以機器取代人力的視覺檢測技術，堪稱製造業運用AI技術最廣泛的領域，尤其AI運用於檢測設備的解決方案相繼問世後，無論是購置成本或檢測效能，都吸引業者躍躍欲試，甚至是否導入AI技術，更成為業者未來能否拿下訂單的關鍵之一，而面對市場快速增長的需求，也刺激解決方案市場催生更多元的服務模式。

當前製造業者對於引進自動化的智能檢測系統有高度興趣，但即便如此，業者往往仍會遇到幾個問題，專注於工業自動化的軟體開發的AI新創偲倢科技長期與台灣中小企業交手，而從執行長陳青煒的經驗中觀察就發現，這類型企業大部分因為專業人才團隊建立不易，且又要跟既有團隊融合，以及導入周期過長等因素，面對無法跨越的門檻，這也是為什麼企業需要引進外援的主要原因。

目前在智慧製造的市場上，視覺檢測是應用最廣泛的領域，但隨著製造業者躍躍欲試，越來越多問題也一一浮現，對於解決方案供應商來說，如何達到客戶預期也頗具挑戰。

舉例來說，都知道AI是由資料驅動，因此如何取得資料是導入AI的先決條件。以AI品質檢測來說，像是產品的外觀成像資料就是餵養AI的大數據，因此陳青煒表示，有的客戶過去沒有蒐集這類資料的習慣，因此在正式進入影像分析前，取像環境的建置同時也是供應商必須具備的能力之一。

而這也是業者往往必須花更多心力投入的過程。從富士康集團累積多年質檢經驗獨立的新創公司小柿智檢，定位在一半軟體、一半設備商，與提供純軟體分析的AI質檢方案供應商不同的是，小柿智檢在解決方案中也同時整合取像環境的建置，這樣的好處是當在不同產業的客戶時，能夠根據使用情境釋放最大的彈性。

執行長洪沛駿舉例，像是不同的瑕疵種類需要考量不同的打光方式與角度，或是利用機械手臂動態或是靜態獨立工作站取像等等，這些針對成像資料蒐集所建置的取像裝置選型選配，往往是正式進入AI分析前，要花很多時間與客戶來回溝通的過程。

事實上取像與蒐集資料之後，業者的挑戰才正要開始。陳青煒說，未來業者還要面臨如何讓AI落地、落地後怎大規模複製到其他場域佈署，以及如何管理這些大量的AI模型，甚至在跨廠區之間管理不同的設備資料等。而這些挑戰側面來說，也刺激著解決方案供應商催生更多元的服務模式。

像是供應商勢必要走向以模組化的形式來迎合不同產業類別的客戶需求，如何快速組成符合應用情境的解決方案，成為供應商立足市場的必要之一，其次，則是透過軟體加值的方式，為既有的AOI設備賦能，讓製造者不需要修改現有產線設計，就能享受AI加值的效益。

隨著自動化需求漸盛，AI成為製造業者提升競爭力的關鍵。有的業者藉此來填補缺口越來越龐大的人力需求，但陳青煒坦言，以AI質檢應用來說，省多少人力並不一定是重點，目前既有的AOI設備有的也已經完全不需要人工複檢，但AI可以解決AOI過往過殺率(Overkill)過高的問題，不管是過殺造成的重工或是被白白丟棄的良品，事實上都是一種無形的浪費，如果跳脫ROI的框架來看，這往往比節省人力更具有一定的價值。

除此之外，從市場端反饋的訊息來看，越來越多終端客戶也開始將供應鏈是否導入AI作為訂單的附帶條件，陳青煒觀察，這似乎已成為一種未來的主流，有的終端客戶不見得懂AI，但不得不承認的是，AI確實已在全球各行各業掀起一股潮流，除了提升產品品質，現在AI更成為一種正面宣傳的手法之一。