一座年产值百亿元级的OLED（885738）工厂，减少工艺不良、降低检测误判、缩短停线换型，能释放多大的经营空间？
9月23日，在2026年京东（JD）方全球创新伙伴大会（BOE IPC 2026）AI+创新发展论坛上，凌云光（688400）副总裁赵严博士发表《从检测到智造——AI+视觉驱动新型显示质量升级》主题演讲，分享以AI+视觉提升良率、优化效率、降低质量成本的实践。
当前，中国OLED（885738）产能已占全球半数以上，如何将规模优势转化为持续盈利能力，成为行业关注的重要课题。后段模组工序工艺精度相对可控、国产供应基础较好，是质量改善的重要切入点。凌云光（688400）基于多年显示行业经验，构建工序、工段、整线三层智能质量架构，向前深入工艺、横向贯通标准，让检测结果用于生产改善，让质量提升转化为经营收益。
工序层
深入制程，早一道拦截，少一份损失
质量管控首先要靠近缺陷产生的源头。针对贴合、点胶、组装等关键工序，凌云光（688400）采用轻量化嵌入式架构，将成像、检测与分析能力融入制程设备，打造质制一体的单元工艺视觉智能体，实现异常的实时发现、拦截与反馈，减少不良品流入后续工序造成的损失。
在贴合环节，通过缺陷分层识别，区分表面灰尘、胶层内部异物及面板本体缺陷，为清洁放行、返工处理与前段追溯提供依据。
在点胶环节，结合多光谱成像、轻量化AI胶检与补胶闭环，提升点胶一致性。
在组装环节，融合二维、三维与多光谱检测，识别铜箔翘曲、台阶差等形变，管控影响产品功能的质量风险。
工段层
兼顾检出与效率，良品直出、柔性换型
工序检测侧重源头拦截，工段检测则需要对产品质量作出综合判断。面对缺陷类型多、检测标准严、机型切换频繁等挑战，凌云光（688400）推动传统自动光学检测（AOI）向通用检测平台（UCP）升级，以良品直出减少人工复判，以柔性换型提升生产效率，并进一步向通用主动检测（UPI）演进，让检测数据反哺工艺优化。
DisplayMaster 1000画面点灯智能检测设备通过芯片、相机到系统的自主设计，提升低灰阶等缺陷的检出能力，整机效率提升30%。
BrittleMaster 400屏幕模组外观智能检测装备覆盖多种屏幕形态，通过一键建模与柔性换型，换型时间由传统一周以上缩短至约4小时，帮助客户减少切换损失，更快恢复稳定生产。
整线层
统一质量标准，让数据支撑持续改善
一道工序判定合格，下一道却判定不合格；上游认可的良品，下游仍需重复检验——质量基准不一致，会让单台设备的提升被跨环节的重复工作抵消。
凌云光（688400）通过GMQM智能质量管理系统，统一管理和分发质量标准，关联检测结果、工艺参数与材料批次，再结合知识图谱与大模型辅助根因分析，让质量改善有据可循。
在“天眼”实践案例中，上下游三家工厂共享一套质量基准，推动出货检验与进货检验衔接；在另一显示客户案例中，跨工段质量基准优化带来0.3%—0.9%的良率提升。统一质量基准，能够减少上下游重复检验与判定分歧；关联工艺、设备与材料数据，则能进一步追溯缺陷原因，为参数调整和异常预警提供依据，让质量管理从处理不良走向预防不良。
对显示制造而言，AI落地应以良率、效率与质量成本的改善来检验价值。工序、工段、整线的协同，正是将单点检测能力转化为持续经营收益的关键。以年满产、约16条模组线的柔性手机屏G6工厂为例，初步测算显示，在相应改善条件下，每年有望实现约1.5—3.2亿元的成本节省与损失减少。
从检测到智造，关键在于让检测能力深入工艺，让质量数据服务生产决策。凌云光（688400）将持续发挥视觉与工业人工智能（885728）的技术积累，携手京东（JD）方等产业伙伴，推动质量标准贯通与工艺协同优化，助力显示制造将良率优势转化为经营竞争力。
