FIT在其生产线上推出了由AI驱动的检测系统，在其产品生产过程中对精密部件和工具进行高精度检测。

此举将可能在今年的销售旺季到来之前帮助其提高产量，并改善设备质量。

日益紧缩的利润和电子产品大规模生产导致的激烈竞争迫使制造厂商寻求新的方法来保持领先地位。

在接受Capgemini调查的大型制造商中，超过一半高管表示, 在过去5年中, 他们在智能工厂上的投资金额已达到或超过1亿美元。Capgemini估计, 智能工厂的利润率几乎可以是普通汽车制造商的两倍。

FIT正在引领这一新风向。它最近为其注塑生产线部署了AI 驱动的检测系统。该公司计划在2019年之前，在其30%的生产线上部署该系统。

这家制造业巨头旨在利用这项技术解决训练有素的检查员短缺的问题，最终将这些专家技术人员解放出来，让他们担任更有价值的职位。

富士康董事长郭台铭曾公开表示, AI计划是公司 "从传统制造业转型" 的契机，旨在降低成本，提升效率，并为客户提供更加高质量的产品。

FIT已经训练了卷积神经网络来识别10种不同类别的元件的缺陷。该公司的数据科学家最初为每个缺陷输入600张神经网络图像。网络还将继续从工业相机拍摄的图像中学习，随着可用数据的增多，系统将不断得到改进。

NVIDIA HGX和DGX系统帮助正在帮助FIT处理高达数百TB的海量数据，以用于在该公司的私有云中训练其AI检查模型。FIT还在现场安装了DGX工作站以进行持续的训练和推理，并安装了Jetson TX2模块，在扩大检测覆盖范围的同时，价格也更低。

FIT的首席技术官Joseph Wang表示: “借助NVIDIA卓越的计算能力，FIT的AI检测准确率能够达到95%以上，接近专业人工检测的质量和效率水平。”

FIT的CPU插槽注塑机(如图所示)配备有5个摄像头，其每天的任务是在数百万个近乎完美的精密部件中找出1毫米的误差缺陷。

该公司表示，在制造过程中追踪这些细微的缺陷是一项艰巨的任务。相关的深度学习应用无法在CPU上运行，需要利用GPU来进行加速。

FIT对实现人工智能化有着远大的目标。检测缺陷零部件仅仅是个开始，该公司的最终目标是在生产过程中应用该技术，从而最大限度地提高成品率和成品产量。

FIT表示：“我们的目标是减少退货。确保质量是我们的核心目标，也是我们更广泛计划的基础。”