PCB与电子制造中的AOI vs AI视觉：AI何时真正胜过AOI
过去三十年，自动光学检测一直是电子制造业的主力。任何具备一定产量的SMT产线，都至少会在回流焊后部署一台AOI，往往还会在锡膏检测（SPI）和贴片后再各部署一台。技术成熟，集成商经验丰富，设备在其擅长的领域表现良好。
2026年合理浮出水面的问题不是"AOI是否能用"。它能用。问题是AI视觉是否更胜一筹，以及在哪些具体的检测上更胜一筹。坦诚的回答是：两种方法是互补关系，而非替代关系；今天多数电子产线的合适架构是把两者结合起来。
本文梳理两种方法各自的优势、劣势，以及驱动取舍的经济与运营信号。
AOI擅长什么
规则式AOI在满足三个条件的检测上表现极佳：检测对象在尺寸上有清晰边界，照明环境稳定，缺陷类别局限在一组小型的"存在/不存在"或阈值类检查内。
AOI仍占主导的典型场景：
- 元件存在与方向。电阻在不在？极性电容方向是否正确？AOI又快又稳。
- 锡膏体积测量（SPI）。3D AOI可直接测量锡膏体积。AI不必要。
- 标识与标签检测。日期码、批号、条码。纯模式匹配。
- 通孔插针检测。插针存在与凸出。几何判断。
- 极性确认。在已知位置寻找正确标记或缺口。
在这些检测上，AI视觉只会增加复杂度，却不会带来有意义的精度提升。建议继续使用AOI。
AOI在哪里失灵
AOI在三种具体情境下表现吃力，而这三种情境正是现代制造中绝大多数电子检测投诉的来源。
细微焊点缺陷
焊点质量（锡量充足、焊脚完整、无润湿不良、无冷焊）是SMT中最核心的检测难题。可接受焊点与临界焊点之间的视觉差异微妙，会随锡膏批次和回流曲线变化，且依赖具体元件与焊盘几何。规则式AOI能处理明显失效（开焊、连焊、缺锡），但在细微情况下会产生很高的误判率。结果是：暗藏一支由人工操作员组成的二次复判工位，专门复审AOI的误判。
基于已标注焊点样本训练的AI视觉，在调优产线上能把误判率从典型的5%到15%降至1%以下，同时漏检率与AOI持平或更低。经济理由不在缺陷率本身，而在操作员复判的负担。
多版本与混合工艺组件
现代合约制造商常常在同一条SMT产线上以一定节奏轮流运行多个PCB版本。每个版本都需要一套自己的AOI程序与手工调优阈值。版本越多，维护负担越大。混合工艺组件（细间距BGA、通孔连接器与片式元件混排）会把规则式程序推入原阈值调优未曾预料到的边缘情形。
AI视觉通过为每个版本训练一个模型（共享主干网络）来应对多版本产线，每个版本仅需5到20张图像、1小时内即可部署。详见我们关于大批量中等组合制造的讨论，了解这种部署节奏带来的可能性。
罕见与新出现的缺陷类别
当出现新缺陷类别时（往往伴随工艺变更、供应商替换或工厂搬迁），AOI需要由集成商编写新程序，交付周期数天到数周。AI视觉则在生产工程师为新样本打标签后，可在数分钟内完成再训练。在工艺频繁变动的环境中，持续学习闭环比模型精度差异更为关键。
经济对比
驱动决策的一阶数字：
| 指标 | AOI | AI视觉 |
|---|---|---|
| 误判率 | 5%–15% | ≤1% |
| 每版本部署时间 | 数天到数周 | 1–2小时 |
| 所需训练数据 | 手工调优规则 | 每类5–20张图像 |
| 持续调优 | 每次工艺变更 | 漂移监控、自动标记 |
| 硬件成本 | 每台AOI $80K–$300K | 每台相机 $4.5K–$13.5K |
单看硬件成本一行容易产生误导。AOI设备与AI视觉智能相机并非直接替代关系。多数采用AI视觉的产线会保留现有AOI不变，而是在AOI力不能及之处（回流焊后焊点检测、三防漆检测、最终目检）加入AI视觉。经济理由是操作员复判负担的下降，加上消除AOI本就漏检的那些缺陷类别。
如何在现有AOI产线上叠加AI视觉
最常见的部署模式是增强而非替换。三种典型布置：
回流焊后焊点复判。AI视觉位于AOI下游，专门复审AOI判为临界的焊点。替代人工复判工位。在不动现有AOI程序的前提下大幅降低误判率。
最终外观检测。在AOI之后用AI视觉处理AOI难以稳定胜任的外观缺陷（划痕、标签损伤、三防漆覆盖、标识可读性）。一种典型部署可参见面向零缺陷PCBA的连接器检测。
混合工艺与高混合产线。当PCB版本与元件类型的多样性使AOI程序维护经济性失衡时，AI视觉成为主检测工具，AOI退守至特定的高吞吐元件。
决策框架
在选择任一方案之前，值得问的几个问题：
- 这条产线每季度跑多少个PCB版本？1个：AOI够用。5个或更多：AI视觉节省的多于花费的。
- 当前AOI误判率是多少？高于5%：在表现最差的缺陷类别上有明确的切换经济理由。
- 有多少操作员在复判AOI误判？每节省一个操作员小时，都是直接的人工成本回收。
- 是否有漏检流向客户？如果有，问题就变成AOI具体漏掉了哪些缺陷类别，以及AI视觉是否能更好地抓到。
- 工艺变更有多频繁？频繁变更偏向AI视觉更快的再训练周期；稳定工艺偏向AOI成熟的调优。
对2026年多数电子合约制造商而言，坦诚的答案是混合架构。AOI继续胜任它本就为之打造的高产量、低变化检测。AI视觉接手细微焊点缺陷、多版本维护负担，以及AOI从来都注定漏检的罕见缺陷类别。检测总成本下降，漏检率同步下降。
如何起步
关于PCB AI视觉部署的整体图景，参见基于AI视觉的PCB检测。零缺陷PCBA中的连接器检测专项挑战，参见面向零缺陷PCBA的连接器检测。