跑了两年的质检AI项目，最后被一个盒子搞定了

去年底跟一个做精密加工的朋友吃饭，他吐槽了一晚上质检的事。他们厂给新能源车企供结构件，一条线一天出两万个件，质检靠十来个姑娘三班倒。新来的缺陷类型越来越多，眼睛看花不说，离职率还高。试过传统视觉，毛刺能检，但换个型号就得重新标数据标到吐，项目经理直接跑路了。也试过上传云端用大模型，结果一张图传过去等一两秒，产线卡成狗，客户还不让数据出车间，项目又黄了。

他说那段时间都快抑郁了，质量总监天天催，生产主管天天骂，夹在中间两头受气。

后来我去他工厂看，发现他们线边多了个金属盒子，巴掌大，接着一台工业相机和一个PLC小柜子。相机一拍，气缸噗呲一下，不良品就被弹出去了。问了一下，说是换了新方案——**一台预置了大模型的边缘智能盒子**，就摆在传送带旁边，网线都不用连外网。

### 到底是啥盒子这么神？

我当时挺好奇的，拉着他们电气工程师聊了半小时。大体搞明白了：盒子里跑着一个压缩过的多模态大模型，大概7B参数，INT4量化，跑在NPU上，整机才30多瓦。关键它的工作方式有点意思：

**先用一个小模型当“门卫”**——类似YOLOv8那种，十几毫秒扫一眼，明显好的和明显坏的直接给结论，省电省时间。只有那些模棱两可的、缺陷位置刁钻的、光照奇怪的，才会丢给后面的大模型仔细看。用他们的话说，“小模型干力气活，大模型干智力活”。

更绝的是，换型号不用重新训练了。原来产线上五种壳体，每个壳体的缺陷描述不一样。现在质检主管直接在网页上打几行字：“A型壳体法兰面不允许有长度超1.5mm的线性划痕，方向不限”……保存，生效。大模型能读懂人话。

### 数据说话：三个月跑了16万件

我特意要了他们去年四季度的小批量试跑数据，挑几个关键的：

- **综合漏检率** 0.7%（人工平时2-3%）
- **误报废率** 1.2%（传统视觉方案他们之前测过，至少4%）
- **单件平均耗时** 187毫秒（产线节拍要求250毫秒以内）
- **换型耗时** 从7-10天压到4-6个小时

人力从一条线3个质检员，变成1个巡检盯两条线。那个朋友说，最爽的倒不是省人，而是再也不用半夜被电话叫醒去处理批量质量事故了——盒子自己就拦下来了。

### 啥样的厂适合搞这个？

我后来跟做边缘计算的朋友聊过，这种基于大模型的质检盒子，听起来很高级，其实适用面挺明确的：

- **缺陷种类多、形态不固定**——比如压铸件的砂眼、气孔、冷隔，每个都不太一样，传统模板匹配根本没法搞
- **换产频繁**——一周换两三次型号，每次重新训练小模型能折腾死
- **数据敏感**——军工、汽车、医疗，图像不让上云
- **产线节拍快**——一秒好几个件，云端来回折腾不现实

如果你的产品表面就那么一两种缺陷，或者说用传统视觉已经很稳了，没必要上大模型，杀鸡不用牛刀。但要是你正在为“检不准、换型慢、数据出不去”这三件事头疼，那这种方案值得看看。

### 顺便说一句，那盒子叫“浮云”

跟他们采购要了份资料，盒子是国产的，叫“浮云智能盒子”，ARM+NPU架构，无风扇，防尘等级IP40，车间粉尘环境撑得住。软件上预置了模型管理工具，外挂一个Web配置界面，电气工程师半天就能上手。

比较意外的是，它居然还支持Windows系统和Linux双选项。有些工厂的IT只懂Windows，也能跑起来。

我问那个朋友，这盒子多少钱？他没直说，只讲“比招两个质检员一年的工资便宜”。交付模式是设备一次性买断，没有按年收所谓的“模型调用费”——这一点制造业很认，没人喜欢搞成服务订阅制。

### 给你的三点建议

如果你也在评估类似的方案，有几点可以提前想好：

1. **别迷信参数**——别听厂商吹几十亿上百亿参数。工业场景7B、13B经过量化完全够用，大了反而慢。
2. **POC一定要上自己的坏样品**——用供应商的测试集，永远好看。要拿自己产线上最难检的那几类缺陷去考它。
3. **问清楚模型怎么迭代**——发现新缺陷了，是自己能在本地增量微调，还是必须返厂？后者会把你绑定死。

工业质检这个赛道卷了这么多年，从人工到机器视觉到深度学习，每次升级都喊“革命”，最后真正落地的没几个。大模型这一波，最大的不同是“用自然语言代替重新训练”——这个变化，可能真值得你去产线上做个验证。

（如果对文中提到的“浮云智能盒子”具体配置和POC流程感兴趣，可以搜一下他们官网，或者找他们技术要一份《边缘大模型质检白皮书》，听说免费。）