ASSIST Software 被宣布为大众自动化检测挑战赛的两位获胜者之一,该公司在大众位于开姆尼茨的发动机工厂演示了用于缸盖 360° 终检的计算机视觉系统。该公司于 2026 年 11 月 17 日发布了公告,行业报道随后在 11 月 20 日跟进。
挑战要求
由 Volkswagen Group Innovation 与 Startup Factory boOst 共同组织的比赛,要求团队实现对开姆尼茨当前仍需大量人工完成的一项苛刻终检任务的自动化。组织方表示,每个缸盖需覆盖 6 个面上共 157 个钻孔和 24 个表面的检验。boOst 的简介和 ASSIST 的说明表明,该任务在真实生产条件下对检测性能、处理速度和成本效益进行了衡量。
Startup Factory boOst 的挑战页面指出,工厂每年仍需对“数十万”个缸盖进行人工检测——这一规模使得如果能满足生产线速度和误判率要求,可靠的自动化具有吸引力。ASSIST 将其参赛方案描述为将经验检验员的判断编码为软件的尝试,并表示入围是在测试、最终演示和评委评估后确定的。
下一步与部署
ASSIST 与挑战组织方均表示,该奖项为公司提供了一个具体的汽车行业参考,并为在大众某一生产工厂进行进一步评估和可能的推广打开了可能性,前提是生产条件下评估结果有利。自始至终,如何融入现有产线和真实世界吞吐量就是比赛简报的一部分。
这对市场意味着什么
开姆尼茨挑战赛展示了欧洲整车厂采用工业 AI 的务实路径:以生产为中心的窄域试点,针对具体任务(此处为终检)进行测试,然后再考虑更广泛的推广。如果获胜解决方案在产线试验中达到大众的吞吐量和误判率目标,负责大批量发动机与零部件生产的工厂可以减少重复性人工检查,并将技术工人重新配置到更高价值的岗位。这种先对单一部件做出价值证明、随后分阶段扩展的路径,正越来越明显地出现在德国及邻近市场的供应商与整车厂采购策略中。
对于服务欧洲工厂的中东欧供应商和二级技术公司而言,这种挑战模式拓宽了机会:在窄定义问题上证明具备工业级 AI 能力的初创公司和小型工程公司,可以获得高价值的参考项目并更快进入采购流程。已建立工厂的成功集成案例也降低了后续在欧洲其他地点部署的技术和商业风险。
话虽如此,该测试也凸显了工业计算机视觉的持续技术挑战——反光金属表面、狭窄几何结构和接近判断边界的检测情形——这也解释了为何整车厂在承诺推广前,要求在生产条件下进行现场验证。那些将稳健成像、细致数据工程与切实的产线集成规划相结合的厂商,最有可能通过这些门槛。
来源:ASSIST Software、Startup Factory boOst、AutoPresse
合作伙伴说明:EastAutoNews 的技术合作伙伴 DaVinci AI 为整个汽车行业开发 AI 解决方案——从市场与经销商分析到自主 AI 代理以及图像与视频制作。



