吉翼智能工業場景實踐：具身智能破解SMT産線"人海複判"

　　/朝聞通/闆子越來越密，電子廠卻還在靠人"盯屏幕"複判。這一次，矛盾可能真的到了人眼的極限。

　　近日，有媒體援引國金證券研報指出，AI算力正推動PCB向高多層、高階HDI、線路精細化方向演進。中國電子電路行業協會(CPCA)提到，SMT線寬/線距已持續向25μm/25μm及以下突破。

　　同時，有企業披露其SMT産線傳統AOI産生的報警圖像，仍需人工逐一複檢;其AI方案上線後，平均誤報率改善90%。

　　三條信息其實指向同一個問題——闆越來越複雜，人越來越難看得出問題。

　　01 AOI

　　跑過SMT産線的工程師都清楚一個現象：AOI設備沒少買，但設備後面那排"複判工位"，人始終撤不掉。

　　原因不複雜。傳統AOI基于規則模闆比對，焊點形狀、絲印位置、元件偏移稍有偏差就報警，行業内AOI平均誤報率長期在15%~30%之間。也就是說，每100片被攔下的闆子，可能隻有少數是真不良，剩下全靠人眼一張張"還它清白"。

　　誤報多，就得多配人複判，通常還要兩班倒、專人盯屏，技能要求不高卻最容易流失。工廠不敢減人——高端闆一旦有缺陷流到客戶端，面對的就是整批退貨、客訴甚至丢單。于是AOI越買越多，後面的人也越排越多。而産品複雜程度還在陡升，人眼的生理極限卻難以突破。

　　02 SPI/AOI

　　要先把話說清楚：這不是要否定SPI和AOI。

　　在固定工位、高速、标準化檢測上，SPI看錫膏、AOI看貼裝和焊點，依然是産線上不可替代的"守門員"。

　　但它們的能力邊界同樣明顯：相機位置固定、視角固定、程序跟着具體SKU走。一旦檢測任務需要移動、換角度、适應多SKU、跨工位，或者要在不大改産線的前提下柔性部署，固定相機就開始吃力。

　　比如：高精密連接器要側看引腳共面度，BGA、屏蔽件周邊存在視角遮擋，多品種小批量産線頻繁換型，首件、巡檢、來料抽檢需要在不同工位之間來回跑……這些場景，恰恰是固定光學設備覆蓋不到、又最耗人的地方。

　　03

　　具身智能補的，正是這塊空白。

　　過去是"固定相機看産品"，産品得乖乖走到鏡頭前、擺出标準姿勢;下一步是讓視覺能力長出腿和手——機器人自己走過去，主動繞到産品面前，尋找最佳檢測角度，再完成判斷和處置。

　　吉翼智能的工業質檢機器人"質檢家"，走的就是這條路：移動底盤負責跨工位自主行走，柔性七軸仿生機械臂負責變換姿态和視角，自研工業視覺系統配合Z-1具身大模型，完成多角度成像、缺陷識别與OK/NG判定，不良品還能自動分揀。

　　落到SMT場景，它的價值可以拆成幾個維度：

　　移動：一台設備在多工位、多産線間巡檢，而不是一個工位綁一台;

　　多角度：側視、斜視、繞開遮擋，去抓固定相機看不到的缺陷;

　　多SKU：大模型理解産品而非死記模闆，換型不用重寫規則，新品導入從"天"壓到"小時"級;

　　柔性部署：不用大動産線，像"招了個新工人"一樣快速上崗，7天即可完成部署;

　　閉環處置：檢測、判定、分揀一體完成，不隻"報警"，而是把活幹完。

　　在與資深技工的同台對比中，其檢測效率達到人工的3倍，綜合成本下降超30%。

　　目前，"質檢家"已在真實廠區産線持續打磨——吉翼智能背靠母公司捷翼科技深耕汽車電連接15年、服務德系豪華車企的深厚制造實力和積累，把車規級VDA質量體系直接平移到了機器人上。加之全棧自研的"感知—決策—執行"鍊路、投資億元的數據采集訓練中心等等，構成了它敢進真實車間的底氣。

　　04 SMT

　　對工廠而言，這也是一筆容易算清的賬：減少的是複判人力、返工成本和漏檢風險，換來的是24小時不疲勞、标準統一、可追溯的檢測能力。

　　SPI/AOI解決"快和準"的标準檢測，具身智能解決"動、變、繞"的柔性檢查——兩者不是替代關系，而是把産線上最後那批"盯屏幕的人"解放出來。

　　電子制造的下一步，其實是一句話：

　　讓機器能夠自己走過去、找到角度，并完成檢查。

　　當闆子還在繼續變密，率先把這件事做成的工廠，會先一步從"人海複判"裡抽身。