视觉智能开启工业“一拖多、非常多”新时代 | 领邦智能董事长崔忠伟接受VisionChina专访
北京领邦智能装备股份公司
董事长 崔忠伟
人工智能正在重塑工业视觉赛道，大模型驱动的视觉智能体，正在打破传统工业检测“一位一工控”的固有模式。北京领邦智能装备股份公司推出的 VisionAgent 从 2.0 迭代升级到 3.0 版本，在处理速度、多任务承载能力上实现跨越式突破。“一拖多非常多”的集中式边缘部署方案，为工业质检带来全新的解题思路。本次我们对话领邦智能董事长崔忠伟，深度拆解 VisionAgent 3.0 核心技术壁垒、产品差异化优势，结合落地案例，看懂新一代视觉智能体如何降本增效，重构工业视觉检测新格局。
精彩现场马上看
崔总您好，之前也了解了咱们的视觉智能体，现在人工智能发展是非常迅速的，VisionAgent 也从 2.0 升级到 3.0，那它相比上一代有什么全新的突破呢？
Q1
大家都知道我们在 2024 年的 10 月份就发布了智能体，3.0 和 2.0 相比第一个重大的突破是速度。2.0 版本我们的推理速度是 40FPS，那么 3.0 版本已经做到了 240FPS。因为我们智能体最大的优点，就是少样本的跨领域泛化能力，但是我们又不能做得非常慢，这对于我们商业化的价值就是能够一拖多非常多，达到这样一个效果。
刚才您也提到了，一拖多非常多这个概念，那它具体指的是什么呢？
Q2
由于我们智能体做得非常快，所以它能够拖非常多。具体来讲有两个含义：第一个含义呢，就是我沿着生产线可以纵向地拖起，就是说着这个智能体，生产线通常有工业质检、有过程监控、有装配正确性，那它们不同的任务可以送到同一台智能体。第二个含义，是横向同时拖很多工位、很多条产线——一台设备同时承载，这就是「一拖多非常多」。
那么咱们这么一台 VisionAgent 的设备，它是如何同时承载这么多的产线工位和任务的呢？
Q3
第一个原因呢，就是我们自研的视觉大模型，它的特点是少样本跨领域泛化能力，它可以把小目标做到 6 个像素就能很好地识别。第二个原因呢，就是我们所有的算子都是 GPU 原生的，这样的话就可以做得非常快。由于这两个原因，我们可以在产线上拖起完全不同的任务，而且一拖多做的非常多。刚刚给大家介绍了边缘智能体，现在再给大家介绍本地智能体。本地智能体和边缘智能体主要区别在于内嵌了控制器，像这个控制器能连接 16 个相机、31 个光源，还有一些光电触发和运动控制。这一款产品主要是方便设备商进行系统集成。
其实观众比较关心，咱们产品是真正如何应用落地的，您能不能给我们举一个一拖多的实际应用案例？
Q4
在一次性餐盘的检测过程中，我们实现了一拖多非常多。我们的智能体它拖了 16 条产线，每个生产线上有 5 个相机。这样的话智能体一共拖 80 个 4K 的相机，那个相机的信号是通过这个网线来进到这个智能体里面的。那么智能体根据这个 80 个相机来的信号，它会做出一个判断，就是 NG 品和 OK 品。那么这个结果呢，反馈到我们现场的 PLC 控制器里面。客户的产品通过机械手放在我们一个传送带上，经过传送带运动通过 5 个相机，把信号采集到智能体，智能体再把信号回到 PLC，PLC 再指挥机械手分选。智能体的吞吐率在 200+ 以上，这个生产的节拍，是 20 秒一个矩阵，那就不说 20 秒要有 5 个相机的图像送进智能体，那根据相机来的图片的尺寸和这个总的吞吐量做一个除法，得到的结论就是一拖 16 条生产线，一拖 80 个 4K 的相机，那就很好地诠释了我们智能体是边缘部署一拖多非常多，创造性价比这么一个概念。
传统的视觉方案是一个工位配一个工控机，那么 VisionAgent 这种集中部署的方式它的优势是什么呢？
Q5
一个工控机配一个工位就可能存在着算力不足，或者是算力过剩，资源的充分利用是很难的。那如果我们一拖多非常多边缘部署的话呢，我们就可以把算力充分地利用起来。它是基于我们大模型和智能体通用性、易用性和快速交付这些特点，决定了我们一拖多非常多这种方式。充分利用资源，性价比非常好，是由于这种原因。