易飞思索了一会。
他拿起笔，开始边写边向王森讲解人工智能研发实验室研发CCD的必要性。
他深入简出的讲解了一番，赵丽丽都听得非常认真。
易飞似乎越来越强了。
他对CCD技术的理解，明显超越了自己。
但这并不一定是好事，说明他的脑域开发还在继续。
将来能不能引起麻烦事，谁也不知道。
易飞主要从以下几个方面讲解了下。
首先是AI算法的需求，决定CCD 感光阵列的硬件设计参数
市面上所有商用CCD 都是标准化通用设计，厂商不会针对工业视觉和AI检测做定制化优化。
很正常，除非定制或自己使用。
没有厂家针对不同的行业设计不同的产品，那样的工作量太大。
即使飞来电子生产CCD,除了自用的，也只设计通用的CCD。
AI视觉算法主要用于半导体晶圆缺陷检测、新材料板材表面探伤、工件尺寸识别等，对CCD 有特殊要求：高动态范围、低暗电流、分区域像素同步曝光、多通道并行读出。
所以买来通用的CCD后，通常需要二次开发。
AI 团队长期处理图像识别、缺陷拟合，最清楚算法需要什么样的像素灰度区间、噪声阈值、分辨率分区。
由AI 组直接输出需求参数：感光单元尺寸、阵列行列排布、曝光分级档位、多通道读出时序，再交给物理半导体小组落地流片。
如果只靠半导体团队闭门设计CCD，只追求感光灵敏度，忽略AI 识别对均匀性、线性度的硬性要求，造出来的CCD 即便硬件指标好看，搭载智能算法后识别精度依旧上不去，等于硬件研发做无用功。
从实用性来讲。
由AI团队研发CCD有很大的优势。
其次CCD 配套的实时校正、降噪底层算法，本身就是AI 组核心业务
CCD 工作时天然存在固有缺陷：暗电流温漂、像素响应非均匀性、读出电路噪声、光学畸变。
大部分厂商的解决方式是出厂附带固定校正参数，通用性极差，温度一变、设备震动一变，校正参数完全失效。
AI 团队研发的多模态融合、自适应滤波算法，可以直接嵌入CCD 驱动固件，实现片上实时动态校正。
依据实时温度传感数据，AI 算法动态修正CCD 暗电流偏移；
多帧像素统计拟合，自动补偿像素响应差异；
光学畸变智能网格校正，适配不同工位镜头光路。
这套校正逻辑属于人工智能数值拟合、统计优化范畴，正是数学系、AI 算法团队的专长。
相当于CCD 硬件的‘内置智能大脑’，只能由AI 组独立开发，纯硬件工程师无法搭建自适应动态校正模型。
CCD本身也需要人工智能技术。
即使把CCD技术的开发交给芯片设计研发中心，人工智能项目组一样得派人协助。
包括在其它场景的应用。
一样需要人工智能的干预。
开发人工智能就就是应用于各个产品中吗？CCD当然也是其中之一。
CCD 与并行图形加速芯片联动的数据流调度，由AI 团队统一打通
第三整套视觉体系：CCD 采集原始图像信号，传输到并行图形芯片做像素并行预处理，再交由AI 识别模块判定缺陷，整套数据流的交互时序、缓存分配、分块传输逻辑，由AI 团队统筹设计。
普通半导体团队只负责CCD 输出模拟/数字信号，不会考虑和图形芯片SIMD 并行阵列的匹配问题，极易出现数据拥堵、帧延迟、算力浪费。
所以必须进行二次开发。
这也是人力的浪费。
AI 团队同时掌握图形芯片并行运算逻辑、AI 图像预处理流程，可以定制CCD 多通道并行读出电路，分块输出像素数据，匹配四路并行渲染管线，大幅降低整机总线传输压力，ISA、未来总线的带宽利用率直接提升数倍。
如果分开研发，CCD 输出格式和图形芯片算力架构不匹配，还要额外增加中转缓存电路，硬件成本、整机延迟同步上升。
第四轻量化端侧AI 传感，需要AI 团队把微型校正算法集成CCD 内置MCU
AI 视觉传感器，CCD 感光阵列配套小型嵌入式控制单元，不能把所有图像数据全部上传工控主机，必须在终端完成基础降噪、缺陷粗筛，只上传有效特征数据。
这套终端微型智能处理逻辑，是AI 团队轻量化算法的核心研发内容。
AI 团队基于简化神经网络、数值拟合，开发极小内存占用的校正、识别子程序，固化在CCD 配套的片上控制器里，实现‘CCD 采集+本地AI 预处理’一体化。
单纯硬件团队只能做出能成像的CCD，做不出自带本地智能判断的AI视觉传感终端。
易飞放下笔，把CCD 硬件、AI 算法、并行算力、工控控制四条链路连成闭环，清晰点明分工边界：
“分工划分要分清主次，不代表AI 组包揽全部半导体薄膜、光刻工艺，这些交给物理半导体小组；但所有和成像智能、数据调度、自适应校正、算法适配相关的CCD 配套技术，全部归属人工智能实验室研发范围。二者深度协同，而非完全割裂。”
“人工智能小组的其它产品也一样，擅长的自己做，不擅长的交给别的项目组。”
王森听完，心中原先“CCD 纯硬件、和AI 无关”的固有认知彻底打破，恍然大悟。
“我之前下意识把硬件器件和智能算法完全分割，以为AI 团队只管软件程序，没想到CCD 成像的校正、数据调度、终端轻量化智能，全是人工智能算法范畴，甚至CCD 硬件架构设计都需要AI 团队输出核心需求。两者深度绑定，AI 组参与CCD 研发，能从源头解决图像噪声、算力浪费、识别精度不足一系列问题。”
他在国外多年，还是受国外公司的影响。
考虑问题太过片面。
他现在一时半会还没有领会易总所讲的人工智能所有的含义。
他所知道的人工智能和易总讲的不太一样啊。
如果按易总讲的。
那个扫地机器人需要改进的就太多了。
“没错。”
易飞说道：“现在行业普遍软硬件割裂，CCD 硬件与视觉AI 两套体系各自为战，是所有人的固有误区。我们让人工智能组深度参与CCD 全套成像配套技术研发，软硬件协同设计，既是发挥数理算法团队的专业优势，也是构建我们独有的视觉智能护城河，不管是工业产线质检，还是终端智能传感器，都能甩开海外标准化通用产品一大截。”
“刚才我们讲的是视觉智能纠错工控系统，下面接着说我们需要研发的其它工控系统。”
“第二个项目就是军工级温漂自适应算法硬件化。”
易飞继续讲述工控智能化的技术思路。
“工业车间昼夜温差大、设备长期高负荷运行发热、机械结构热胀冷缩、环境湿度变化，都会导致控制精度持续偏移。传统工控只能依靠固定参数运行，误差只会越积越大，必须定期停机人工校准，严重影响生产效率。”
“我们将军工设备适配高低温极端环境的自适应补偿算法、动态误差修正逻辑，直接硬件固化进工控核心板卡。让设备能够实时感知温度、湿度、机械形变带来的误差，动态自动修正控制参数，全天候保持高精度稳定运行，无需人工停机校准。”
即便是当下海外最顶尖的高端DCS系统，也不具备实时自适应温漂修正能力。
依旧依赖人工定期停机校准。
他的这一设想直接在工控核心稳定性上，超越进口设备。