阿丘科技入选苏州市人工智能大模型与高质量数据集双榜

2025年苏州市“人工智能+”创新发展推进大会暨人工智能赋能新型工业化深度行（苏州站）刚刚落下帷幕，会上公布了一批苏州本地的人工智能大模型及创新要素。阿丘科技这次有两项成果同时入选——自主研发的“PCB缺陷检测视觉大模型”和“AQ工业基础材料加工缺陷数据集”，分别拿下了“苏州市级培育人工智能大模型”和“苏州市首批行业高质量数据集”两个榜单。能在这种级别的评选中同时获得认可，说明其在工业AI领域的积累已经到了一个比较成熟的阶段。

厚积薄发，AI技术驱动工业质检革新

阿丘科技这些年一直专注于把AI视觉技术和工业场景深度融合，其核心抓手是自主研发的AI工业视觉软件平台AIDI和工业级智能图像生成软件AIDG。这两套工具串联起来，从数据生成、模型训练到智能检测，形成了一套完整的闭环技术生态。这次入选的两项成果，可以说是其技术积累的一次集中释放：

PCB缺陷检测视觉大模型：基于超过500万张PCB图片进行预训练，能够精准识别铜面异物、线路漏铜等上百种缺陷类型。这一能力直接带来检测效率的大幅提升——据客户反馈，效率提升可达90%。

AQ工业基础材料加工缺陷数据集：包含超过百万条金属与塑料加工缺陷数据，覆盖冲压、注塑、电镀等多种工艺场景。其独特之处在于，通过仿真生成与人工标注双引擎驱动，为工业AI模型开发提供了高质量的数据“燃料”。

PCB缺陷检测视觉大模型：AI+制造的落地标杆

在电子产品制造中，PCB（印制电路板）的地位不用多说——它的质量直接决定了整机产品的性能和可靠性。但问题在于，PCB制造工艺太复杂了，涉及的缺陷类型又多又细。传统算法驱动的AOI/A VI设备在面对这类场景时，往往力不从心：调试难度高、误检率居高不下、缺陷分类准确性也差强人意。这些痛点可以说是行业内的老难题了。

阿丘科技针对这个问题，拿出了“PCB缺陷检测视觉大模型”。这个模型的底子是500万张PCB图片的训练数据，让它不仅能识别上百种缺陷，还能把这些缺陷按照轻度、中度和重度进行分级。这样一来，人工目检的环节被有效替代，检测的准确性和一致性都有了质的飞跃。

举个实际案例效果可能会更直观。在苏州某国内头部PCB企业的产线上引入这个模型后，几个核心数据非常亮眼：过检率降低了90%——这意味着误判大幅减少；项目落地的模型交付周期从原来的3-4个月直接压缩到了7天左右，缩短了90%；人力方面，原本两班倒需要8-10名质检工人，现在只需要保留原来的四分之一。这套方案带来的成本和效率优化，对于PCB制造企业来说，吸引力是显而易见的。

值得关注的是，这个模型并不是一个“死”的固定方案。它具备很强的灵活性和可扩展性，针对不同产品和检测标准，能够快速进行微调和适配。这种“能适应、能迭代”的特性，才是真正推动PCB制造业智能化转型的关键所在，也为AI在工业质检领域的应用树立了一个可参照的标杆。

AQ工业基础材料加工缺陷数据集：高质量数据赋能智能制造

说到人工智能，数据的重要性再怎么强调也不为过。高质量数据集是模型训练的“燃料”，直接影响最终效果的上限。阿丘科技基于多年的积累，构建了“AQ工业基础材料加工缺陷数据集”——它的覆盖范围相当广，涵盖了金属和塑料加工过程中常见的各种缺陷类型。金属这边，包括注塑、车削、冲压成型、电镀等工艺环节产生的表面缺陷，比如划伤、压伤、腐蚀、毛刺、脏污等；塑料这边，同样包括注塑、冲压成型中间出现的黑点、脏污、划伤、亮痕、缝隙、凹坑、黄斑等。

这个数据集能形成规模的关键，在于其使用的工业级智能图像生成软件AIDG。工业场景中最难解决的问题之一就是数据稀缺——缺陷样本不够、不够多样化，模型自然训练不好。AIDG可以在短时间内生成大量多样化的缺陷样本，有效提升模型的泛化能力和适应性。再加上严格的数据清洗和标注流程，这个数据集的整体规模已经超过了百万条，质量和准确性都有保障。对于工业领域的人工智能研究来说，这样的资源无疑是重要的基础设施。

展望未来：深耕工业AI，共建智能生态

这次同时入选两大榜单，对于阿丘科技来说，既是对过往投入的认可，也意味着接下来的责任和方向更加清晰。其下一步规划有三个重点：

首先，继续拓展人工智能技术的应用场景，研发和推广更多垂直行业的视觉大模型产品。工业领域行业细分极多，每个行业的痛点都不尽相同，通用模型往往难以解决所有问题，垂直深耕是必然路径。

其次，持续加强数据集建设，提升数据质量和多样性。数据是AI的基石，这个方向投入再多都不为过。未来与各领域的从业者一起，构建更大规模的行业数据集，为技术的发展提供更丰富的资源。

最后，积极参与人工智能生态建设。技术单打独斗的时代已经过去了，通过技术分享、合作开发，与产业链上下游企业紧密协作，才能共同打造出一个真正有活力的产业生态。这不仅是阿丘科技的选择，也是整个工业AI行业必须走的路。