检测精度更高：其视觉理解模块采用ViT - Transformer混合架构，在COCO数据集物体分割任务中取得92.4mAP精度，较CLIP模型提升11.6个百分点。在光伏EL缺陷检测项目中，基于自适应特征融合算法，将误检率压缩至7.2E - 6，能更精准地识别工业生产中的细微缺陷。
检测效率提升：在工业产线故障识别中，速度提升4倍，可快速处理大量工业检测图像和视频数据，及时发现问题，提高生产效率。
对于从事机器视觉算法以及硬件等相关业务的公司，如凌云光，DeepSeek R2带来了新的发展机遇。一方面，该模型多模态能力的提升，使工业检测对机器视觉算法的需求增加，公司的算法产品有更广阔的应用空间，可以与DeepSeek R2结合，为客户提供更高效、精准的工业检测解决方案。另一方面，硬件方面，随着多模态应用的落地，对相关硬件设备的需求也会增长，凌云光在机器视觉硬件领域的业务有望受益，例如其生产的相机、镜头等硬件产品，可与DeepSeek R2的多模态能力相适配，实现软硬件协同发展，提升整体解决方案的竞争力，进而获得更多市场份额和商业机会。凌云光(SH688400)利和兴(SZ301013)天准科技(SH688003)
注：此文仅代表作者观点