產線上真正難的從來不是那些典型缺陷。難的是換上一塊從沒見過的板、同色器件壓在同色底板上、一枚元件正面朝上卻轉了 90 度 —— 在這些瞬間，設備要麼給出判斷，要麼把人叫回來重新編程。
本文用到的 ACI 是「自動認知檢測」(Auto Cognitive Inspection)的縮寫—— AI AOI 的下一代提法:保留 A(自動)與 I(檢測),把 O(光學)換成 C(認知),因為判定依據是認知而不是成像方式。完整論證見從 AI AOI 到 ACI。
截止 2026 年 6 月 30 日，微鏈道愛 ACI 認知檢測累計部署 1000 臺套，覆蓋半導體與 PCBA 行業 100 家客戶。放在今天的行業語境裡，這個數字本身並不稀奇；值得說的是它意味著什麼 —— 系統開始要在不同機型、不同產線、不同批次之間表現一致，而一致性從來不是在演示環境裡證明的。
物理 AI 要落到產線上，手臂負責「壓多重」，眼睛負責「這算不算」。
01 客戶在哪三件事上卡住
在半導體與 PCBA 的產線上，反覆被提到的阻礙是同樣三條，而且它們都不是「算力不夠」造成的。
- 沒有缺陷資料：新產品剛導入，缺陷還沒發生過，規則方案要的負樣本庫根本不存在
- 光源不穩定：環境光、板面反光與批次色差一變，靠顏色與畫素比對的閾值就跟著漂
- 編程需要熟練工程師數小時：換一塊板要重新畫 ROI、調閾值，產線要等人，而人不一定在
三條指向同一個缺位：比對式的判定原理知道「應該長什麼樣」，不知道「現在這個算不算」。所以每一次換型、每一批來料差異、每一點光照漂移，都要把人叫回來重新編程或調閾值。
02 為什麼是認知，不是比對
微鏈道愛把這一代系統稱為 ACI（自動認知檢測）：在 AOI 這個詞裡過時的不是 A（自動）也不是 I（檢測），是 O（光學）—— 「光學」把整個品類綁死在一種成像模態、一類可見表面對象，以及一條比對式判定規則上。
具體的差別落在特徵空間而不是顏色空間：系統理解元件的「身份」，而不是比對畫素與顏色的相似度。所以黑板上的黑件、銀線上的銀件天然可分；旋轉、翻轉、表面汙染也能定位。建模只需要一塊良品樣板，1 到 20 張良品即可覆蓋同類特徵，不需要 CAD 圖紙，也不需要預先收集缺陷樣本庫。
- 掃描一塊當前批次的參考板，系統自動學習元件位置與外觀
- 秒級對映元件、引腳與極性，不靠手畫 ROI
- 從樣板自動推導判定閾值，產線員工即可上手
自動編程在 30 秒到 5 分鐘內完成（傳統做法需要熟練工程師 3 到 5 小時），一鍵建模即可達到 98% 的檢出準確率，誤報較既有規則方案下降約 80%。（匿名行業場景下的典型可達範圍，具體數值隨工序、器件與既有缺陷庫而變，以現場實測為準）
回到上面那三條：沒有缺陷資料 —— 用正樣本學習，只看良品；光源不穩定 —— 判定發生在特徵空間，不跟著顏色與畫素漂；編程要熟練工程師數小時 —— 換成一塊樣板、幾分鐘，產線員工即可上手。三條阻礙對應的不是三個功能，是同一個判定原理的改變。
03 1000 臺套考驗的是一致性，不是單點能力
微鏈道愛 COO 張宇把這一點說得更直接：「到了第 1000 臺套，供應鏈、產線、測試體系和交付標準都已經變成產品的一部分。客戶要的不是某一臺特別準，是這一批和上一批表現一樣。」
設備一旦被接進客戶自己的產線與資料閉環，最不希望看到的就是某一批突然出現不同的行為。這也是把檢測軟體稱為「作業系統」的理由：它要向下管住成像與運動，向上給出穩定的判定介面，並在不同機型與批次之間表現一致。
ACI OS 是所有 ACI 以及下一代 AOI 設備的作業系統，包含兩半：視覺識別與認知判斷（大腦），以及相機、導軌的運動控制（小腦）。它可以隨一體機開箱即用，也可以透過 SDK、REST API 或 Docker 嵌入客戶已有的 2D / 3D 設備與產線軟體。
推理跑在產線邊緣側，單次判定時延低於 12 毫秒，斷網也能用；樣板影像與檢測結果全程不出廠，也不會被用於訓練任何第三方模型。越用越準的是客戶自己的產線，不是一個公共底座。
04 客戶把它拿去幹什麼
在已落地的匿名產線上，它被用在換型頻繁的多品種小批次場景、同色與高反光這類傳統方案容易誤報的工位，以及缺陷形態還在變化、樣本庫來不及積累的新產品導入階段。質檢員在復判介面上標註一次誤報，模型隨即更新過載，同類錯誤不再復發 —— 資料閉環沉澱下來的是這條產線自己的專屬模型。（匿名行業場景下的典型可達範圍，具體數值隨工序、器件與既有缺陷庫而變，以現場實測為準）
05 1000 臺套是入場券
從這個角度看，第 1000 臺套不是終點，它更像一個階段刻度：認知檢測開始離開被整理過的樣品，進入有來料波動、有工況漂移、有新缺陷的真實產線。真正重要的能力往往藏在不起眼的瞬間 —— 換型後的第一塊板能不能直接開檢，同色器件會不會被誤報，沒見過的缺陷第一次出現時會不會被放過。
「1000 臺套證明的不是我們能做到多準，」張宇說，「是我們能把同一套判斷穩定地交付出去。真正的長跑才剛開始。」
手臂要知道現在壓得怎麼樣，眼睛要知道現在看到的算不算。缺哪一半，模型都還沒真正跑進物理世界。
常見問題
1000 臺套指的是什麼？
指截止 2026 年 6 月 30 日，微鏈道愛 ACI 認知檢測的累計部署臺套數，覆蓋半導體與 PCBA 行業 100 家客戶，含隨一體機交付與嵌入客戶已有設備兩種形態。
ACI 與傳統 AOI 的核心區別？
判定原理不同。傳統 AOI 比對模板或規則，知道「應該長什麼樣」；ACI 基於視覺基礎模型的特徵認知，回答「現在這個算不算缺陷」，一塊良品樣板即可建模，無需 CAD 圖紙與缺陷樣本庫。
資料會不會離開我的工廠？
不會。樣板影像與檢測結果全程不出廠，也不會被用於訓練任何第三方模型；推理在產線邊緣側完成，單次判定時延低於 12 毫秒，斷網也能用。
本場景的完整方案：ACI OS 作業系統 的完整檢測方案
本文由人工智慧生成。文中客戶案例為基於產品真實能力的模擬場景，成效數字為示例性質；官方標定口徑以產品頁為準。