针对工业视觉质检中普遍存在的“换型难、小缺陷漏检高、复杂背景抗干扰弱、小样本适配能力差”等行业痛点，数之联自主研发了数联慧眼工业缺陷检测场景大模型。

该模型聚焦工业视觉质检这一核心场景，以多模态大模型技术为底座，深度融合工业视觉机理、制造工艺知识与缺陷判别规则，专为工业生产中的产品外观缺陷、工艺缺陷、装配缺陷检测场景打造，实现从多模态数据采集、模型训练优化、推理部署执行到质量反馈迭代的端到端闭环体系，让模型在生产线上“越用越准”，显著降低漏检与误报，真正实现“换型不停检、小缺陷不放过”。

依托十余年的工业质检行业沉淀，数之联构建了国内领先的工业缺陷多模态数据集，涵盖PCB/PCBA、工业零部件等多个细分行业，为模型研发提供了坚实的数据底座。

数联慧眼大模型采用六层分层架构，涵盖多模态数据表征、缺陷精准感知、小样本场景适配、根因智能决策及高效推理部署五大核心算法体系，形成全链路技术闭环。模型基于大小模型协同架构，支持云边端协同部署，缺陷检测准确率超过96%，平均漏检率低于0.4%，兼顾高性能与低能耗，能够适配高速产线实时检测需求。

在落地验证方面，模型已在泛半导体、家电制造、汽车零部件、电子元器件等行业的多家头部工业企业实现稳定运行，覆盖完整产品生产周期，实现质检流程全自动化闭环与7×24 小时无人化质检作业，取得了质检效率提升80%、人工成本降低75%、产品良率提升15%-25%的显著成效。

更关键的是，该项目实现了从底层数据治理、核心模型算法到上层应用平台的全链路100%自主可控，无第三方核心技术依赖。同时数联慧眼已完成大模型备案，全栈国产化适配覆盖主流国产芯片，有效保障了工业AI领域的供应链安全。

此次入选四川省工业垂直大模型重点培育项目名单，是对数之联在工业AI领域技术积淀与落地能力的高度认可。接下来，