你能想象吗？一颗直径不到4毫米的小钢球，竟能难倒一家年产值几亿的轴承厂。北京凡钢科技创始人卢无为分享的案例，揭示了AI如何助力山东一家轴承公司攻克钢球质检难题，这场变革充满了挑战与启示。

一颗小钢球的质检难题

钢球虽小，作用却大。家里的窗帘滑轨、橱柜滑轮、洗衣机滚筒，工业领域的电动汽车、人形机器人等热门产业的轴承，都离不开它。没有高质量的钢球，设备的可靠性就无从谈起。

然而，小钢球的质检难度极高。检测的钢球直径最小仅3.969毫米，表面缺陷如擦伤、划伤、裂纹、凹坑、杂质等，都是微米级的，肉眼根本难以看清。传统的质检方式是人工抽检，一批次生产十几万颗钢球，按10%左右的比例抽检，依靠经验丰富的老师傅借助检测仪判断。但这种方式存在诸多局限：效率极低，有经验的熟手一小时也只能检查约300颗钢球，远跟不上生产线一天生产几万颗钢球的速度，且长时间用显微镜检验，检验员眼睛易疲劳，准确率难保证；不同检验员的判断标准不一致，质检可靠性成难题；抽检的不良率标准若定在5%，无法让不良率降得更低。

卢无为他们尝试过多种办法，如多招检验员、提高检测仪放大倍率、买进口光学检测仪、提高抽检比例等，但要么成本太高，要么效果有限，始终无法解决“小钢球缺陷微细、批量质检效率低”的难题。

AI解决方案三步走

卢无为团队最初解决问题时，采取了“头痛医头、脚痛医脚”的方式，却走了不少弯路。为解决油污干扰问题，他们先安排工人擦拭油污，结果抹布带来新杂质，且清理油污后钢球在传输中易产生新划痕，前期投入的几十万设备和人力成本付诸东流。在选择相机时，他们一开始瞄准百万元级别的芯片级相机，实测发现几万元的工业相机配上定制的光源和镜头就能满足需求。

踩过这些“巨额学费”后，卢无为意识到要拆解整个质检流程，找到关键环节，最终抽象出3个关键步骤：
1. 让AI看得清：在传送带两侧各装一台高速工业相机，对每颗钢球进行360°连拍。为解决钢球表面油污、反光以及不同车间光线条件不同的问题，给相机加了带罩的可调灯箱，开机自动调亮度，确保在不同车间拍出的照片效果一致。
2. 让AI学得会：钢球缺陷依据国家行业标准分类，可在通用大模型基础上进行针对钢球缺陷的专项训练。但AI需要大量缺陷样本学习，人工逐张标注效率低，他们采用半自动标注工具，机器先圈出可疑区域，人快速确认，效率提升好几倍。
3. 让AI判得准：设计「现场秒判 + 夜间进修」模式。白天，AI在工厂现场进行推理，上传相机照片后几乎立刻出结果；晚上收工后，把当天数据上传云端进行训练和优化，第二天模型升级，更聪明。这种设计既保证了现场推理的速度，又保证了准确率的持续提升。

这套系统效果显著：AI质检速度每小时5万颗，是人工的100多倍；准确率达到95%左右；原来一条产线要6 - 7人轮班，现在只需1人盯监控，单条产线的人力成本从一年40多万降到几万块钱；工厂实现从抽检到全检的跨越，质量稳定性大幅提升，客户退货和罚款明显下降，一年能省下近300万，实现了质量管理理念的升级。

老师傅从质疑到信任

AI系统上线后，遭到了工厂里老质检师傅老都的质疑。老都干了几十年质检，被大家称作“火眼金睛”，他不相信机器能比人眼看得准，总觉得AI会误判。

为了让师傅们接触AI，卢无为他们在检测结果上加了“红框热力图”，让师傅们能看到AI判定的依据。转机出现在一个大雨天，车间光线暗，一批钢球AI热力图标出缺陷区域，老都用肉眼和显微镜反复看都觉得没问题，但AI坚持认为有缺陷。最后将这批球单独挑出送更高精度设备复检，发现AI是对的，确实存在非常轻微的裂纹，人眼在那种光线条件下很难察觉。此后，老都师傅态度转变，从质疑AI到成为AI的教练，把几十年的经验“教”给AI，遇到AI判断不准的情况，会告诉系统哪里判错及原因，他的成就感更强了。

三个可复制的方法论

这个案例虽是钢球质检，但其中的方法论对其他行业也有借鉴意义：
1. 拆解问题，系统解决：卢无为团队没有直接用AI解决钢球质检问题，而是将其拆解成“看得清、学得会、判得准”三个具体问题，每个细分问题都有对应解决方案。这种系统性思考，能让大目标变得清晰，明确技术路径，适用于各个行业。
2. 人机协作，经验传承：重视一线工人的反馈，让他们成为AI的教练。老都师傅从质疑到参与，不仅提升了AI的准确率，还解决了推广阻力。很多AI项目失败不是技术不行，而是人不接受，让有经验的老师傅参与，能解决这一问题。
3. 数据流动，持续进化：设计「现场秒判 + 夜间进修」模式，让数据流动起来，形成学习闭环，使AI能够持续学习、进步，不断提升能力，降低维护成本。若AI不能自我进化，就会成为固化的工具，很快过时。

持续挑战与未来展望

目前这套系统在技术上仍有挑战。AI识别层面，虽准确率能达到95%左右，但剩下5%难以突破，部分缺陷太轻微受限于光学条件和分辨率，表面杂质也会干扰识别。卢无为团队尝试新思路，让AI识别好球，不符合好球标准的判为不合格，但“好球”标准统一定义的问题仍在摸索中。作者将持续追踪进展，有新突破会及时分享。