IBM助力赛力斯打造视觉检测新模式,加速AI应用规模化
北京2026年4月20日 /美通社/ -- 2026年伊始,工业和信息化部、中央网信办等八部门联合印发《"人工智能+制造"专项行动实施意见》,明确了未来三年中国人工智能与制造深度融合的发展蓝图和具体目标,包括:推动3到5个通用大模型在制造业深度应用、推出1000个高水平工业智能体、打造100个工业领域高质量数据集、推广500个典型应用场景等。 在汽车制造领域,许多中国企业已经走在了行业前沿。在全产业链竞争加剧、智能化高速迭代的大背景下,如何将AI技术深度融入生产流程,让技术革新和成本控制形成良性循环,已经成为实现降本增效、构筑核心竞争力的必然路径。尤其在质量检测等环节,企业亟需突破传统人工模式的效率瓶颈,实现AI的跨场景、规模化应用。此刻,国内新能源汽车领军企业赛力斯正携手IBM,率先探索一条视觉检测的智能化新路,开启AI应用规模化的新篇章。 从2024年开始,赛力斯与IBM共同打造了基于IBM Maximo Visual Inspection (MVI) 的"通用AI视觉检测平台",赋能赛力斯技术人员实现了AI 场景自主化落地,同时不断地尝试、迭代,拓展AI 模型的应用场景。这不仅解决了传统的"视觉检测一体机"的高成本和低复用问题,同时将AI视觉检测快速地应用于三个智能工厂和上百个场景中,为持续的效率提升和创新发展打下基础。 逆势求变,寻找降本增效"新解法" 在此次合作中,赛力斯和IBM就"生产效率"达成了更深层的理解——不仅是关于检测速度的快慢,更是如何确保视觉检测与生产节奏同步,以灵活应对新能源汽车市场的快速变化。随着产品迭代和车型频繁切换,零部件的变化也随之而来,视觉检测系统需具备同步迭代的能力。 此前,赛力斯已经部署了多个视觉检测系统,由于车型、设计迭代快,新的检测需求持续涌现。从轮胎到门把手,从车门到其他零部件,这些需求本质上共享着相似的"底层模板",但由于原有系统是供应商提供的"一体机",缺乏自主训练模型能力,赛力斯不得不依赖供应商为每个新需求开发定制化的检测模型。 在车型迭代周期不断加快的今天,低复用率的模式不仅造成资源浪费,也不利于企业在市场竞争中赢得先机。唯有将AI技术与产线深度融合,同时让业务人员具备训练 AI 模型的能力,才能有效应对市场需求的快速变化并保持竞争力。 授人以渔,探索可复用、易上手的智能质检模式 ...









