隨著中國的用工成本緩慢增長， 在中國的手機產業鏈上， 越來越多的環節開始主動或被動的引入自動化生產模式， 為人工智慧在工業化環節落地上， 提供了極佳的行業土壤， 吸引著越來越多的裝備製造業企業重金投入到人工智慧自動化升級浪潮中來。
工業化環節的人工智慧應用， 絕大多數都與機器視覺技術有關， 投資方都急切的希望能通過神經網路軟體， 對自動化生產線上的視覺處理環節進行教育訓練， 得到準備的動作與品質資料， 越來越多的替代人工作業部分。
目前在操作動作的人工智慧應用部分，
但在品質檢測環節， 除了可測量的物理參數能單立或集成在操作動作的視覺處理部分， 與機器動作一起完成外， 與光學資訊有關的外觀檢查部份， 特別是涉及到人眼視覺感觀的光學檢查部分， 行業的人工智慧應用發展極為緩慢。 而人眼視覺感觀的光學檢查部分人工智慧功能缺失，
實際上， 這也正是近年來， 國際消費類電子產業快速往中國轉移的一個重大原因， 除了中國勞動力成本較低外， 消費類電子領域的產品品質控制， 很少沒有涉及到人眼視覺感觀的光學檢查部分。 特別是配備有觸摸顯示器件的電子產品， 需要數量龐大的外觀檢測熟練員工， 才能支撐起每年數十億數量的產能規模， 從某種意義上來說， 目前也只有中國才能滿足全球市場在這方面的海量需求。
中國有多少人拴在手機產業鏈外觀檢查工作崗位上
僅以觸摸顯示行業為例， 到底有多少打工仔、打工妹被緊緊的拴在流水生產線品質檢查崗位上， 在從事一個叫做外觀檢查的工作呢？
據李星的粗略統計， 中國境內的企業， 僅在玻璃蓋板、觸控式螢幕、顯示幕三個行業裡， 外觀檢查崗位上的員工就將近有30萬人。 如果按每個員工平均月工資5000元人民幣計算， 觸摸顯示行業每個月約需要開支15億元外觀檢測勞務工資費用， 每年行業約需要180億的勞務工資費用開支。
由於中國勞務人員的配套福利基數只有發達國家的三分之一左右， 也就是說， 如果按每個外觀檢查崗的員工平均月工資5000元人民幣來計算的話， 每個員工的月勞務使用成本約為15000元。
這樣算下來， 中國境內觸摸顯示行業裡外觀檢查崗位的勞務使用成本， 每個月需要花費至少45億元人民幣， 每年行業約需要花費掉540億人民幣的勞務使用成本，
然而這還僅僅是觸摸顯示行業的外觀檢查工作崗位資料， 如果把中國整個手機產業鏈企業的外觀檢查崗位算進去的話， 資料高達上面數位的三倍以上。 也就是說中國境內約有一百萬的產線員工拴在了手機產業鏈外觀檢查工作崗位上， 花去了約1500億的勞務使用成本支出， 約為2017年中國GDP的0.18%。
人工智慧成本太貴？然而真的貴嗎？
從李星在行業中瞭解到的資訊顯示， 僅觸摸顯示行業， 要搞定涉及操作動作及物理特性裡， 其中一個環節的外觀檢測機器視覺部分， 視動作維度和物理特徵的複雜程度不同， 所花費的研發費用就高達100~500萬元不等的費用。
而如果涉及到光學檢測的機器視覺處理部分，
這對於一個中大型企業的年純利潤， 也僅億元左右的觸摸顯示行業來說， 人工智慧成本實在是太貴了！
然而真的貴嗎？想想為什麼你一個員工上萬人的企業， 每年才賺億元左右的純利潤， 那些成本都跑哪去了呢？當然是跑到員工勞務使用成本上去了。
假設你的企業裡有一萬名員工， 工廠的自動化程度比較高， 多數操作員工都被機器取代了， 剩下的員工裡， 除一些核心崗位、服務崗位、運營崗位、輔助崗位外， 還有四成是機器還無法替代的外觀檢查崗位員工。
那麼按前面的標準核算下來，這四成的外觀檢查崗位員工一個要花費多少勞務使用成本呢？每個員工的月勞務使用成本約為15000元，四成外觀檢查崗位員工約4000人，每個月的勞務使用成本約為6000萬元，平均每年下來就是7.2億元。
在觸摸顯示行業裡，太多數工序的外觀檢查視覺要素，從光學層面來講都是一樣的，很多視覺要素，通過神經網路軟體學習成功後，都可以導入到其它工序的神經網路軟體資料庫中，做簡單的調整與學習，就可以使用。如果按單個企業來評體的話，重複開發的成本相對低了很多，基本上有兩個工序的人工智慧研發成本，花費約2~3億元，就能完成。
當然，由於行業裡企業之間的產品標準、產線環境、應用軟體的底層、資料埠、資料傳輸與處理方式等千差萬別，要為行業定制出一個通用的神經網路軟體資料庫，目前的情況下仍是困難重重
但對於用工數量在萬人以上的企業來說，投資人工智慧來解決外觀檢查崗位的勞務使用成本難題，不管是短期來講，還是長遠來講，都是十分值得去嘗試的一件事。
事實上，目前行業仍還保留有約四成的員工留在外觀檢查崗位上，也是因為通過簡單的機器視覺檢測，已經剔除掉外觀檢查環節的物理參數檢測部分，基本上替代掉了約三成的外觀檢查崗位人員，才讓中國的觸摸顯示行業還能在價格與毛利如此之低的情況下，還能保持微利經營。
在觸摸顯示行業裡，除了其它與化工產品直接接觸的工序外，外觀檢查崗位是個具有強烈光污染的崗位，很容易對員工造成永久性的視覺損傷，是一種最常見的職業病之一。如果中國能夠組織力量，通過人工智慧技術的輔助，替代掉這個崗位上的大部分員工，不但能讓企業自身的盈利能力大幅提升，也是對行業發展和社會進步做出了極大的貢獻。
然而，據李星瞭解，中國所有從事機器視覺方面的人工智慧從業人員，總共還不到2萬人，而且這2萬人的工作，還因為行業畏懼研發成本難題，得不到充分的利用，多數處於做著與本業關聯極少的服務工作上。如何通過產業環境、行業資助、政策扶持、資本引導，把人工智慧在工業機器視覺領域落地，並取得實際的成效，才是智慧製造的真正未來。
那麼按前面的標準核算下來，這四成的外觀檢查崗位員工一個要花費多少勞務使用成本呢？每個員工的月勞務使用成本約為15000元，四成外觀檢查崗位員工約4000人，每個月的勞務使用成本約為6000萬元，平均每年下來就是7.2億元。
在觸摸顯示行業裡，太多數工序的外觀檢查視覺要素，從光學層面來講都是一樣的，很多視覺要素，通過神經網路軟體學習成功後，都可以導入到其它工序的神經網路軟體資料庫中，做簡單的調整與學習，就可以使用。如果按單個企業來評體的話，重複開發的成本相對低了很多，基本上有兩個工序的人工智慧研發成本，花費約2~3億元，就能完成。
當然，由於行業裡企業之間的產品標準、產線環境、應用軟體的底層、資料埠、資料傳輸與處理方式等千差萬別，要為行業定制出一個通用的神經網路軟體資料庫，目前的情況下仍是困難重重
但對於用工數量在萬人以上的企業來說，投資人工智慧來解決外觀檢查崗位的勞務使用成本難題，不管是短期來講，還是長遠來講，都是十分值得去嘗試的一件事。
事實上，目前行業仍還保留有約四成的員工留在外觀檢查崗位上，也是因為通過簡單的機器視覺檢測，已經剔除掉外觀檢查環節的物理參數檢測部分，基本上替代掉了約三成的外觀檢查崗位人員，才讓中國的觸摸顯示行業還能在價格與毛利如此之低的情況下，還能保持微利經營。
在觸摸顯示行業裡，除了其它與化工產品直接接觸的工序外，外觀檢查崗位是個具有強烈光污染的崗位，很容易對員工造成永久性的視覺損傷，是一種最常見的職業病之一。如果中國能夠組織力量，通過人工智慧技術的輔助，替代掉這個崗位上的大部分員工，不但能讓企業自身的盈利能力大幅提升，也是對行業發展和社會進步做出了極大的貢獻。
然而，據李星瞭解，中國所有從事機器視覺方面的人工智慧從業人員，總共還不到2萬人，而且這2萬人的工作，還因為行業畏懼研發成本難題，得不到充分的利用，多數處於做著與本業關聯極少的服務工作上。如何通過產業環境、行業資助、政策扶持、資本引導，把人工智慧在工業機器視覺領域落地，並取得實際的成效，才是智慧製造的真正未來。