“这个比赛和我之前参加过的其他比赛完全不同，它的解决方案与设计直接贴合一线生产，实际部署也能够快速验证方案的有效性，深入一线了解设计、验证、打磨和迭代的过程，让我们的团队对AI技术和智能制造有了更深刻的理解。” 苏州大学The 团队代表说起亲眼看见解决方案部署在工厂并且实现优化的自豪感，“以前我们一直认为AI加上工业制造离我们非常远，但参加完这次比赛，我们意识到AI加工业制造是可以离我们很近的，AI可以对工业制造实际赋能，同时也能改进改善实际的工艺制造流程。”
虽然受到疫情的影响，他参加的第三届TE (下称“TE”) AI Cup还是圆满收官了。2018年，TE AI Cup项目正式启动，该项目由TE全球运营技术副总裁鲁異博士发起，TE自动化制造技术团队（ , AMT）组织，致力于为高校学子提供探索人工智能技术及应用的平台，加速人工智能技术在工业场景中的应用。
经过四年的发展，TE AI Cup已升级成为覆盖亚洲、欧洲和北美的全球性科技赛事。TE ，一家2022财年第二季度净销售额为40亿美元，较2021财年同比增长7%，自然增长8%的公司，深刻地意识到了工业制造可以被AI改变。
“比赛中开发的解决方案成熟度和可落地性越来越高，也越来越贴近工业制造领域的实际需求了。”TE总工程师兼全球自动化制造技术团队总监张丹丹博士介绍称，TE AI Cup赛事分为两大类别：AI机器视觉和AI制程监控。在项目开发的过程中，参赛队伍不仅可以得到高校导师的指导，也可以得到更多工厂技术人员和TE工程师导师的指导。
评委会的关注点是设计方案的创新性、可落地性、对其他工业场景的可复制性，以及项目的完整度。“这两个赛题是很好的方向，可以激发同学们的创新火花，并且促进AI技术在工业制造领域的有效落地。”
今年的冠军队伍是来自墨西哥索诺拉大学（ de in ）的团队，他们为TE汽车事业部位于墨西哥埃莫西约 () 的工厂开发了一个汽车接插件外观质量检测的方案，叫“结合缺陷品图片合成器的AI视觉检测系统”，创新地解决了工业领域产品线常因缺陷样本量不够而无法引入AI视觉检测，只能采取人工检测的挑战。
“要训练出一个AI机器视觉检测模型，需要一定量的图片训练样本，包括良品样本和不良品的样本，来进行比对和AI模型的训练。现在这条产线非常成熟，所以缺陷样本量有限。团队看到了这个挑战，通过算法开发出一个‘缺陷品图片合成器’，可以基于有限的不良品样本结合算法生成上千个缺陷品样本；再结合后续的AI模型训练，最终实现AI视觉检测系统的部署。”TE全球自动化制造技术团队首席工程师许中华博士向媒体这样介绍。
赛题方向也与TE在自动化与AI 领域的探索有关。TE内部其实有非常多关于质量检测的需求，TE开发的将AI应用到质检工序当中的一种解决方案被称做“AI显微镜”，适合在产线当中对不良品通过图像的方法进行检测。通过把人工智能与机器视觉技术相结合采集产品照片，并通过机器学习的方法自动生成产品的检测标准，可应用于对生产线产品的检测与质量判断。当前，TE已经在全球的50多家工厂部署了AI显微镜。
“我们发现一个比较有意思的现象，就是亚洲区选这两个方向的参赛队伍各占一半，在墨西哥选择AI机器视觉的队伍会更多一点，我想这可能也是跟学生队伍结队的TE工厂在不同的区域，大家关注的领域可能不一样是有一些关系的。”许中华博士告诉第一财经，这也可以折射出参赛队伍在不同区域对AI和生产的不同结合点。
“推动AI技术在工业制造领域的落地和使用，其中一个很重要的环节是人才的培养。”张丹丹希望能够看到更多学生运用AI解决工业中的实际问题，她告诉媒体，前两届比赛，已经有三位同学在参赛后到TE实习，还有一位同学在毕业后选择了加入TE。“
“我们正在向智能化的方向去升级和转型。智能化升级转型过程中，一个非常关键的技术就是人工智能技术。实际上，TE在中国的工厂早早就开始了向智能化的转型。”张丹丹说。
