本文来自微信公众号： 果壳 ，作者：游识猷
医学上的X光机我们都很熟悉，但是工业上的X光机呢？其实，任何可能存在焊接缺陷的工业品，从电动车电池到芯片电路板，都需要X光机来检测。
一台X光机的核心竞争力是什么？是核物理吗？是AI吗？是高端硬件吗？吴明炜的答案是数学，更具体地说，是复变函数和傅里叶变换。
这位上海交大机械工程专业出身的创业者，用了整整20年观察一个行业，最终在疫情期间带着一支“草台班子”起步，把现实问题写成应用题，把应用题拆成计算题，找不同学科的人分头解题，再用代码拼成产品……吴明炜创立的公司谱睿源，2021年成立时年营收155万；今年在手订单已经上亿。
在含钼材料检测这个细分领域，谱睿源甚至做到了国外竞品都做不到的事。德国和日本的设备输出一片漆黑，只有谱睿源能看见内部结构。原因不在硬件，在软件中可能无意间加入的一组数学滤波器。
本月初，吴明炜做客果壳播客《果壳时间》，在节目中深入分享了他用“大函数，小AI”路线，做工业X光快速检测的创业历程与技术思考。以下就是播客的内容整理。
我们在做一台“聪明”的X光机
谱睿源正在做的，实际上就是一台聪明的X光机。
我们目前最大的客户是半导体的层叠器件，以6到10秒的时间，得到一个需要看的物体内部的分层图像，同时根据客户的要求进行焊接质量的判别。这就是谱睿源现在做的事情。
很多人会问，“谱睿源”这三个字是怎么来的？20多年前我想做X光机，专门注册了一个公司叫“锐源”，用英文特别容易理解，就是Ray Source，射线源。后来加了“谱”字，是光谱spectrum的意思。现在的“睿”用的是睿智的睿，我很想告诉大家，我们做的是一个非常聪明的事情，看的是物体内部不可能被肉眼看见、又必须看的图像或物质。
我们做这个事情的时候，市场还没那么大，但是莫名其妙被卷入了AI新基建，变成了卖铲子后面那个修铲子的，我们的价值就是这么一步一步上来的。
很多人讲，在“AI淘金热”里，黄仁勋是个卖铲子的，不管你弄什么东西，他是卖铲子给你的。除了电力建设、变压器这些大家想得到的，还有更多的AI新基建。比如电路板PCB，这个行业在2024年以前持续萎缩，人才只出不进，没有人愿意加入。但突然因为AI应用、因为GPU，电路板成了香饽饽。
我们现在已经在做的，是GPU和AI服务器上面的电源管理模块。电源管理模块在很多地方都有在用，可问题在于，放在GPU、放在AI服务器上，电源管理模块一旦坏了，对使用者来说是承受不起的。怎么快速检测它，就变成一个有趣的事情。做电源管理模块的企业是卖铲子的；我们不是卖铲子的，我们是修铲子的。他做的东西好与坏，由我来判断。目前在这个领域，据我们了解尚无其他供应商能提供同等方案。
X光机的核心是数学
在大多数人的认知里，X光机是物理的，是硬件的，是核物理实验室里那种厚重的金属装置。但我说，X光机的核心是数学。
这个判断，我用了二十年才想清楚。想清楚之后，又花了五年，创业的公司才活下来。
举个例子，大家在医院都拍过X光，很简单，拍个胸片就结束了。但为什么医院里还要用CT？
因为X射线像一束极倔强的手电筒光，穿过一切叠在一起的物质，最终在探测器上留下一张所有信息压在同一个平面上的图像。你看见的是前面、中间、后面全部重叠的结果。
要看到中间那一层，你必须用数学方法把前后层剥掉，用一种数学方法得到一张内部的图片，让医生来判断有没有病灶。
工业上也是一样，比如要知道电路板里某个焊球有没有内部空洞，就要用数学方法得到一张内部图像，由工程师做“医生”，来判断是否有裂纹、焊接气泡这些问题。
这个“把前后层剥掉”的过程，用的是复变函数和傅里叶变换，这两种数学工具专门用来处理信号叠加问题，是信号处理的底层逻辑。
很多人在强调X光机的硬件，但忽略了核心是数学。
复变函数是一门非常有趣的课。在工科里面它叫应用数学，更多用于信号处理。想到信号处理，首先想到通信。所有学通信的、学计算机的、学数学的人都知道复变函数。但这些人不会来造X光机。
这里面有一个公司必须提——VG Studio。Volume Graphics，体积图形学。这个名字大多数人没听过，但全世界99%的X光机的3D图像，一定是在这家公司软件的基础上进行二次开发的。它是个德国公司，现在被瑞典公司收购了。人家的核心就是数学。时间长、数据量大，赢家通吃，跟芯片设计行业的EDA是一个道理。
大函数，小AI
我发明了一个词——大函数，小AI。
所谓大函数，是指傅里叶变换本身。要把前后层的干扰去掉，得到中间那张切片图，这个过程AI无法替代。它靠的是纯数学，是信号处理。没有函数，你永远得不到这张图。
所谓小AI，是指函数得到图像之后，因为X射线的特殊性，图像的对比度非常差。X射线频率很窄，调亮或调暗都是同步变化，靠数学很难分辨。如果只用传统的函数方法进行在线自动全检，准确率不会高于50%，最多做到60%。但加上AI以后，检测准确率可以达到99%以上。
函数是前提，AI是加分项。没有函数，AI再好也无从施展；没有AI，函数得到的图能用但不够好。
这里面最核心的就是傅里叶变换、信号处理。我们的顾问是西安邮电大学的汤少杰教授，人家是西电通信专业的工学博士。他和他的研究团队解题，我的工程师再把他们解出来的函数变成代码。函数可以变成代码，但代码倒过来变回函数是变不了的。没法逆向工程。
别人就算拿着我的代码，也不可能逆推拿到那个题的解法。
我用一个更通俗的比喻。如果我们在一个很嘈杂的市场里说话，我要捕捉你的声波，也是傅里叶变换，怎么办？我只有不停地大声说话，让你听到我的声音，否则声音就被掩盖掉了。
检测也是一样。我想得到里面这一层的图片，但有很多层，我要把干扰信号弱化。根据不同的背景噪声，调不同的参数，这叫“配方”。汤教授最厉害的就是：你东西给我，我调完以后效果不错。明天遇到新情况不行了，他再给你调一个，再调一个。底层函数是我们的，里面的微调是他们的。
投资圈有句话：你不要相信你是独一无二的，大厂花的钱、花的人比你多，一定能做出来。这话对一般的事情是对的。但X光机的核心是数学，是大函数。在图像重建这种底层信号处理领域，至少目前AI无法替代纯数学方法。如果大模型能做信号处理，华为的通信研发团队都可以解散了。而做通信的人不会转行做X光机——赛道太小，整个行业的收益率不会有通信那么高。
曾经参加比赛，有一位专家评委直接用大模型来质疑我，说现在有AI大模型，是不是以后都可以做？我在现场用“大函数小AI”跟他怼了大概10分钟。
德国人只有函数没有AI；国内其他对手只有AI没有底层函数。德国人600万的设备当手动机在用，拿到一张图片，还要靠人工判别好坏。谱睿源被逼出来了，能做流水线全自动检测。在工业X光检测这个细分场景中，德国和日本的AI应用相对滞后，也没什么成熟模型。德国人跨境做AI标注，效果不理想。而我们在客户现场识别缺陷，基本两天迭代一个模型。
在AI方面，中国和美国是最强的。中国有大量的AI开源模型，试错成本非常低。美国很多模型都要收钱，中国有很多开源模型不收钱。没有函数，拿不到最初始的图像；但没有AI，又做不了自动判别。“大函数，小AI”，才是我们这个公司最核心的生存基础。
全自研软件，看透了“含钼材料”
我跟蔡司聊过这个事，蔡司也觉得谱睿源很神奇，因为蔡司自己的离线设备也要从外面买软件。我明确告诉大家，截至目前，谱睿源是这个细分领域中唯一实现全部软件自研的公司。只有理解底层函数才能够去做这些东西。
自研软件最大的好处是什么？国外的软件很成熟，有40年经验、无数积累，出来的图像一定比只有两三年的公司做的标准。但因为它是一套通用软件，全套卖给你，你没有底层函数，打不开，只能在上面做二次开发。而我们因为是自研的软件，可能在里面无意中加了和漏了很多东西。
讲一个最典型的案例——含钼材料的检测。钼这个材料对X射线有极其强的吸收作用，用一般的2D或3D设备看，图像极其差，全是黑的，不能进行判别。三年半以前，我们拿到一个客户的样品。客户说国外设备都做不了，你能不能做？死马当活马医。我们开始测了发现不行。但偶然间我们发现能做了。
2D/其他3D设备检测图谱睿源AI-300设备检测图
此后，在过去三年，尤其最近两个月，所有含钼的材料拿过来，我们都能做。目前我们测试过的所有竞品都做不到——我试过GE，不行；让蔡司做，也不行；德国和日本的选手都不行。Z公司跟德国代理商讨论过，为什么谱睿源能干，德国、日本的设备不能干？得出的结论极其滑稽——认为我们的硬件比德国设备强。
但我自己很清楚，德国人的硬件比我好。在某些更复杂的情况下，我的原始图片确实不如德国设备清晰。
真正的原因又回到数学上。以下是我们目前的推测，尚未经过严格实验验证：X射线经过钼以后被大批量吸收，但不可能100%吸收，会有很微弱的信号残留。我们的软件是自己写的，可能无意之中加了一些针对微弱信号增强的数字滤波器，把这个信号通过一次积分放大了，通过一次微分倒过来，然后就看见了。而全世界其他公司都是用VG Studio那套软件，里面放了各种滤波器，偏偏正好把这个微弱信号给过滤掉了。所以德国人、日本人测出来都是黑的，只有我们能看见里面的东西。
我们把这个产品的图像拿给日立用超声波二次验证，日立做超声波全球数一数二领先，他们超声波做的图像跟我们X光看到的一模一样。结果肯定是对的。截至目前，在含钼材料在线检测这个细分领域，我们没有找到第二家能做的。
做对了，但不知道确切为什么做对了。我现在的推论不一定准确，未来一定要去做实验验证，把假设落实到具体的函数上。我还在找九峰山实验室和相关研究机构做实验验证。大胆假设，小心求证。含钼材料目前在半导体里用得非常广，无人机上面有大量红外传感芯片，散热导通那一层就是含钼材料。一旦钼材料要进行在线检测，我们在这个领域可能建立起真正的技术壁垒。
观察二十年，开始创业
我为什么会知道这些数学原理？我大学是在上海交大机械工程系念的。上交有一个国家重点实验室叫振动实验室，研究缺陷诊断。它的逻辑是：一个黑匣子里有很多零部件，坏了但不知道哪个坏了，怎么办？每个零部件都有固有的振动频率，通过输出数据看哪个频率出了问题，反推是哪个零部件坏了，打开去修。这里面有一门课信号分析，用的就是复变函数。上交机械专业的人在应用数学里都要学。很多人学了觉得没用，我当时也觉得没用，但我父亲跟我说，一定要学复变函数。没想到30多年以后，我创业的时候用上了。
光学了那门课，我也创不了业。你得见过应用才行，人不可能梦见自己没见过的东西。
98、99年，我进电子制造行业，在欧美客户那里第一次见到一台3D X光机，是行业祖师爷安捷伦的一台机器5DX，用来快速看电路板组件BGA焊球的质量。我是学机械的，看结构是本行。机械结构我一看就懂。但软件我一开始没看懂，直到后来知道它用的是傅里叶变换，那一刻我想通了。图像重建不是图像问题，是信号问题。
原理、结构、应用场景，我记住了。
从1998年到2021年，我观察了二十多年。在不同公司做事，但始终盯着这台机器。
大概在17、18年，朋友跟我讲3D X光机未来会有大需求，因为新能源起来了，光伏、新能源车要储能、要充电，IGBT“电子开关”、碳化硅这些功率模块都要检测。但我那时觉得自己做不了。国外厂家做这个行业有三四十年了，我们凭什么跟人家竞争呢？我本来想做代理商，17年谈下一个日本代理，本来19年有订单，结果2020年疫情爆发了。
疫情期间关在家里那两三个月，对我来说是个转折。那年我47岁，之前我一直在美国公司做电子制造，做了二十多年，一路从技术应用做到市场销售。在上海的话，我们这个年龄在外资企业待着是非常舒服的。
但我骨子里有一股躁动。关在家里的那两三个月，我想了一件事。我这辈子，难道就这样过去了？天天跟人吃喝聊天，发呆？
2020年疫情的时候，我把自己对X光机的想法写出来，发给很多朋友：第一，你认可不认可我对这个市场需求的判断？第二，你能不能帮助我来建立这个公司和团队？结果我的合伙人找到了一位软件工程师，他带来了一个软件的架构。我们的草台班子通过这个一步一步，两年、两年半、三年、三年半，做出了基础东西，做出了大概的东西，做出了高端东西，做出了先进的东西。
我经常说，我就是把应用题变成计算题的人。应用题我们都做过，知道做应用题要比做计算题难，因为应用题信号、数据那么多，要变成数学模型，然后再去解题。而计算题只要你学过原理，你就会解。我把应用题变成计算题，拿出一道题，让懂这个方向的人做，把它再切分成三到四个子方向，分给好几帮人去解题。中国不缺做题家，缺的是出题人。
爆单：从115万到上亿
X光机是一个小众市场，很多投资人不介入，因为看不到大的应用前景。
我经常开玩笑说，在整个创业的四年多里，“不想活了”这种话说了不下二三十次。你真的不知道，下个星期技术做不出来客户能不能跟你谈，下个月发不出工资团队跑了怎么办。
创业第一年，谱睿源的营业额是155万，像个路边摊一样。但是我养团队每年至少也得花五六百万。有人说应该降薪裁人保持最小团队，我说我养了二十个人。这是最小规模，再砍就出不来产品了。一分钱难倒英雄好汉。
我可能人品还行，每次公司快不行的时候，总会天上掉馅饼。我有一个羽毛球球友，认识十几年，我只知道他姓王，连中文名都不清楚。有一天打完球，他突然问我：“老吴，你缺钱吗？”当然缺！一个月后，两百万到账。还有个投资人，是在一个技术比赛上认识的，见了三面，喝了一次茶，也投了两百万。技术也是一样，我们突破不了的时候，突然从天而降一个校企合作的教授，一周以后就开始合作，一年以后正式挂牌企业和高校实验室。每一次鬼门关，最后都变成了推开一扇阿里巴巴的门。
2023年，我拼了命找各种客户到公司来测试，拼了命把样机塞到客户现场。因为公司小，丢掉了Z公司的订单，他们认可我们的技术，但商务要求我们公司必须有过往10台订单的记录，结果我们直接被踢出去了。X公司的导入流程耗时八个月。B公司要求免费测试，行业惯例如此，你不配合就没有后续机会。在客户现场不停迭代、发现问题、解决问题，我才能拿得出市场认可的设备。
公司最大的转折点是2025年3月底4月初。当时认准的IGBT行业被上市公司对手抢占了很大市场，公司很难维持。突然有一天，接到两个大公司的电话，问我们能不能做一些检测。我就是一句话两个问题——检测什么东西？对手是谁？一听客户说的对手，正是我们直接瞄准的头部公司1和2，那就直接干。
对方为什么找我？因为别人不行。但他们不是来给我钱做研发的，直接问yes or no。你如果说“我考虑考虑”，对不起，对方不给你任何机会。
我跟公司所有人讲，面对挑战，我永远说Yes。说Yes才有微茫的机会，说No就绝对没有。在“不一定有”和“一定没有”之间，只能去拼那个“不一定有”。
其中C公司的项目特别典型，起因是C公司要生产一个芯片，是SIP系统级封装，把多颗芯片像“三明治”一样叠装在一个小模块里。要用德国设备检测，但导入新设备的同时，必须启动国产替代设备的调研。
C公司首先联系的不是谱睿源这种小公司，联系了国内一家上市企业，我们的对手公司，但那家没能满足需求，这时候代理商打电话问我能不能做，听说对手是德国设备，我说肯定可以。
我们花了一两个星期，发现确实能做，但C公司内部分两派：技术派觉得谱睿源可以，跟德国设备差不多；商务派觉得谱睿源太小，应该找上市公司。第一轮把我们踢掉，第二轮又拉进去，第三轮又确定是我们。从5月份一直谈到10月份，拖了5个月后，项目必须要启动，国内的上市公司又供不了货，才让我们的设备进去。设备进去不等于客户已经决定要买了，签的是6个月的免费测试协议。
研发总监很害怕，问我怎么办。我的判断是：客户能咬死盯着我们做，说明有需求；我们是被踢掉之后，客户又主动拉回去的。做。
10月到12月，C公司的人一直说，“等德国货来了，马上让你看看什么叫自动检测”。我每天就问，“德国货到了吗？”12月底德国货到了，客户发现德国设备不能用，出图很慢，图拿出来了还不能自动判别，得靠人工判别。反而验证了我们的实力。
客户这才发现，原来这东西真的要靠AI。而AI方面，中国和美国是最强的。在工业检测AI领域，德国和日本目前缺乏成熟的开源大模型生态。客户跟德国公司要AI，德国人拖到大概五月才给了一个模型，还要收钱。而谱睿源在客户现场识别缺陷，基本两天迭代一个模型。
谱睿源AI标注软件
测了两个月，过年前，C公司跟我们表达了两个意思：第一，谱睿源之前免费测试的那两台机器马上转正，第二，还要再买五台，一共七台。
接下来是M公司，M公司是纳斯达克上市公司，英伟达核心电源管理模块的主力供应商。他们研究了一年要不要对SIP元件进行全检。到一月份发现不全检不行了。
但中间有一次危机。2026年1月份发生了一个关键事件。项目总监冷眼旁观，对内部说了一句话：“如果谱睿源能解决，以后就都买他的；如果不能解决，以后再也不考虑他们。”我的项目总监在办公室悲观地说，客户要把我们踢出去了。但24小时，我们就把这个bug调完了，能做了。
今年大年初一晚上，M公司的中国区项目总监给我发消息问，“你3月2号早上有空吗？我们的全球二把手要见你。”去了以后当场告诉我：“我们决定，项目全部使用你的设备。”M公司内部评估，这个项目需要大批量机器。
订单开始爆发。6月份谱睿源就开始有出口了，出口到韩国和马来西亚。今年截止5月底交付的订单就3000万，在路上的订单有3000万，客户那边的预计订单应该已经上亿了。就是因为AI新基建，导致了原来不检测的东西都在检测。所有客户都认为，用了谱睿源的自动检测，最终质量不一样。
未来：TSV、TGV与百亿级PCB市场
我对未来有两个层面的思考。一个是明确目标，一个是开放想象。
明确目标里最确定的是TSV和TGV——through silicon via，through glass via，在芯片的硅片或玻璃基板上垂直打通微小的“电梯井”，让叠在一起的芯片层之间能直接通信。黄仁勋也讲了，信号传输距离越短损耗越低，用玻璃效果可能比树脂材料好。
先进封装结构示意图丨网络公开资料
随着摩尔定律放缓，芯片开始往立体堆叠方向发展，平面的路径变短，信号传输损耗降低。大量芯片叠在一起，要看内部缺陷图像又要在线全检，我都可以做，前提是有技术、有核心软件。
但目前国内没有设备能做TSV检测。TGV更是连检测方案都没有。今年的半导体大会，有投资机构追出来跟我聊，他们投资了一个做TSV的企业，没法测。国外有一家叫诺信的公司，去年在中国大概卖了十二台，单价两百万美元起步。
我这次拿到钱，专门要研发一台针对TSV市场的机器。TSV的难点在于函数的转变——通孔是垂直方向的，但我希望能横截面看。拍出来的是重叠图像，要变成另一视角的切片。这是数学问题，是信号处理。先把图像变成信号，再转变成图片。今年我一定会做出一台样机。
PCB高阶电路板是另一个巨大市场。S公司因为给英伟达高端GPU做PCB电路板，股价涨疯了。去年S公司给日本欧姆龙下了150台X光机的订单，单价超过50万美元，折合人民币订单6个亿。国内天津另一家X光机公司，拿到了H公司的约100台订单，价值两亿。电路板检测这是一个百亿级的市场，大规模生产2027年才开始。欧姆龙的技术比我们低，我们完全能做。
背钻孔结构示意图丨网络公开资料
电路板通孔检测和TSV原理是一样的。这种联想非常重要，联想的前提是对技术来源和应用、包括核心有充分的理解。我理解了，不会解题，找人解。解完了搭起来做，一步一步完善走到今天。
对于未来，我是谨慎乐观的。AI是趋势不是风口，应用场景会越来越多，AI新基建所需要的检测设备越来越多。电路板原本检测是0，TSV、TGV原来不存在，一旦检测，市场会很大。我们只做擅长的，只做有门槛的，只做别人进不来而我们有技术优势的产品。起步那年155万，今年可能上亿，明年如果1.5亿，每年50%甚至更高的增长。这是一个快速发展的公司，一定有大的机会。
我还有一个反常识的观点：AI不会让人失业，至少在工业检测领域不会。AI模型的数据一定要人工标定标注。机器不能自己定义真伪。现在好多人全在那里画圈圈做数据标注。AI的后端不但不会把人全裁了，反而会产生更多的新需求。大家不要神话AI。如果是写文章、做视频，有互联网大数据，AI很容易出来。但在我们这种工业小众行业搞AI，需要大量人工去喂数据，这其实提供了更多的就业。
创业者要热爱生活
关于创业，我的建议永远不超过三条。
第一，心态。任何创业者都要面临巨大的挫折感。不要相信成功学，你看到的永远是别人成功的一面，死人永远不会告诉你怎么死的。必须积极乐观。你没有抗压能力、没有自我调节能力，靠别人调节是调节不了的，这个问题只有你能解决。
第二，格局。兼听则明，什么信息都要接收，但要保持学习心态。跨学科的知识面一定要开。X光机就很典型，它跨的学科非常多——物理、数学、金属工艺学……我不会写代码，自己做题也做不出，但我知道谁能做。财去人聚，把大家团结到周围，在一起就可以做成一个很大的事情。
还有一个，深度观察。很多年轻创业者总喜欢追逐时髦概念，能不能耐下心来对一个行业进行深度观察？东西做10年，你是专家了。但观察比做更难，把深度观察的结果变成能落地的东西最难。我做设备，在行业里观察了整整20年。单纯获取信息不叫观察，叫记录。真正的观察是拆成文字、部件、细节，再进行深度的逻辑分析。很多人跑步听歌，我跑步听讲座或历史故事，甚至跑步的时候脑袋里可以把一台机器拆成一个个零部件，不断推演重组。台下十年功，台上一分钟。当你在脑子里全推演通了，实践往往是水到渠成的事。
我招人看一个特质——他是不是热爱生活。不能只是做题，必须有更广的兴趣爱好。我从小喜欢看推理小说，对福尔摩斯最大的印象就是当他做不了事情的时候，拉小提琴、做化学实验。他不想让大脑松下来，用另一个方法放松这边，那边就会产生灵感。我玩大号和上低音号，从1986年接触乐器到现在40年了。我喜欢练毛笔字、读史记左传、跑步打羽毛球。碰到困难挫折时，有办法舒缓压力保持积极。我从来不逃避问题，遇到问题我的任务就是解决它，自己解决不了就找资源解决。
我的父亲今年八十八岁，退休前是交大机械系系主任，现在每天依旧做几套数学题。数学是自然科学的皇冠。我觉得我未来以后应该也走这条路。
本文来自果壳，未经授权不得转载.