对于工程师而言，每天花费大量时间手动检查电路板图片已是常态，更何况还要兼顾其他工作任务。这一检测场景是许多工厂工程师都会遇到的实际问题。也正因此，拥有30年制造经验的智邦科技开始思考：“如果用AI协助品质检测，是否会是一个好主意？”
2018年，智邦科技的AI部门正式成立。初期团队仅有两三人，专注于两个关键项目：PCBA 2D AOI瑕疵检测，以及包装附件包是否遗漏的检测。
在当时AI模型种类远不及现在多样的年代，团队从300万张图片中逐一手动标注，最终完成了20多万张图片的标记工作，并进一步建立物体检测模型。虽然最初每次训练一个AI模型需要两天时间，但他们深知，借助AI提升效率将成为未来最重要的趋势。
因此，智邦在后续几年配合工厂和客户需求，陆续提供了更多解决方案，例如帮助工厂进行一些质量检测，包括组装动作检测、条码质量检测、成品外观瑕疵检测等。
01
用亚马逊云科技，构建从MLOps到生成式AI的完整生态系统
到了2021年，为满足全球各地工厂的需求，智邦科技选择亚马逊云科技，导入MLOps机制。他们在本地环境建立Kubernetes架构，结合亚马逊云科技提供的云服务，使AI应用更加灵活，并易于横向扩展。
2022年，智邦科技开始思考如何将这些技术与智能制造及办公应用相结合。他们继续使用亚马逊云科技，通过Amazon Bedrock构建RAGLLM架构。
由于Amazon Bedrock支持多种大语言模型，智邦能够灵活切换。在本地运行的应用场景中，例如研发、HR、BI等报表处理，可先在本地完成语义分析，再根据需求切换使用不同的大语言模型，回答用户的问题，从而降低成本。
举例而言，在BI报表方面，目前智邦科技已经实现用户通过口语化描述他们想查看的报表内容，系统即可生成对应的内容提供给用户；或者在代码生成的前期检测讨论中，如今也可借助Code-GEN快速生成基础框架，经过细致修改后即可立即验证，显著提高了整体开发速度。
目前，智邦科技已经建立了完整的AI生态系统（EcoSystem），整合了过去几年的解决方案，将图像处理方法和AI模型模块化，构建在同一平台上。
这个平台包含两个主要部分：首先是ACI的架构，将工厂的检测方法和人体姿态判断进行模块化，方便用户根据实际使用场景调整使用。例如，组装动作检测系统可以根据产品SOP建立AI模型，自动监控组装流程的准确性。
此外，智邦科技设计了自动化AI模型的训练和部署流程，从信息收集阶段便精心规划。检测站同时也是信息收集站，可将信息实时上传至Amazon S3存储。
各地工程师只需将数据上传至亚马逊云科技，系统即可自动触发流程，并将模型部署至本地环境进行使用。同时，系统还会收集检测结果和各地AI系统的运行情况，上传至亚马逊云科技进行分析，并提供给各地工程师参考。
02
化繁为简的智能化办公：让AI成为员工的最佳助手
在企业数字化方面，智邦科技通过亚马逊云科技的大语言模型架构，开发了智能办公助手。该系统采用灵活的模型选择策略，可根据不同应用场景，选择适合的大语言模型，从而有效优化成本效益。
在实际应用中，智能办公助手已成功融入多个业务领域，包括支持以自然语言查询企业报表、提供Code-GEN功能加速开发流程、统一各据点的IT维修知识库，以及结合CI/CD流程进行自动化代码扫描与测试。
智邦科技从一个客户场景着手，凭借AI不断催生更多创新应用。这一过程中，亚马逊云科技的产品支持是关键，帮助其将构想付诸实践，也为智邦的数字化转型奠定了重要里程碑。
期待你的分享 收藏 在看 点赞！
亚马逊的一小步，云计算的一大步！
