视觉检测方案商「菲特智能」获超亿元融资，致力于提升汽车制造良品率｜早起看早期

来源：36氪

未来可能推出成百甚至上万个垂类模型，服务千行百业。

文｜田哲

编辑｜李勤

来源｜36氪Pro（ID：krkrpro）

封面来源｜IC photo

36氪获悉，视觉智能检测解决方案提供商“菲特智能”近日完成过亿元B轮融资，由科技部直属创投基金中科海创、河南豫资等机构共同投资。据悉，菲特智能新一轮融资已经启动。

菲特智能是一家以机器视觉和人工智能技术应用为基础，专注汽车及复杂工业场景智能质量管理行业，与包括奔驰、奥迪、比亚迪、大众、红旗在内绝大部分主机厂合作，同时在主流Tier1、Tier2厂商如舍弗勒德国等亦积累不少场景解决方案案例。

产品质量和安全问题是汽车行业面临的重要经营风险之一，单个细小零部件的尺寸不达标，或有杂质、脏污、划痕等缺陷，都关系到整车的安装精度、驾驶体验与安全性。

在汽车行业的整批召回的质量管控机制下，质量问题可能为主机厂带来巨额的潜在损失。市场监管总局公布的数据显示，2022年我国共实施汽车召回204次，涉及车辆448.8万辆，大多数问题集中于汽车零部件质量及制造工艺。同时，混动浪潮带来的产线扩张及工艺技术升级，也加大了行业对产线质量管理智能化升级的需求。

虽然以机器视觉为核心的智能化质量管理体系在国内的发展已日趋成熟，但其在汽车领域的落地却困难，主要源于汽车行业制造工序复杂、缺陷种类繁多等特点。

菲特智能创始人曹彬告诉36氪：“最简单的汽车有5000-6000个零部件，复杂的汽车有超过三万个零部件，外形各异且尺寸差别极大；再从生产环节分析，仅考虑主机厂，其核心环节就包括冲压、焊装、涂装、总装。两者综合考虑，汽车制造涉及的全部工艺超过千种，工艺数据的种类超过十万种。”

单工艺的缺陷种类也较多，比如冲压工艺在模具、压机、材料等因素的影响下，很容易产生凹坑、起皱、压痕、拉裂等诸多缺陷。厂商需要实现与客户检测标准100%匹配，因此通常需要在小样本甚至无样本条件下完成建模，这进一步放大了汽车缺陷检测的难度。

与复杂的检测要求相对应，汽车行业对于漏检和误检的容错率仅为百万分之五，远低于其它行业，传统的检测技术和方案无法应对客户产线的实际需求。

菲特智能核心团队成员大多数有着十余年精密机械制造、汽车质量检测等从业经验。与其他机器视觉方案商不同，菲特在过去十年间一直深耕汽车领域，从为外资品牌车厂提供“独立第三方质量检验”资质的公司，发展到如今以“算法+数据”为核心的汽车工业智能质量管理公司。

过去几年，菲特先后成为比亚迪汽车体系的智能检测合作伙伴之一、大众变速器无人化智能检测方案提供商、舍弗勒质量管理领域的全球供应商，获得两百余项相关知识产权，实现“冲焊涂总”核心场景100%检测能力覆盖。

谈及未来规划，曹彬表示，在进一步深耕汽车及其他目标复杂工业场景的基础上，随着ChatGPT为社会带来的深层变革和影响不断显现，菲特智能将在原有平台化能力的基础上，深耕行业垂类大模型，推动其解决方案在泛制造场景的快速落地。目前，菲特智能已与百度展开相关合作，预计明年将完成第一个行业垂类模型的打造。

关键词 : 汽车行业 新浪科技公众号

“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）

相关新闻