PCB與電子製造中的AOI vs AI視覺：AI何時真正勝過AOI
過去三十年，自動光学檢測一直是電子製造業的主力。任何具備一定產量的SMT產線，都至少會在回流焊後部署一台AOI，往往還會在锡膏檢測（SPI）和贴片後再各部署一台。技术成熟，整合商經驗豐富，設備在其擅長的領域表現良好。
2026年合理浮出水面的問題不是"AOI是否能用"。它能用。問題是AI視覺是否更勝一筹，以及在哪些具體的檢測上更勝一筹。坦诚的回答是：两種方法是互補關系，而非替代關系；今天多數電子產線的合適架构是把两者結合起來。
本文梳理两種方法各自的優勢、劣勢，以及驅動取舍的經济與營運信號。
AOI擅長什麼
規則式AOI在滿足三個條件的檢測上表現極佳：檢測對象在尺寸上有清晰邊界，照明環境稳定，缺陷類別局限在一組小型的"存在/不存在"或阈值類檢查內。
AOI仍占主導的典型場景：
- 元件存在與方向。電阻在不在？極性電容方向是否正確？AOI又快又稳。
- 锡膏體積量測（SPI）。3D AOI可直接量測锡膏體積。AI不必要。
- 標識與標籤檢測。日期碼、批號、條碼。纯模式匹配。
- 通孔插針檢測。插針存在與凸出。幾何判斷。
- 極性確認。在已知位置寻找正確標記或缺口。
在這些檢測上，AI視覺只會增加複雜度，却不會帶來有意義的精度提升。建议繼續使用AOI。
AOI在哪里失灵
AOI在三種具體情境下表現吃力，而這三種情境正是現代製造中绝大多數電子檢測投诉的來源。
細微焊點缺陷
焊點品質（锡量充足、焊脚完整、無润湿不良、無冷焊）是SMT中最核心的檢測難題。可接受焊點與臨界焊點之間的視覺差異微妙，會随锡膏批次和回流曲線變化，且依赖具體元件與焊盤幾何。規則式AOI能處理明显失效（开焊、连焊、缺锡），但在細微情况下會產生很高的誤判率。結果是：暗藏一支由人工操作員組成的二次複判工位，專門複審AOI的誤判。
基於已標注焊點樣本訓練的AI視覺，在調優產線上能把誤判率從典型的5%到15%降至1%以下，同時漏檢率與AOI持平或更低。經济理由不在缺陷率本身，而在操作員複判的負擔。
多版本與混合工藝組件
現代合约製造商常常在同一條SMT產線上以一定節奏轮流運行多個PCB版本。每個版本都需要一套自己的AOI程序與手工調優阈值。版本越多，維護負擔越大。混合工藝組件（細間距BGA、通孔連接器與片式元件混排）會把規則式程序推入原阈值調優未曾預料到的邊緣情形。
AI視覺透過為每個版本訓練一個模型（共享主干網路）來應對多版本產線，每個版本僅需5到20張影像、1小時內即可部署。详見我們關於大批量中等組合製造的讨論，瞭解這種部署節奏帶來的可能性。
罕見與新出現的缺陷類別
當出現新缺陷類別時（往往伴随工藝變更、供應商替換或工廠搬迁），AOI需要由整合商编寫新程序，交付周期數天到數週。AI視覺則在生產工程師為新樣本打標籤後，可在數分鐘內完成再訓練。在工藝频繁變動的環境中，持續学习闭環比模型精度差異更為關鍵。
經济對比
驅動决策的一阶數位：
| 指標 | AOI | AI視覺 |
|---|---|---|
| 誤判率 | 5%–15% | ≤1% |
| 每版本部署時間 | 數天到數週 | 1–2小時 |
| 所需訓練資料 | 手工調優規則 | 每類5–20張影像 |
| 持續調優 | 每次工藝變更 | 漂移監控、自動標記 |
| 硬體成本 | 每台AOI $80K–$300K | 每台相機 $4.5K–$13.5K |
单看硬體成本一行容易產生誤導。AOI設備與AI視覺智慧相機并非直接替代關系。多數采用AI視覺的產線會保留現有AOI不變，而是在AOI力不能及之處（回流焊後焊點檢測、三防漆檢測、最終目檢）加入AI視覺。經济理由是操作員複判負擔的下降，加上消除AOI本就漏檢的那些缺陷類別。
如何在現有AOI產線上疊加AI視覺
最常見的部署模式是增強而非替換。三種典型布置：
回流焊後焊點複判。AI視覺位於AOI下游，專門複審AOI判為臨界的焊點。替代人工複判工位。在不動現有AOI程序的前提下大幅降低誤判率。
最終外观檢測。在AOI之後用AI視覺處理AOI難以稳定勝任的外观缺陷（劃痕、標籤損傷、三防漆覆蓋、標識可讀性）。一種典型部署可参見面向零缺陷PCBA的連接器檢測。
混合工藝與高混合產線。當PCB版本與元件類型的多樣性使AOI程序維護經济性失衡時，AI視覺成為主檢測工具，AOI退守至特定的高吞吐元件。
决策框架
在選擇任一方案之前，值得問的幾個問題：
- 這條產線每季度跑多少個PCB版本？1個：AOI够用。5個或更多：AI視覺節省的多於花費的。
- 當前AOI誤判率是多少？高於5%：在表現最差的缺陷類別上有明確的切換經济理由。
- 有多少操作員在複判AOI誤判？每節省一個操作員小時，都是直接的人工成本回收。
- 是否有漏檢流向客戶？如果有，問題就變成AOI具體漏掉了哪些缺陷類別，以及AI視覺是否能更好地抓到。
- 工藝變更有多频繁？频繁變更偏向AI視覺更快的再訓練周期；稳定工藝偏向AOI成熟的調優。
對2026年多數電子合约製造商而言，坦诚的答案是混合架构。AOI繼續勝任它本就為之打造的高產量、低變化檢測。AI視覺接手細微焊點缺陷、多版本維護負擔，以及AOI從來都注定漏檢的罕見缺陷類別。檢測總成本下降，漏檢率同步下降。
如何起步
關於PCB AI視覺部署的整體圖景，参見基於AI視覺的PCB檢測。零缺陷PCBA中的連接器檢測專項挑戰，参見面向零缺陷PCBA的連接器檢測。