בינה מלאכותית על קו ה-SMT ב-2026: הבדיקה מחזירה את ההשקעה, רובוטים מגולמים יכולים לחכות

סקירת בינה מלאכותית של התראות AOI שווא מחזירה את ההשקעה בתוך חודשים. זרוע רובוטית רק להוצאת לוחות פגומים לעולם לא. הנה מה שמצאתי, עם הדוח המלא והשקופיות.

תקציר

למפעלי אלקטרוניקה נמכרים שני סיפורי בינה מלאכותית בו-זמנית: ראייה שבודקת לוחות, וזרועות רובוטיות שלומדות. בחנתי את שניהם עבור קווי SMT ו-PCBA בסין היבשתית, בטאיוואן, בדרום-מזרח אסיה ובארצות הברית, תוך שימוש בדוחות שנתיים, תקנים, כללי יצוא, לוחות תעריפים, מדדים ומחירונים עד 11 בנובמבר 2026. החלק שעובד הוא צר. כ-97–99% מההתראות שמעלה מכשיר AOI הן התראות שווא שאדם מאשר אחת-אחת, ומודלים מפוקחים המאומנים על התמונות של ה-AOI עצמו מקצצים את העבודה הזו ב-60–90% לפי דברי הספקים; חברת EMS גדולה אחת מדווחת בדוח השנתי שלה על קיצוץ של 85%. ב-50,000 רנמינבי לקו, זה מחזיר את ההשקעה בתוך חמישה עד שמונה חודשים בארה"ב, בטאיוואן ובשנג'ן. זרועות קובוט שמטעינות ומרוקנות תחנות בדיקה מחזירות את ההשקעה בקצת יותר משנה. זרוע רובוטית שנוספה רק כדי להוציא לוחות פגומים לעולם אינה מחזירה את ההשקעה בשום מקום. מודלים מולטי-מודאליים כלליים הם עדיין לא מפקחים: לאף אחד מהדגמים המובילים של 2026 אין ציון שפורסם במדד פגמים תעשייתי. הם שימושיים כמורים שמתגים נתונים מראש עבור מודלים מקומיים קטנים. פריסה מקומית מנותקת-רשת היא מעשית. שוק השדרוגים אמיתי אך קטן: כ-320 מיליון רנמינבי בסין היבשתית, פרוסים על פני כחמש שנים.

למה בחנתי את זה

זה התחיל בשאלה מצוות חומרה קטן שאני מכיר. הם בונים ומרכיבים אלקטרוניקה, ושקלו להיכנס לתחום בדיקת בינה מלאכותית וזרועות רובוטיות למפעלים. הספקים סיפרו להם סיפור אחד, המשקיעים סיפור אחר, וכל הדגמה נראתה טוב. הם רצו לדעת על מה מפעל באמת ישלם ב-2026, כמה עולה להריץ את זה בתוך מפעל, ומה עדיין פרויקט מחקר.

ביליתי יותר מעשרים שנה סביב שבבים, חומרה והמפעלים שבונים אותם, אז הצעתי לבדוק. קראתי דוחות שנתיים ותשקיפים של חברות AOI, ראייה ממוחשבת, רובוטיקה ו-EMS ציבוריות, את התקנים והתקנות הרלוונטיים, סיווגי בקרת יצוא ולוחות תעריפים, דפי מדדים ומאמרים, ומחירונים ציבוריים. כמו כן בדקתי קבוצת טענות מראיונות בתעשייה מול אותו רישום. היכן שהרישום הציבורי נגמר, אני אומר זאת.

כל מספר להלן הוא נכון ל-11 בנובמבר 2026. הכסף הוא ברנמינבי בשער 6.7188 לדולר אמריקאי אלא אם ציינתי אחרת. רוב הנתונים מגיעים מהדוח המלא, שתוכל להוריד בסוף.

התוצאות במבט אחד

איור 1. היכן הבינה המלאכותית משתלבת ברצפת המפעל היום. גבוה יותר פירושו החזר השקעה מהיר יותר לקונה.

איפה האנשים על קו SMT

קו SMT בנפח גבוה כבר אוטומטי מאוד. הלוחות עוברים הדפסת משחה, בדיקת משחת הלחמה תלת-ממדית (SPI), מיקום, AOI אופציונלי לפני הזרמה מחדש (reflow), הזרמה מחדש, AOI אחרי הזרמה מחדש, קרני רנטגן (AXI) על מדגם כשיש BGA, ואז בדיקה תוך-מעגלית ופונקציונלית, בדיקה חזותית ואריזה. קצב העבודה הוא כ-13–22 שניות ללוח, ולקו יש בדרך כלל שלושה עד חמישה מכשירי AOI. יצרן ODM אחד של מחשבים ניידים תקצב 30.6 מיליון רנמינבי עבור מכשירי AOI על פני 18 קווים.

איור 2. קו SMT בנפח גבוה. האנשים יושבים מאחורי מכשירי ה-AOI.

האנשים לא על המסוע. הם יושבים מאחורי מכשירי ה-AOI. מכשיר AOI מכוונן כך שלעולם לא יחמיץ פגם, ולכן הוא מסמן הרבה מדי: במקרים שמצאתי, כ-97–99% מההתראות שלו הן התראות שווא על לוחות תקינים. סוקר מביט בכל אחת, וזה אורך 42–55 שניות. על קו עמוס זה כ-448 התראות שווא למשמרת, כלומר 5.2–6.8 שעות מהמשמרת של אדם אחד. המפעל במקרה הזה העסיק שני סוקרים למשמרת.

איור 3. על כל 100 התראות AOI, כ-97–99 הן התראות שווא.

עמדת הסקירה הזו היא המקום שבו נכנסת הבינה המלאכותית, והיא נכנסת בשלוש דרכים. יצרני AOI מטמיעים אותה במכונות חדשות: Jutze אומרת שמכשיר ה-AOI התלת-ממדי שלה בבינה מלאכותית «מסיר את הסקירה האנושית בבדיקה», ViTrox השיקה מכשיר AOI בבינה מלאכותית, ו-Sinic-Tek מפתחת אחד בשיתוף עם Tencent. חברות ה-EMS הגדולות בונות בעצמן. וצדדים שלישיים מתקינים תיבה ותוכנה על מכשירי ה-AOI שכבר יש למפעל.

מה שעובד: סקירת בינה מלאכותית על התמונות של ה-AOI עצמו

הגישה שעובדת אינה זוהרת. מודל מפוקח, המאומן על היבולים שה-AOI כבר שומר, יושב מיד אחרי ה-AOI ועונה OK, NG או «שאל אדם». הספקים טוענים שהוא מקצץ התראות שווא או שעות סקירה ב-60–90%. הראיה הציבורית הטובה ביותר שמצאתי נמצאת בדוח שנתי של חברת EMS: המערכת הפנימית של DBG מכסה לפחות 95% מהחלקים שמכשירי ה-AOI שלה מסמנים, שומרת על דליפות מתחת ל-20 PPM וקיצצה את הסקירה האנושית בלפחות 85%. אם אתם רוצים למכור ל-EMS מדרגה ראשונה, זה הרף שלפיו תימדדו.

שני פרטים חשובים יותר מהמודל.

הראשון הוא התמונה. אנשים שואלים לעתים קרובות אם מצלמה טובה ומודל גדול יכולים להחליף את ה-AOI. מצלמת 4K כללית שמביטה על פאנל שלם של 300 מ"מ מקבלת כ-78 מיקרון לפיקסל; מכשיר AOI עובד ב-8–20 מיקרון. ב-78 מיקרון, נגד 0402 הוא כ-13 על 6 פיקסלים, מספיק כדי לדעת אם הוא שם אך לא אם החיבורים שלו טובים, ו-01005 הוא כ-5 על 3 פיקסלים, כלומר בלתי נראה. הבינה המלאכותית עובדת על התמונות של ה-AOI. היא לא מחליפה את האופטיקה.

השני הוא מה קורה כשהיא נכשלת. התיבה חייבת להיכשל פתוח: אם היא קורסת או אינה בטוחה, כל התראה עוברת לאדם והקו ממשיך לרוץ. מפעל לא יקבל תיבה שיכולה לעצור קו, ואסור לו לקבל תיבה שיכולה להעביר לוח פגום בשקט.

מודלים מולטי-מודאליים הם מורים, לא מפקחים

השאלה המתבקשת ב-2026 היא אם מודל מולטי-מודאלי מוביל יכול פשוט להביט בלוח. עדיין לא. נכון ל-11 בנובמבר 2026, לאף אחד מהדגמים המובילים שיצאו בין ספטמבר לנובמבר (GPT-6.x, Gemini 4, Claude Fable 5.2, Qwen3.8 ואחרים) אין ציון שפורסם ב-MMAD, MVTec AD 2, VisA, Real-IAD או UniPCB, המדדים שבוחנים פגמים תעשייתיים.

איור 4. ציוני הזיהוי הכלליים הוכפלו בדור אחד. ציוני הפגמים התעשייתיים חסרים.

ציוני הזיהוי הכלליים שלהם אכן הוכפלו בערך בדור אחד, אבל לצייר תיבה סביב אדם או מכונית אינו אותו דבר כמו לשפוט חיבור הלחמה. ב-MMAD, ששואל «האם יש פגם?», מומחים אנושיים מקבלים 95.2 והתוצאה הטובה ביותר שמצאתי למודל כללי היא 83.1. באתגר ה-PCBA של ACM MM 2026, חמש המערכות המובילות, כולל אחת שכיוננה על 6,600 תמונות קו אמיתיות, קיבלו 77–82 בשאלת פגם-או-לא, אף שספירת חלקים וקריאת מאפיינים הגיעו ל-95–100. הייצור דורש 99% ומעלה.

לכן אשתמש בהם כמורים. מודל מוביל מתייג מראש וממיין תמונות חדשות, בכ-23–196 דולר למודל לסבב. בני אדם פוסקים: שניים או שלושה מתייגים עובדים בעיוורון ומהנדס בכיר מחליט. התוויות נכנסות לערכת זהב, ומודל 8-bit קטן מאומן עליהן כדי לרוץ על התיבה בקו. הוא רץ במצב צל במשך שבועיים עד ארבעה שבועות, מתעד החלטות מבלי לשנות דבר, ועולה לאוויר רק אחרי שעבר את השערים.

איור 5. שני צינורות מורה–תלמיד. עבור זרועות, המורים הם עדיין בני אדם.

השער הוא החלק שרוב הפרויקטים מדלגים עליו, והוא ברובו אריתמטיקה. כדי להראות ריקול של 99% בביטחון 95% עם אפס החמצות, צריך 299 פגמים אמיתיים מהסוג הזה בערכת הזהב. עבור 95% צריך 59. עבור 99.9% צריך 2,995, שאין קונה שיכול לאסוף לפני רכישה. הכלל שלי: קבל את תוויות המורה אוטומטית רק עבור סוגי פגמים שעוברים 299 עם אפס החמצות, ורק אם המודל מסכים עם האמת לפחות כמו ששני בני אדם מסכימים זה עם זה. לכל סוג אחר, המורה מתייג מראש ואדם מחליט.

עבור זרועות רובוטיות, המורים הם עדיין בני אדם. מדיניות קטנה לומדת מ-10–300 הדגמות אנושיות, כ-15–70 דקות של נהיגת הזרוע, ואז משתפרת עם 1,000–3,000 ניסויים ברובוט אמיתי, כ-6–22 שעות רובוט. מודלים מובילים עוזרים במצב לא מקוון: הם כותבים מחדש תוכניות רובוט (77–99.7% נכונות במשימות ABB RAPID, נבדקות בסימולציה לפני פריסה), מתכננים החלפות ומסבירים תקלות. הם לא יושבים בלולאת הבקרה.

הרצת זה בתוך המפעל

מפעלי אלקטרוניקה רבים מנותקים מרשת, והחוזים של לקוחותיהם דורשים זאת לעתים קרובות. זו בעיה קטנה ממה שזה נשמע, כי האילוץ הוא בתהליך, לא במחשוב.

איור 6. פריסה מנותקת רשת. התיבה על הקו מחליטה; חדר השרתים עונה על שאלות.

אולם SMT רגיל הוא אזור מוגן ESD, שווה ערך בערך ל-ISO 8, לא חדר נקי מדורג. תיבה מוארקת ללא מאוורר מתחת ל-100 ואט ליד ה-AOI מטפלת בהחלטות מיידיות ב-0.5–3 שניות לכל יבול. שרתי GPU או NPU עוברים לחדר השרתים, שם הם מטפלים בשאלות, ניתוח ואימון מחדש לכל המפעל. עדכונים מגיעים במצב לא מקוון, באישור ויבוא מדיה. ערכת הזהב, גרסאות המודל וחתימות המשקלים חיים בכספת, והנתונים לעולם אינם עוזבים את המפעל.

איזו חומרה אפשר להשתמש תלוי קודם כל איפה אתם. בסין היבשתית זמינים רק מודלים מקומיים או משקלים פתוחים המתארחים מקומית. לפי סיווגי היצוא של NVIDIA עצמה, ניתן למכור Jetson Thor ו-DGX Spark למפעל סיני רגיל ללא רישיון אמריקאי, בעוד DGX Station ו-RTX PRO 6000 אינם ניתנים למכירה. ערכת פיתוח Thor עולה בסין 59,104 רנמינבי כולל מס וצורכת 40–130 ואט. גם תחנת עבודה גדולה אינה עושה עוזר משותף טוב: בבדיקות עצמאיות, DGX Station שהריץ מודל עם 743 מיליארד פרמטרים נתן ל-32 משתמשים 139 טוקנים בשנייה בסך הכול, כ-4 לכל אחד.

בדיוק, 8-bit בטוח. 4-bit מודע-קוונטיזציה של הספק בדרך כלל תקין למודלים של 70 מיליארד פרמטרים ומעלה. ב-3-bit ומטה, הציונים יורדים 7–15 נקודות בממוצע ו-20–34 נקודות בתרשימים. הסיכונים הגדולים יותר נמצאים במחסנית ההגשה. במחקר אחד, עם שמירת קידומת במטמון פעילה, 82.5% מהרצות חוזרות של מודל 4-bit התפצלו, לעומת 37.4% ב-16-bit. באחר, 7 מתוך 305 תגי מודל קוד רשמיים של Ollama היו שבורים למעשה אף שהקבצים היו תקינים, ואף אחד מ-198 מאגרי GGUF פופולריים לא תיעד איך הקבצים שלו נבנו. הכלל שלי פשוט: הריצו מחדש את ערכת הזהב אחרי כל שינוי בדיוק או במנוע ההסקה.

כמה זה עולה, ומה מחזיר את ההשקעה

המקרה העסקי מסתכם בשכר. עובד בדיקה או טיפול עם כל העלויות עולה כ-70,000 דולר בשנה בארה"ב, 19,600 דולר בטאיוואן, 12,700 דולר בשנג'ן, 9,100 דולר במלזיה ו-5,300 דולר בווייטנאם. ארה"ב היא בערך פי 5.5 משנג'ן.

איור 7. החזר השקעה לפי אזור עבור הקונה.

ב-50,000 רנמינבי לקו, סקירת בינה מלאכותית מחזירה את ההשקעה ב-0.46 שנים בארה"ב, 0.53 בטאיוואן ו-0.65 בשנג'ן, וב-1.1–2.8 שנים ברחבי דרום-מזרח אסיה. תא קובוט שמטעין ומרוקן תחנת בדיקה על פני שתי משמרות, ב-200,000 רנמינבי או 140,000 דולר, מחזיר את ההשקעה ב-1.1–1.3 שנים בארה"ב, בטאיוואן ובשנג'ן. מכשיר AOI חדש שנרכש כדי להחליף בדיקות חזותיות ידניות מחזיר את ההשקעה בפחות משנה בארה"ב אך אורך 3.3 שנים בשנג'ן.

מה שלא משתלם הוא זרוע רובוטית שתפקידה היחיד למשוך לוחות פגומים מקו SMT. מעל 90% תפוקת מעבר ראשון, ההוצאה אורכת בין 2.5 ל-100 דקות למשמרת, שזה 0.003–0.14 של אדם. מסיט NG או חוצץ כבר עושים את העבודה הזו.

שתי אזהרות לגבי מחיר. אין צד שלישי שמפרסם מחיר ברנמינבי עבור סקירת בינה מלאכותית; הספקים מציעים הצעות מחיר לפי מקרה אחרי ניסיון חינם. האומדן הטוב ביותר שלי למה שישלם קונה בגודל בינוני בסין היבשתית לצד שלישי הוא 10,000–30,000 רנמינבי לקו חד-פעמי, או 5,000–10,000 רנמינבי בשנה, כך שה-50,000 רנמינבי במודל ההחזר הם גבול עליון, לא מחיר מחירון. ולכל מי שמוכר לארה"ב, היכן שהחומרה מיוצרת משנה: זרועות רובוטיות שיוצרו בסין היבשתית משלמות כ-40% מכס אמריקאי משולב, לעומת 10–15% מדרום-מזרח אסיה או טאיוואן.

שוק אמיתי, אבל קטן

הגדלים שפורסמו ל«בדיקה חזותית בבינה מלאכותית» נבדלים ביותר מפי עשרה, כי כל חברה סופרת משהו אחר, ממצלמות ועד שירותי בדיקה. אף אחד מהם אינו שימושי להחלטה אם לבנות מוצר סקירה. לכן ספרתי מלמטה למעלה.

איור 8. שוק מלמטה למעלה לסקירת בינה מלאכותית של צד שלישי בסין היבשתית.

לסין היבשתית יש כ-40,000 קווי SMT וכ-44,000 מכשירי AOI מוטבעים ללא סקירת בינה מלאכותית. קחו את החלק ללא בינה מלאכותית ואת החלק שצד שלישי יכול באמת להגיע אליו, וכ-16,000 קווים ניתנים לשירות. ב-20,000 רנמינבי לקו, זה שוק חד-פעמי של כ-320 מיליון רנמינבי (טווח 105–705 מיליון). החלון נמשך כחמש שנים, כי יצרני AOI שולחים עכשיו בינה מלאכותית במכונות חדשות והבסיס המותקן בלעדיה מתכווץ ב-8–12% בשנה.

הטריז גם צפוף. יצרני AOI מטמיעים סקירה, חברות ה-EMS הגדולות בונות בעצמן, וספקי פלטפורמות כמו Hikvision ו-SmartMore מוכרים באגרסיביות. אחד מספקי ראיית הבינה המלאכותית המובילים דיווח על הכנסות 2025 של 1.086 מיליארד רנמינבי והפסד נקי של 991 מיליון רנמינבי, אחרי מלחמת מחירים. המרווחים יושבים עם חומרה מוצרית: פלטפורמות ראייה ויצרני AOI מרוויחים מרווח גולמי של 46–67%, בעוד ספקי פתרונות בינה מלאכותית מרוויחים 35–37% ומפסידים כסף. המזומן גם איטי. התנאים הרגילים הם 30% בחתימה, 60% אחרי קבלה ו-10% מוחזקים לשנה, כך שהתשלום המלא אורך שנתיים עד שלוש. חובות לקוחות נמשכים 51–99 ימים למוצרים סטנדרטיים ו-188–319 ימים לציוד מבוסס פרויקט.

המרחב שנותר הוא ספציפי: חברות EMS בגודל בינוני עם 10–40 קווים, מכשירי AOI ישנים יותר או מעורבים במותגים ללא שדרוג בינה מלאכותית מיצרן ה-AOI, ועוד הבדיקות שה-AOI מכסה גרוע, כמו הלחמה דרך-חור וידנית, ציפוי מגן, כבלים, מחברים ו-FPC, ומראה סופי וברגים.

זרועות רובוטיות ובינה מלאכותית מגולמת

שליטה רובוטית נלמדת עובדת היום היכן שהתחנה מובנית. עם מתקנים וחלק ידוע, מדיניות קטנה מגיעה להצלחה של 90–99.4%, איטית ב-10–15% מאדם. הסירו את המבנה והמספרים צונחים: 29–67% במחברים שהמדיניות לא ראתה, 37–59% בהוצאה ממסוע נע, ו-0–5.5% כשמודל שפה מוביל מניע את המפרקים ישירות.

איור 9. תלמידי רובוט קרובים לדרגת ייצור רק כשהתחנה מובנית.

פריסות בתוך מפעלים חושפות פחות ממה שהכותרות מרמזות. מתוך פריסות המפעלים שעקבתי אחריהן, רובן מפרסמות רק כמה זמן או כמה רצו. אף אחת לא מפרסמת שיעור הצלחה, קצב עבודה ושיעור התערבות יחד, וחלק ממספרי הכותרות הם יעדים ולא תוצאות. כשאני הופך את המספרים שפורסמו לעבודה שהוחלפה בפועל, הפער גדול: תא זרוע מובנה מחליף כ-0.82 מעובד למשמרת; רובוט דמוי-אדם שעובד ב-40% ממהירות אנושית מחליף כ-0.26; רובוט דמוי-אדם שמופעל מרחוק 40% מהזמן מחליף כ-0.05.

איור 10. עבודה נטו שהוחלפה לכל רובוט למשמרת.

המחסנית מתייצבת לשכבות. מודלים מובילים מתכננים וכותבים תוכניות במצב לא מקוון, בסולם של שניות עד דקות. מדיניות קטנה כמו ACT, מדיניות דיפוזיה ו-VLA קטנים רצות בתא עם נתחי פעולה של 100–300 אלפיות השנייה; לפי מספרי הספק, מדיניות ACT קטנה רצה בכ-50 אלפיות השנייה על לוח קצה. בקרת התנועה נשארת אצל בקר הרובוט בקצבי אלפיות שנייה, והבטיחות נשארת דטרמיניסטית. התקנים מסכימים: לפי תקנת המכונות של האיחוד האירופי, פונקציית בטיחות שמשתמשת בלמידת מכונה זקוקה להערכת גוף מפוקח החל מ-20 בינואר 2027, והתקנים שיתנו לבינה מלאכותית מסלול הסמכה בתוך פונקציות בטיחות אינם צפויים להתייצב לפני 2027–2029.

לכן, לשנתיים הקרובות, אקנה זרועות מאושרות, אשים בהן תפיסה נלמדת ומדיניות קטנה, אשמור על בטיחות דטרמיניסטית, ואחכה לנתוני ייצור מ-2027 ו-2028 לפני שאהמר על רובוטים דמויי-אדם.

מה שהייתי בונה ומה שלא

החוט המקשר משעמם בכוונה: בחרו משימה צרה עם בעלים ברור, מדדו אותה על התמונות של המפעל עצמו, ותנו למכונות הקיימות של המפעל להמשיך לעשות את מה שהן כבר עושות היטב.

מה שלא יכולתי לאמת

זהו מחקר שולחני. לא בדקתי שום מוצר על קו. מספרי הבסיס המותקן והחלק של מכשירי ה-AOI שכבר מריצים בינה מלאכותית הם האומדנים שלי מתוך דיווחים ציבוריים ונתוני שוק, ונתוני הנכונות לשלם הם אומדנים שרק הצעות מחיר אמיתיות יכולות לאשר. מספרי רובוטים רבים הם טענות ספקים, וסימנתי אותם ככאלה בדוח. מודלים, מחירים, תעריפים וכללי יצוא משתנים מהר; כל נתון כאן הוא נכון ל-11 בנובמבר 2026. הדוח מפרט את השאלות הפתוחות וכיצד כל פיילוט יישב כל אחת מהן.

הורדות

• הדוח המלא (PDF): AI Visual Inspection and Robot Arms in Electronics Factories: 2026 Assessment, מהדורה ציבורית, עם כל האיורים, הטבלאות והמקורות.
• שקופיות (PDF): אותם ממצאים במצגת קצרה.

על המחבר

תאן שואי הוא טכנולוג ומייסד עם יותר מעשרים שנות עבודה בתחומי שבבים, חומרה ותוכנת מערכת, ו-20 פטנטים רשומים. עבודתו לקחה אותו דרך עמק הסיליקון, ניו יורק, שיקגו, טאיוואן, אזור המפרץ הגדול (שנג'ן והונג קונג), וייטנאם ומלזיה, עם התמקדות ארוכה בייצור מתקדם ושרשראות אספקה. כיום הוא עובד כחוקר ומפתח בינה מלאכותית, ומתמקד באופן שבו בינה מלאכותית משמשת בפועל ברצפת המפעל.

הוא שמח לשוחח עם אנשים שבונים בתחום הזה, בין אם הם מקימים צוות, מחפשים שותף או משווים רשמים: i@tanshuai.com.