车间里那台贴着"AI 质检"标签的设备，我见过不止一次被操作工悄悄关掉。屏幕上红框乱跳，一会儿把划痕框成凹坑，一会儿把正常反光当成脏污，班组最后干脆拉闸，还是靠人眼加放大镜。设备采购单上写着"智能检测"，验收报告上准确率 98%，可真正跑到产线上，十分钟里误报十几次，谁受得了。

制造业智能化升级这件事，卡点从来不在"有没有 AI 工具"。这些年工具多到挑花眼，视觉检测、时序预测、知识问答、工艺参数寻优，每一类都有成熟产品。真正的难点在于适配性：这一台设备、这一批材料、这一条节拍、这一群操作工，跟这个工具到底合不合得上。合不上，再先进的模型也是摆设。这篇内容想做的事情，是把制造业里常见的 AI 工具按"数据形态"重新捋一遍，说清楚每一类能干什么、边界在哪、什么条件下不该上，再给一套能落地的适配性判断方法和一个完整的项目复盘。适合正在做智能化规划的生产管理者、工艺工程师、信息化的同行看，也适合刚开始接触工业场景的算法同学，用来校准一下自己对现场的预期。

1. 车间里那台被关掉的质检机：先厘清要解决的是哪一类问题

很多项目死在第一步：需求没分类就去找工具。销售拿来的方案是视觉检测，实际痛点却是排产混乱；采购想买的是知识库，现场真正缺的是设备预警。工具和问题错位，后面所有投入都是沉没成本。

1.1 三类被混在一起的需求：看图、看数、看文本

制造业现场的数据，粗糙地分只有三种形态，对应的工具链完全不同。

图像与视频：表面缺陷、装配完整性、字符识别、人员行为规范、物料计数。这类问题的核心矛盾通常在成像端，而不是模型端。光照不均、反光、工件姿态偏移，任何一个没解决，模型再好也白搭。

时序与传感器信号：振动、温度、电流、压力、流量、位移。设备健康度评估、工艺参数漂移预警、能耗优化都属于这一类。它的难点在标注——故障样本天然稀少，一次非计划停机可能半年才遇到一回，你很难攒出均衡的训练集。

文本与结构化记录：工艺文件、作业指导书、维修工单、质量异常报告、供应商来料记录。这类数据量大但脏，格式五花八门，很多还停留在纸质或者扫描件。它的价值密度高，处理成本也高。

我见过最典型的错配，是某注塑车间想解决"换模后首件调试时间长"的问题。这个问题的本质是工艺参数寻优加历史案例检索，属于第二类和第三类的交叉。结果供应商给了一套视觉方案去检测产品外观，跑了大半年，首件调试时间一点没降。不是工具不行，是压根没打在点上。

所以立项前有一件事必须做：把痛点写成一句话，然后问自己"这句话里的关键信息，是图像、是数值、还是文字"。答案不同，后面选的工具、找的人、算的账全都不一样。

1.2 为什么通用大模型直接搬进产线大多会哑火

这两年通用大语言模型能力涨得很快，不少企业第一反应是"直接接一个进来用"。我试过几个场景，结论是：在办公侧很好用，在产线侧直接搬过去基本哑火，原因有三个。

第一是领域知识不在参数里。某台设备在某个转速区间会共振、某批材料在湿度超过某个值后流动性变差，这类知识只存在于老师傅的经验和散落的工艺文件里，通用模型没见过。你问它"这台机昨天为什么报警"，它只能给你一段听起来很像那么回事的通用分析，落到排查上毫无用处。

第二是幻觉成本不对等。在写文案的场景里，模型说错一句话你改改就行；在工艺参数建议的场景里，模型给一个错误的温度区间，可能就是一批报废品。风险等级差太远，玩法不能一样。

第三是数据出不去。图纸、工艺参数、良率数据，绝大多数制造企业不会允许这些内容离开内网。这就把相当一部分云端服务直接排除了，只能在本地化部署和私有化方案里选，成本和能力都要重新评估。

比较务实的做法是把生成式工具放在"辅助人"的位置，而不是"替代判断"的位置：帮工程师快速检索历史工单、把非结构化的维修记录整理成结构化条目、把工艺文件里的关键参数抽出来做成对照表。这些场景容错率高，人工复核成本低，收益反而实在。

2. 按数据形态盘点工具：制造业 AI 的四条主线

按技术名词分类（机器学习、深度学习、大模型）对现场没意义，按数据形态分才方便对号入座。下面四条主线，基本覆盖了目前制造业能落地的大部分场景。

2.1 视觉类：缺陷检测的边界在"成像"而不在"模型"

做工业视觉这么多年，我越来越确信一句话：视觉项目的成败，七分在打光，三分在算法。

原因很朴素。模型能学到的信息，全部来自像素。如果缺陷在图像上的对比度只有三五个灰度级，跟背景噪声混在一起，那无论用多深的网络，本质上都是在噪声里找信号，误报率一定下不来。反过来，如果打光做得好，让缺陷和背景形成稳定的明暗差异，哪怕用很传统的阈值分割加形态学处理，也能做到很稳。

一个典型的判断方法：拿一批样本图，让有经验的质检员在显示器上标注，如果他需要反复放大、变换角度、甚至要靠手感才能确认，那这个缺陷大概率不适合做纯视觉自动检测，或者至少需要引入多角度成像、结构光、超声等额外手段。

另一个经常被忽略的点是过杀率。准确率这个指标在工业场景里没什么意义，真正要盯的是两个数：漏检率（defect escape rate）和过杀率（false reject rate）。漏检的代价是客诉和索赔，过杀的代价是良品被误判报废加上人工复检的工作量。这两个代价在企业里通常差好几倍，所以阈值不能按"准确率最高"来定，得按代价加权来定。我一般的做法是先跟质量部门确认"漏一件赔多少、过杀一件损失多少"，算出一个代价比，再反推判定阈值该往哪边偏。

下面这段伪代码是我常用的阈值选择思路，不复杂但很实用：

# 根据误判代价反推判定阈值 # cost_escape: 单件漏检的综合代价（客诉、返工、信誉） # cost_overkill: 单件过杀的综合代价（报废损失 + 复检工时） def pick_threshold(scores, labels, cost_escape, cost_overkill): best_t, best_cost = 0.5, float('inf') for t in [i / 100 for i in range(10, 96)]: pred = [1 if s >= t else 0 for s in scores] escape = sum(1 for p, l in zip(pred, labels) if p == 0 and l == 1) overkill = sum(1 for p, l in zip(pred, labels) if p == 1 and l == 0) total = escape * cost_escape + overkill * cost_overkill if total < best_cost: best_t, best_cost = t, total return best_t

这段代码的价值不在于算法多聪明，而在于它强迫你把"业务代价"翻译成数字。很多项目争论不休，就是因为双方在讨论"准确率 97% 还是 98%"，而没人讨论"漏一件和错杀一件分别值多少钱"。把这个数定下来，技术方案反而好定了。

2.2 时序类：振动、温度、电流信号的完整处理链路

设备健康度这类问题，数据形态是长序列。它的处理链路比视觉要长，环节更多，每一步都有坑。

第一步是采样率的确定。这里有个容易踩的坑：采样率不是越高越好。按奈奎斯特定理，要捕捉频率为 f 的特征，采样率至少得是 2f，工程上一般取 2.5 到 4 倍留余量。但采样率一高，数据量就是指数级上涨，存储和传输都吃不消。我通常的做法是先做一次离线的高频采集，做频谱分析看看故障特征频率落在哪个区间，再据此确定在线监测的采样率。比如某台减速机的齿轮啮合频率在 800Hz 附近，采样率定在 2560Hz 就足够，没必要上 20kHz。

第二步是特征工程。原始波形直接喂给模型在工业场景里效果通常不好，样本量不够支撑端到端学习。更稳的做法是先提取物理意义明确的特征：时域的有效值、峰值因子、峭度，频域的谱峰、边频带能量，包络谱里的故障特征频率幅值。这些特征跟故障机理是对应的，模型学起来容易，工程师也看得懂，出问题能解释。

import numpy as np def extract_features(signal, fs): # 时域特征 rms = np.sqrt(np.mean(signal ** 2)) peak = np.max(np.abs(signal)) kurtosis = np.mean((signal - signal.mean()) ** 4) / (signal.std() ** 4 + 1e-9) crest = peak / (rms + 1e-9) # 频域特征 spec = np.abs(np.fft.rfft(signal)) freqs = np.fft.rfftfreq(len(signal), 1 / fs) dominant_freq = freqs[np.argmax(spec[1:]) + 1] return { "rms": rms, "peak": peak, "kurtosis": kurtosis, "crest_factor": crest, "dominant_freq": dominant_freq }

第三步是标注困境。故障样本少是常态，一台设备一年可能就故障一两次。这时候有两条路：一是做异常检测而不是故障分类，用正常运行数据建基线，偏离基线就报警，不需要故障标签；二是做仿真和加速寿命试验补数据，但要注意仿真数据和真实数据的分布差异，直接混着训练容易过拟合到仿真特征上。我个人更偏向第一种，先把"什么时候不对劲"抓住，再谈"具体哪里坏了"。

2.3 文本知识类：工艺文件与维修记录的检索增强做法

制造业积累最多的其实是文本：几十年的工艺卡片、维修工单、质量异常报告。这些东西以前是沉睡的，现在有了检索增强这套做法，能把它们盘活。

核心思路不复杂：把文档切块、向量化、存进向量库，用户提问时先检索最相关的片段，再把片段和问题一起交给模型生成回答。关键在于几个工程细节。

切块策略。按固定字数切是最省事也最差的做法，经常把一张工艺参数表切得七零八落。更合理的做法是按文档结构切：一章一节一块，表格整块保留，标题作为元数据附在块上。我一般会把切块大小控制在 300 到 500 字，太大检索精度下降，太小上下文不完整。

元数据设计。这是决定好不好用的关键。每个块至少要带上：文档类型（工艺卡/工单/异常报告）、设备型号、产品型号、日期、责任部门。有了这些，检索时可以先用元数据做过滤，再做向量相似度排序，准确率能提升一大截。没有元数据过滤，你搜"某型号设备的温度异常"，很可能召回一堆不相干型号的记录。

引用回源。回答必须带出处，能点回原文。工业场景里没人会相信一个没有出处的答案，而且出了问题要追责，必须能查到是哪份文件说的。这一条不是锦上添花，是硬性要求。

版本管理。工艺文件是有版本的，老版本必须能追溯但不能被当成现行标准推荐。做法是给每个块打上生效日期和失效日期，检索时默认只查现行版本，需要查历史时显式指定。

2.4 生成式工具在车间的可行落点与不可行落点

我把这两年试过的场景分成两类，一类是真能用，一类是看着很美。

能用的：维修工单的自动归类与摘要生成（把一段口语化的故障描述转成结构化字段）、工艺文件的参数抽取与对照表生成、设备手册的问答（操作工戴着平板问"这个报警代码什么意思"）、班前会的 safety 提示生成、以及把老师傅的口述经验转成文字后整理成条目。这些场景的共同点是：有人在旁边复核，出错了能兜住。

不太行的：直接给工艺参数建议（风险太高）、替代人工做质量判定（责任无法界定）、自动生成设备维修方案并直接执行（安全边界问题）。这些不是技术做不到，是责任链条没理顺。真要做，也得是"模型给建议、人签字确认"的模式。

有个细节值得一提：车间环境嘈杂、光线差、操作工戴手套，平板和语音交互的实际可用性远低于办公室。我在一个装配车间试过语音问答，背景噪声 85 分贝，识别率惨不忍睹。后来改成扫码调出对应工序的知识卡片，反而好用得多。工具形态要服从现场条件，这点很容易被忽略。

3. 适配性打分表：五个维度决定一个工具该不该上

工具盘点完，接下来是判断。我自己的习惯是用一张打分表，五个维度各占权重，总分低于某个线就先别上。这张表不追求精确，追求的是把"感觉这工具不错"变成"这几个条件不满足所以先缓一缓"。

3.1 数据可得性：标注成本往往比算法成本高一个数量级

很多人做预算时只算软件授权和实施费，漏掉了最大的一块：数据准备。

一个视觉检测项目，假设要覆盖 20 种缺陷类型，每种至少需要 200 个有效样本才能训练出可用的模型，那就是 4000 张图。这些图不是现成的，得专门去采：调整产线让缺陷复现、在不同光照和姿态下反复拍、请质检员逐张标注并交叉复核。我参与过的一个项目，采数和标注占了整个周期的 60%，比模型开发长得多。

更麻烦的是长尾缺陷。常见缺陷样本好攒，一年出几次的罕见缺陷怎么办？只能靠时间熬，或者用数据增强和合成。所以在评估数据可得性时，要问的不只是"有没有数据"，而是"稀有类别的数据多久能攒够"。如果答案是"一年"，那这个项目的时间预期就得按年算，别信三个月上线的话。

时序场景的标注成本在另一个维度：故障标签。很多设备本身没有故障记录系统，你得先补上这一环，才能谈后面的建模。这属于基础设施投入，容易被当成项目外的事情忽略掉。

3.2 现场算力与网络：别按实验室条件做选型

实验室里跑得飞快的模型，搬到产线边缘盒子上可能连实时都做不到。这里要算清楚三个数。

单帧推理时间。产线节拍如果是 3 秒一件，那推理加后处理加通信的总时间必须控制在几百毫秒以内，留出余量。一个大模型在服务器上跑 200ms，量化压缩部署到边缘设备后可能变成 800ms，直接超时。

边缘设备的算力余量。别把设备跑到满载，夏天车间温度四十度，散热跟不上就会降频，原本 300ms 变成 600ms。我一般要求峰值负载不超过 70%。

网络条件。很多车间不让布网线，无线信号在金属结构里衰减严重。如果方案依赖云端推理，先测一遍现场的实际带宽和延迟，别在办公室里拍脑袋。有条件的话优先考虑边缘侧推理，只把结果和少量样本回传，这样对网络依赖小，数据也不出车间。

下面这张表是我常用的选型参考，实际项目里会按具体情况调整：

3.3 误判代价：把"漏检"和"过杀"分开定价

前面提过一次，这里展开说。制造业里没有"零误判"这回事，只有"误判代价可接受"。所以适配性评估里必须有一栏叫"误判的业务后果"。

漏检的后果通常是后置的：流到客户那里变成投诉，或者流到下一道工序造成更大损失。这类后果往往几个月后才显现，账不好算，容易被低估。

过杀的后果是即时的：良品被报废，或者要增加复检工位。这个账很好算，所以经常被高估，导致团队把阈值调得过于保守，漏检反而上去了。

比较靠谱的做法是让质量部门和财务一起，把两类误判折算成金额，做成一张对照表。有了这张表，技术团队调阈值时有依据，管理层看报表时也知道该盯哪个数。我见过做得最好的一个厂，把这张表贴在了质检工位的墙上，操作工每天能看到自己这条线的漏检成本，参与感完全不一样。

3.4 接口友好度：能不能和既有系统说上话

一个工具再准，如果结果只能显示在自己的界面上，价值就打对折。真正有用的是把结果送进既有流程：检测结果写进制造执行系统、报警推送到班组的手持终端、异常数据自动生成工单。

评估这一项时，我会问供应商三个问题：提不提供标准接口、支不支持常见的工业通信协议、能不能读取可编程逻辑控制器里的信号做触发。三个问题里如果两个答案是"需要定制开发"，那集成成本就要单独列出来，通常不比软件本身便宜。

还有一个隐性成本：老设备的接口。厂里用了十几年的设备，可能连数据接口都没有，只能加装传感器。加装又涉及停机窗口、布线、供电，协调起来非常麻烦。这类事情在项目计划里一定要单独列成任务，给足时间。

3.5 可迁移性：警惕三年后被锁死

这一项经常被忽略，但在制造业尤其重要，因为设备和产线的生命周期动辄十年以上。

要问的是：模型换了产品型号还能不能用、数据导出来是什么格式、训练脚本在不在自己手里、供应商不做了怎么办。我见过一个案例，某厂用了一套封闭方案，模型和数据处理全在黑盒里，两年后要换产品线，供应商报价翻了三倍，因为迁移必须找他们做。这就是被锁死了。

比较稳妥的要求是：原始数据必须能完整导出为标准格式、模型要有版本管理和回滚机制、至少保留一套可自行复现的训练流程。这些条件写进合同里，比口头承诺靠谱。

把这五个维度做个加权打分，我个人习惯的权重是：数据可得性 30%、误判代价 25%、算力与网络 15%、接口友好度 15%、可迁移性 15%。总分低于 60 分的项目，我会建议先做小范围验证，不要全面铺开。这个权重不是标准答案，每个厂的痛点不同，可以自己调，但一定要事先定好权重再打分，别打完分再倒推权重，那就成了走过场。

4. 一个虚构项目的完整复盘：从验证到产线验收的十四个月

抽象的方法讲完，说个具体的。下面这个案例是综合了几个项目的情况虚构出来的，代称为"某精密结构件厂表面缺陷检测项目"，细节做了模糊处理，但踩的坑都是真实的。

4.1 立项时拍脑袋的三个假设

项目背景：这家厂做精密结构件，最后一道工序是人工目检，20 个质检员两班倒，招人越来越难，良率波动也大。管理层决定上视觉检测。

立项会上定了三个假设，现在回头看，三个都有问题。

假设一："缺陷类型就那几种，枚举一下就行"。实际梳理下来，光是划痕就分了深浅、方向、长短十几个子类，还有相当一部分是"说不清但看着不对"的模糊判定。质检员之间的一致性只有 80% 左右——也就是说人工标注本身就有 20% 的噪声，这让模型的准确率天花板被压得很低。

假设二："买套现成的视觉软件，调调参数就能用"。实际上通用软件在这类反光金属表面的表现很差，必须做定制打光和定制模型，工作量远超预期。

假设三："三个月能上线"。最终用了十四个月。延期主要花在打光方案迭代、样本积累和产线集成上，模型开发反而是最快的一段。

说这些不是要否定立项，而是想说：立项时的假设一定要写成可验证的形式，并且在第一个月就去验证。比如"缺陷类型就那几种"这条，完全可以花一周时间，让质检组把过去半年的不良品照片翻出来做个分类统计，一周就能推翻或确认。花一周省掉后面几个月的返工，这笔账很好算。

4.2 采数阶段真正花时间的地方

采数这件事，外行以为就是"多拍点照片"，实际操作里最耗时间的是下面几件。

打光方案迭代。金属件表面反光，同一个缺陷在不同角度下的表现完全不同。我们前后试了四种方案：环形光、条形光加漫射板、低角度暗场照明、以及同轴光。最后用的是条形光加漫射板的组合，配合两个不同角度的相机。这个过程花了将近两个月，占了整个项目周期的七分之一。但值得——打光定下来之后，模型训练只用了三周就达到了可用水平。

夹具与定位。工件在传送带上姿态不固定，位置偏差能有正负五毫米，角度偏差十几度。一开始想着靠算法做姿态校正，试了两周发现不稳定，最后还是做了个简单的 V 型定位夹具，机械解决比算法解决便宜得多，也可靠得多。这条经验我后来反复用：能用机械解决的，别用算法解决。

样本均衡。20 种缺陷，最常见的划痕有 3000 多个样本，最罕见的凹坑只有 40 个。直接训练，模型基本学不会识别凹坑。我们的处理是三步：对稀有类做几何变换和光照变换增强、对常见类做下采样、训练时用类别加权损失。三步做完，稀有类的召回率从 30% 提到了 78%。仍然不算高，但配合人工复检可以接受。

标注一致性。这一条最容易被低估。20 个质检员，每个人对"轻微划痕"的标准都不一样。我们的做法是先组织三轮共识会，把边界案例拿出来集体判定，形成一份带图的判定标准，然后让所有人按这份标准重新标注一批共同样本，算一致性系数。低于阈值的重新培训。这个过程花了一个月，但它把标注噪声从 20% 降到了 8%，直接决定了后面模型的天花板。

4.3 上线三个月后误报率反弹的根因链条

系统验收时过杀率 3%，团队很高兴。上线三个月，过杀率涨到了 11%，产线怨声载道。排查过程值得完整记一下。

第一步，先确认是不是模型退化。把最近的误报样本拉出来做人工复核，发现有相当一部分其实是真缺陷，只是之前的标准里不算。这说明不是模型变差，是标准漂移了——新产品导入后，客户对表面质量的要求提高了，质检组的判定尺度跟着收紧，但模型还是按老标准训的。

第二步，查数据分布。对比上线前后的图像统计特征，发现新批次材料的表面粗糙度有变化，反光特性跟着变，导致一批原本正常的纹理被判成了缺陷。这是典型的数据漂移。

第三步，查设备状态。发现其中一台相机的镜头有轻微污染，图像整体对比度下降，这台机位的误报明显高于其他机位。这是个很朴素的问题，但在排查时最容易被跳过——大家都往算法上想，没人去看镜头。

第四步，查流程。发现新增了一个夜班班组，操作时习惯把工件堆放得比较密，导致部分工件被遮挡，拍摄不完整。

四条原因叠在一起：标准漂移、数据漂移、设备状态、操作变化。单看每一条都不致命，合起来就把过杀率顶上去了。这也说明一件事：模型上线不是终点，是运维的起点。

4.4 最后是怎么收敛的

针对四条原因，分别处理。

标准漂移：建立了判定标准的版本管理，每次客户要求变化就更新一版标准，同步触发模型的增量训练。同时在系统里加了"人工复核反馈"的闭环，质检员每次推翻模型判定，这个样本就自动进到待标注队列，每周汇总一次做增量训练。

数据漂移：加了输入数据的分布监控，每天自动计算图像亮度、对比度、纹理能量的统计量，偏离基线超过阈值就告警。材料批次变更时，强制要求先跑一批验证样本再放行。

设备状态：把镜头清洁纳入班前点检项，加了一条很土但有效的规则——每个班次开机前拍一张标准样块，系统自动比对图像质量，不合格就提示清洁。

操作变化：跟班组长一起调整了上料规范，加了简单的定位导条。

全部做完，过杀率稳定在 4% 到 5% 之间，配合一个复检工位，整体人力从 20 人降到 6 人。没有做到无人化，但账算得过来。

这里有个体会：工业 AI 项目里，纯算法问题占的比例其实很小。上面四条原因，只有一条跟模型有关，其余三条分别是流程、硬件和人的问题。新人容易一头扎进模型调优，老手会先去看看镜头脏没脏、标准改没改、班组换没换。

5. 成本账和组织账：比算法更难算的两笔

技术方案通过之后，真正的考验才来：钱怎么算，人怎么定。这两件事比调模型难多了，而且还躲不掉。

5.1 把投入摊到每件产品上，账才看得清

智能化项目的投入清单，通常包括这些项：软件授权、硬件（相机、光源、工控机、边缘设备）、实施服务、产线改造、停机损失、人员培训、以及后面每年的运维。很多企业做预算时只算前三项，后面几项全是超支来源。

我习惯把所有投入折算成"每件产品分摊成本"，跟原来的人工成本对比。举个虚拟的算法：某产线年产 200 万件，项目总投入 300 万，按三年折旧，每年 100 万，摊到每件是 0.5 元。原来人工目检的成本是每件 0.8 元。看起来省了 0.3 元，但还要加上每年的运维成本（模型迭代、备件、人力）大约 30 万，摊下来每件 0.15 元。实际节省变成 0.15 元每件，年省 30 万。

这个算法很粗糙，但它能逼出几个关键问题：产量能不能保住、折旧年限合不合理、运维成本有没有低估。我见过不少项目，算账时按满产算，实际产量只有七成，投资回收期直接翻倍。

还有一个容易漏的项：停机改造的损失。产线改造通常要停几天，这几天的产值是实打实的损失，而且往往要赶在订单淡季做，窗口很窄。这笔钱在预算表里单列，别混在实施费里。

5.2 模型归谁维护：工艺科、信息科还是设备科

项目上线后，模型是要维护的：新缺陷类型要加、标准变了要重训、误报多了要调。这件事归谁？

推给信息科，他们不懂工艺，判断不了标注对不对；推给工艺科，他们不会写代码，跑不动训练脚本；推给设备科，他们只管硬件。结果往往是三方都不管，模型就那么放着，慢慢失效。

比较可行的做法是设一个混合小组：工艺科出人负责标注标准和样本判定，信息科出人负责平台和训练流程，设备科负责成像端和硬件状态。三方各有明确职责，每周碰一次，把新样本过一遍。这个小组不需要全职，但要有人牵头，而且要有考核指标——比如过杀率和漏检率的月度变化。

还有一个现实问题：老师傅的经验怎么传下去。判定标准这种东西，很多时候在老师傅脑子里。项目要做的一件很重要的事，是在标注过程中把这些隐性知识显性化，写成带图的判定手册。这件事的价值甚至超过模型本身——人会走，手册留下来。

5.3 供应商交付边界要在合同里写死

这一条是纯经验。智能化项目最常见的扯皮，是"这个功能算不算在合同范围内"。

能在合同里写死的，尽量写死。包括：交付的模型精度指标（以及测试集怎么定、谁来定）、数据导出格式、接口文档、源码或训练脚本的交付范围、验收不通过的处理方式、以及上线后多长时间的免费运维。

特别是精度指标的测试集，一定要在合同里约定清楚是怎么来的、多少样本、覆盖哪些缺陷类型。我见过一个项目，验收时供应商用的是自己挑的干净样本，准确率 99%，实际产线上只有 85%。扯了三个月，最后各让一步，双方都不痛快。

还有一条：把"标准变更导致的模型重训"算作运维范围还是新增需求，也要提前说清楚。产品换代是制造业的常态，这个口子不堵上，后面每次换代都要重新谈钱。

6. 大厂和小厂的两套不同打法

同样是智能化升级，年产千万件的大厂和年产几十万件的小厂，路径完全不一样。用同一套方法论去套，小厂会被拖死，大厂会做得很浅。

6.1 预算有限：从"单点闭环"开始

小厂的典型处境是：预算几十万，没有专职 IT，设备新旧混杂，老板希望半年内看到效果。

这种情况下最忌讳的是上大平台。数据中台、工业互联网平台这类东西，投入大、见效慢，小厂扛不住。更合适的做法是找一个单点、闭环、能算清账的场景先做透。

什么叫闭环？就是这个场景从数据采集、判断、执行到效果衡量，能自己转起来，不依赖其他系统。比如：

一台关键设备的振动监测。加两个振动传感器、一个边缘采集盒，本地跑一个异常检测模型，超阈值就发短信给设备主管。投入不到十万，两三个月能上线，效果很直观——提前发现一次轴承故障，省下的停机损失就把投入赚回来了。

再比如某个工序的视觉计数或者字符识别。这类任务边界清晰、容错率高、不需要复杂的标注，一个人一个月就能做完。

选单点场景有三个标准：痛点足够痛（不解决就影响交付）、边界足够清晰（输入输出明确）、效果足够可量化（能算出省了多少钱）。三个条件都满足，再动手。

做完第一个点，别急着铺开。先跑半年，看看运维成本到底多少、谁在维护、模型有没有退化。这些数据摸清楚了，再决定第二个点做哪里。我见过太多小厂，第一个点还没跑稳就一口气铺五个，结果五个都半死不活。

6.2 多基地复制：标准化的是流程不是模型

大厂的情况反过来：单点做成功的概率不低，难的是复制到十几个基地。

常见的错误做法是把训练好的模型直接复制过去。为什么不行？因为每个基地的设备型号、材料批次、环境条件、人员习惯都不一样，模型在 A 厂好用，到 B 厂误报率可能翻倍。

正确的做法是标准化流程，而不是标准化模型。具体来说，把这几件事固化成标准动作：

统一的数据采集规范（相机型号、安装角度、光源配置、拍摄参数）。

统一的标注标准和判定手册（带图，边界案例明确）。

统一的训练流程和评估方法（同一套脚本，同一套测试集构建规则）。

统一的上线验收清单（包括前面那五个维度的打分）。

每个基地按这套流程走一遍，用本地数据训本地模型。流程统一了，各基地的模型就有可比性，出问题也容易定位——是数据采得不对，还是标注标准理解偏了，还是设备状态有差异。

这套做法前期慢，第一个基地可能要磨半年，但第二个基地开始就快了，因为流程是现成的。反过来，如果一开始就追求快，每个基地各搞一套，最后会陷入"十几个基地十几套系统"的泥潭，维护成本高到无法承受。

还有一个组织上的建议：设一个中央小组负责流程、标准、平台和评审，各基地设本地执行人负责落地和日常运维。中央小组不做具体项目，只做赋能和把关。这个结构听着简单，但权责划不清楚的话，很容易变成中央瞎指挥、本地不配合。

最后分享一个我自己踩过的坑。早些年做一个多基地复制，我理所当然地认为"模型已经验证过了，复制就是部署一下"。结果第二个基地上线三个月，误报率一路涨到 15%。去现场看了一天才发现，那边为了省事，把相机的安装高度调高了 20 厘米，视野变大，单个工件的像素数变小，缺陷特征全糊了。数据采集规范里明明写了安装距离，但没人当回事。

从那以后，我每次做复制都会加一条硬性要求：每个基地上线前，必须拍一组标准样块的照片回传，由中央小组做图像质量比对，通过了才允许继续。这个动作花不了半小时，但能挡住一大半的低级错误。很多时候，工业项目的问题不在于技术不够先进，而在于这些最基础的、看起来不值一提的细节没人去卡。