奥普特高红超攻坚工业AI视觉 助东莞制造跃升智造高地

 

　　在广东奥普特科技股份有限公司的展示厅里，一套机器视觉检测系统正对着音圈马达的微小零部件高速运转，快门声密集响起，AI图像分析紧随其后，眨眼间便完成全部判定，为智能制造的检测环节交出了一套高精度、高效率的一站式方案。“机器视觉就是给工业机器装眼睛和大脑，去替人看、帮人判。”奥普特研发总监、首席科学家高红超一句话点破本质。在东莞从“世界工厂”向“智造强市”转型的浪潮里，他和团队在工业AI视觉赛道上的每一步突破，都刻着这座城市产业升级的真实印记。

 

　　2020年底，博士毕业的高红超南下东莞，彼时奥普特刚登陆科创板，正全力从单一硬件商向“软硬件一体化”服务商转身，整个城市也处在新旧动能转换的关键节点，急需能把科研成果直接搬上产线的技术人才。现实并不轻松，国内AI视觉软件在稳定性、用户体验、核心算法上与国外产品差距明显，复杂工业环境下的成像难题、高昂的数据标注成本，以及模型精度、泛化性、实时性之间的平衡矛盾，像三座大山横在面前。“那时候做语义分割标注，一张图要耗190秒，项目实施周期被拖得很长。”高红超回忆。他和团队用“钉钉子”的劲头逐个啃硬骨头，自研的自动标注技术直接将单图标注耗时压到0.3秒，效率提升数百倍。熬过攻坚期，新一代AI视觉软件平台DeepVision3正式落地，覆盖项目管理、数据标注、模型训练、部署应用全流程，支持12种视觉任务类型，不仅补上了国内技术空白，更直接打破了国外长期垄断。如今，DeepVision3已在新能源、半导体、3C电子等领域大规模应用，累计检测产品超数十亿件，成了守在生产线末端的“智慧之眼”。

 

　　技术突围之后是更深层的行业难题。工业视觉领域有个公认的“长尾”困局：工厂里合格品占绝大多数，缺陷虽少却形态繁杂——划痕、气泡、脏污、凹陷、异色，种类多、样本少、形态无穷，传统AI模型靠海量标注数据喂养，一旦遇上这类罕见缺陷就容易失效。“这就像条细长尾巴，不常出现，但影响巨大。”高红超打了个比方。他没有在原有架构上修修补补，而是直接重构技术路径：大模型负责复杂场景的泛化感知与决策，小模型专攻高效执行，二者通过动态交互协议协同，在算力消耗与检测效率之间找到平衡。如今，这套工业AI软件与视觉大模型已在多个行业落地，尤其在质量要求近乎苛刻的新能源锂电池检测环节，成功将漏检率压到百万分之一甚至十亿分之一，成为“东莞智造”品质底气的重要支撑。

 

　　高红超早年在科研机构待过，对比之下，他对企业里的科研有着更朴实的认知：“到了产线才发现，做的每一个课题都是产线急着要解的难题，哪怕再小，只要能攻下来，对生产都是实打实的提升。”他把这种理念也带进了团队管理。在奥普特，他定期组织技术沙龙，带着团队在多方向同步突破，近年来主持或参与7项国家级、省市级科研项目，申请49项发明专利（其中19项已授权），发表20余篇高水平论文，逐步形成产学研深度融合的创新生态。他带出的40多人团队里，已有2名AI高级工程师、4名中级工程师和20余名助理工程师，不少人已能独立扛下项目。

 

　　当人工智能浪潮席卷全球，工业AI如何真正落地，成了东莞制造业升级绕不开的命题。高红超很清楚，这类共性“卡脖子”难题，单靠一家企业啃不动。2025年5月，东莞市新一代人工智能创新联合体正式揭牌，高红超被委以项目负责人重任。联合体由奥普特牵头，拉上vivo、东莞新能德、拓斯达、宜安科技、乔锋智能、开普云等企业，并联手琶洲实验室、华南理工大学、广东工业大学等高校院所，共同拆解行业共性技术难题。“东莞有超22万家工业企业，这是工业数据的沃土，但高质量数据的挖掘和加工成本极高。”他提出构建“大小模型协同的工业智能体矩阵”，让大模型负责泛化感知与决策，小模型负责高效执行，通过动态交互协议实现任务处理能力与部署效率的协同优化。他频繁带队扎进车间，对接产业链真实需求，推动成员单位打破技术壁垒，逐步实现数据、算力、算法的互通共享。

 

　　接下来，他将依托创新联合体，让更多东莞制造企业用上基于人工智能的机器视觉方案，在提升生产效率与产品质量的同时，把“东莞制造”向“东莞智造”的转型推得更快、更稳。从一个人到一个团队，从一家企业到一个产业联盟，高红超的经历，正是无数在东莞扎根的科技工作者的缩影——他们把论文写在车间里，把成果落在生产线上，让机器的“眼睛”更亮，也让这座城市的智造未来愈发清晰。