出卓越的优势，尤其是在复杂目标识别方面，其精确度远超传统的机器视觉“规则时代”。然而，小模型的广泛实践也暴露了一个重大痛点：使用成本高昂。这一问题主要体现在以下两点：
1.大量现场样本需求：小模型依赖于大量现场样本的收集与标注，而这一过程成本高昂且耗时。
2.极低的通用性：小模型为专用模型，每个场景都需单独训练一个模型，导致每年的使用成本占初始采购成本10-15%。
市场迫切需求一种更通用、使用成本更低的技术手段。
而视觉大模型（基于Transformer结构）的出现，正是这一问题的解决方案。视觉大模型通过在海量工业数据集上的预训练，达到了“智能涌现”的效果，赋予了其跨领域的泛化能力。在应对具体场景时，仅需少量提示样本即可快速迁移到陌生领域。正是这种少样本跨域泛化特性，造就了视觉大模型的通用性与易用性：
1.使用成本降低90%：相比小模型，视觉大模型大幅减少了样本需求和模型的使用成本。
2.生产换型速度提升100倍：极大地缩短了模型适配现场的时间，为企业带来显著的效率提升。
视觉大模型的诞生，不仅解决了小模型时代的痛点，还为市场提供了一种真正意义上的通用生产力，推动了机器视觉产业迈向全新高度。
视觉检测大模型，应用于OT层面，非IT层生成大模型，其具有实时运行速度，该模型运行速度高达164FPS，能够完美满足生产线实时检测的高效需求，为工业智能化提供了强大的支持。
为实现大模型的便捷落地，领邦智能推出了视觉智能体产品。该产品内置视觉检测大模型与配套软件，同时集成电子控制器。现场仅需连接相机和光源，即可快速投入使用。此外，智能体还配备多路运动控制接口和执行机构，支持OK/NG品的分选和物料搬运操作。
视觉智能体可按ISA-95标准交付至L2层（SCADA）和L3层（MES、QMS、SPC），便于快速与用户IT系统集成。
视觉检测大模型及智能体主要应用于工业质检、装配正确性检测及过程监控三大领域，核心客户涵盖大型制造工厂、生产线供应商和视觉设备商。
关于5G+工业互联网大会
作为“5G+工业互联网”领域的首个国家级大会，中国5G+工业互联网大会已在武汉成功举办四届，成为5G和工业互联网融合创新的政策发布厅、实践展示区、交流合作台、产业推进器和发展风向标。
关于领邦智能
领邦智能通过公有云链接近千台设备，拥有海量工业数据，成功训练出视觉大模型，持续推动大模型的应用落地。作为国家级专精特新“小巨人”企业，领邦智能致力于引领行业创新发展。
