产线上真正难的从来不是那些典型缺陷。难的是换上一块从没见过的板、同色器件压在同色底板上、一枚元件正面朝上却转了 90 度 —— 在这些瞬间，设备要么给出判断，要么把人叫回来重新编程。
本文用到的 ACI 是「自动认知检测」(Auto Cognitive Inspection)的缩写—— AI AOI 的下一代提法:保留 A(自动)与 I(检测),把 O(光学)换成 C(认知),因为判定依据是认知而不是成像方式。完整论证见从 AI AOI 到 ACI。
截止 2026 年 6 月 30 日，微链道爱 ACI 认知检测累计部署 1000 台套，覆盖半导体与 PCBA 行业 100 家客户。放在今天的行业语境里，这个数字本身并不稀奇；值得说的是它意味着什么 —— 系统开始要在不同机型、不同产线、不同批次之间表现一致，而一致性从来不是在演示环境里证明的。
物理 AI 要落到产线上，手臂负责「压多重」，眼睛负责「这算不算」。
01 客户在哪三件事上卡住
在半导体与 PCBA 的产线上，反复被提到的阻碍是同样三条，而且它们都不是「算力不够」造成的。
- 没有缺陷数据：新产品刚导入，缺陷还没发生过，规则方案要的负样本库根本不存在
- 光源不稳定：环境光、板面反光与批次色差一变，靠颜色与像素比对的阈值就跟着漂
- 编程需要熟练工程师数小时：换一块板要重新画 ROI、调阈值，产线要等人，而人不一定在
三条指向同一个缺位：比对式的判定原理知道「应该长什么样」，不知道「现在这个算不算」。所以每一次换型、每一批来料差异、每一点光照漂移，都要把人叫回来重新编程或调阈值。
02 为什么是认知，不是比对
微链道爱把这一代系统称为 ACI（自动认知检测）：在 AOI 这个词里过时的不是 A（自动）也不是 I（检测），是 O（光学）—— 「光学」把整个品类绑死在一种成像模态、一类可见表面对象，以及一条比对式判定规则上。
具体的差别落在特征空间而不是颜色空间：系统理解元件的「身份」，而不是比对像素与颜色的相似度。所以黑板上的黑件、银线上的银件天然可分；旋转、翻转、表面污染也能定位。建模只需要一块良品样板，1 到 20 张良品即可覆盖同类特征，不需要 CAD 图纸，也不需要预先收集缺陷样本库。
- 扫描一块当前批次的参考板，系统自动学习元件位置与外观
- 秒级映射元件、引脚与极性，不靠手画 ROI
- 从样板自动推导判定阈值，产线员工即可上手
自动编程在 30 秒到 5 分钟内完成（传统做法需要熟练工程师 3 到 5 小时），一键建模即可达到 98% 的检出准确率，误报较既有规则方案下降约 80%。（匿名行业场景下的典型可达范围，具体数值随工序、器件与既有缺陷库而变，以现场实测为准）
回到上面那三条：没有缺陷数据 —— 用正样本学习，只看良品；光源不稳定 —— 判定发生在特征空间，不跟着颜色与像素漂；编程要熟练工程师数小时 —— 换成一块样板、几分钟，产线员工即可上手。三条阻碍对应的不是三个功能，是同一个判定原理的改变。
03 1000 台套考验的是一致性，不是单点能力
微链道爱 COO 张宇把这一点说得更直接：「到了第 1000 台套，供应链、产线、测试体系和交付标准都已经变成产品的一部分。客户要的不是某一台特别准，是这一批和上一批表现一样。」
设备一旦被接进客户自己的产线与数据闭环，最不希望看到的就是某一批突然出现不同的行为。这也是把检测软件称为「操作系统」的理由：它要向下管住成像与运动，向上给出稳定的判定接口，并在不同机型与批次之间表现一致。
ACI OS 是所有 ACI 以及下一代 AOI 设备的操作系统，包含两半：视觉识别与认知判断（大脑），以及相机、导轨的运动控制（小脑）。它可以随一体机开箱即用，也可以通过 SDK、REST API 或 Docker 嵌入客户已有的 2D / 3D 设备与产线软件。
推理跑在产线边缘侧，单次判定时延低于 12 毫秒，断网也能用；样板图像与检测结果全程不出厂，也不会被用于训练任何第三方模型。越用越准的是客户自己的产线，不是一个公共底座。
04 客户把它拿去干什么
在已落地的匿名产线上，它被用在换型频繁的多品种小批量场景、同色与高反光这类传统方案容易误报的工位，以及缺陷形态还在变化、样本库来不及积累的新产品导入阶段。质检员在复判界面上标注一次误报，模型随即更新重载，同类错误不再复发 —— 数据闭环沉淀下来的是这条产线自己的专属模型。（匿名行业场景下的典型可达范围，具体数值随工序、器件与既有缺陷库而变，以现场实测为准）
05 1000 台套是入场券
从这个角度看，第 1000 台套不是终点，它更像一个阶段刻度：认知检测开始离开被整理过的样品，进入有来料波动、有工况漂移、有新缺陷的真实产线。真正重要的能力往往藏在不起眼的瞬间 —— 换型后的第一块板能不能直接开检，同色器件会不会被误报，没见过的缺陷第一次出现时会不会被放过。
「1000 台套证明的不是我们能做到多准，」张宇说，「是我们能把同一套判断稳定地交付出去。真正的长跑才刚开始。」
手臂要知道现在压得怎么样，眼睛要知道现在看到的算不算。缺哪一半，模型都还没真正跑进物理世界。
常见问题
1000 台套指的是什么？
指截止 2026 年 6 月 30 日，微链道爱 ACI 认知检测的累计部署台套数，覆盖半导体与 PCBA 行业 100 家客户，含随一体机交付与嵌入客户已有设备两种形态。
ACI 与传统 AOI 的核心区别？
判定原理不同。传统 AOI 比对模板或规则，知道「应该长什么样」；ACI 基于视觉基础模型的特征认知，回答「现在这个算不算缺陷」，一块良品样板即可建模，无需 CAD 图纸与缺陷样本库。
数据会不会离开我的工厂？
不会。样板图像与检测结果全程不出厂，也不会被用于训练任何第三方模型；推理在产线边缘侧完成，单次判定时延低于 12 毫秒，断网也能用。
本场景的完整方案：ACI OS 操作系统 的完整检测方案
本文由人工智能生成。文中客户案例为基于产品真实能力的模拟场景，成效数字为示例性质；官方标定口径以产品页为准。