6月29日，BBC科技版发了条新闻，做机器视觉的人都该看看：福特承认AI质检没达到预期，最近几年陆续请回了300多名资深质检工程师，专门给自动化系统"擦屁股"。

这条新闻最早出自彭博社对福特记者会的报道。福特车辆硬件工程副总裁Charles Poon对记者说了两句话，值得抄在每个AI质检方案书的封面上：

"人工智能是一款出色的工具，但它的水平只取决于你用来训练它的信息。"

"错就错在我们以为，只要引入AI、把设计要求喂给它，就能产出高质量产品。"

更扎心的是另一个细节：这些老师傅很多是在公司推自动化的那几年流失的，经验还没来得及沉淀进AI系统，人先走了。现在请回来一半干活，一半"给机器当老师"——训练系统，带年轻人。

福特到底做了什么，又认了什么

把公开报道拼一下，时间线是这样的：

• 2025年10月财报电话会，COO Kumar Galhotra宣布"在整个工业体系部署AI"，包括在工厂铺开900个AI摄像头，"从源头发现质量问题"；

• 2026年6月，Poon公开承认AI驱动的检查未达预期，请回300+资深检验员；

• 同一份声明里还有个巧合：福特重回JD Power美国新车质量研究主流品牌榜首，官方说法是"达到一流质量需要一次重大的人才刷新"。

注意，报道里没有任何"福特放弃AI"的字眼。它做的是把AI放回它该待的位置——让最资深的人去训练它、复核它、和它搭档。也就是制造业现在常挂在嘴边的 human-in-the-loop，人在回路。

从工程角度复盘：三个坑福特全踩了

坑一：缺陷是开放集合，模型是闭集思维。

深度学习做表面缺陷检测——划痕、脏污、凹坑、印刷不良、错装漏装——在样本充足、缺陷类型稳定、光照可控的产线上确实能打，速度是人的几十倍，也不会下午四点走神。

但它有个先天残疾：只会抓你喂过的那种缺陷。明天产线冒出一个没见过的缺陷模式，模型直接零分。老师傅扫一眼就知道"这个不对劲"，因为人脑里装的是一条完整的、跨产品周期的"什么是对的"的基线——这套东西恰恰最难标注成训练数据。

福特那句"设计要求喂不进AI"说的就是这个：图纸不等于缺陷样本。把CAD喂给AI，AI不会自动学会什么叫"造坏了"。

坑二：过杀比漏检更早引爆。

实验室报"准确率99%"，上产线第一周被投诉到下线，大概率是过杀（良品判成不良）在作怪。每条被误杀的产品后面是返工、停线、部门扯皮。成熟项目的验收标准里，过杀率和漏检率必须同权重考核。只考核检出率，最后都在生产端还债。

坑三：环境会变，模型不会自己变。

光源衰减、镜头脏污、换了家供应商的来料、车间翻新换了LED——数据分布悄悄漂移，精度是一点点漏掉的，等发现时货已经发出去了。没有持续的数据回流，AI质检上线那天就是它这辈子最准的一天。

"人机混合"不是退步，是工程正解

把福特的教训翻译成方案结构，一个成熟的AI质检系统应该是三层分工：

第一层，AI做初筛。承担95%以上明确的判定，高速、留档、可追溯。

第二层，确定性任务交给确定性算法。 尺寸测量、字符OCR、条码读取（Code128/QR/DataMatrix）这类有明确标准的活，用传统视觉算法跑——Halcon、VisionPro、OpenCV那一套。读码是几等就是几等，ISO/IEC 15416摆在那里，别拿概率模型碰确定性要求。

第三层，人做裁决，改判即数据。灰区、新缺陷、过杀复检交给人；人每改判一次，就回流一条训练样本。模型越用越准靠的就是这个。

福特请老师傅回来"训练系统"，本质上就是在补第三层的课——而且是人员流失之后高价回购的课。

顺带说一个最近被问爆的话题：视觉大模型能不能直接上产线？ 比较客观的答案是：VLM做缺陷描述、生成报告、辅助标注、新缺陷冷启动确实好用，行业也都在这上面卷；但在毫秒级节拍、微米级判定、要过审的合规场景，专用小模型+传统算法仍然是更便宜、更快、更稳的主力。大模型现在是参谋，不是法官。

三条落地建议

1. 立项时把"过杀预算"写进验收标准，和漏检率同权重。先问产线主管"你能容忍误杀百分之几"，再谈模型选型；

2. 复核工位不是成本，是喂料口。预算里给"人工改判→数据回流→定期重训"留出流程，否则系统上线即巅峰；

3. 数据基建先行。每片不良品能追溯到工位、时段、批次、供应商，模型优化才有靶子。这是追溯体系真正值钱的地方——一物一码建得好不好，直接决定你AI质检的天花板。

最后

AI质检没有失败，失败的是"AI一夜替人"的叙事。

福特花了一圈学费买回"人机混合"四个字，还公开说了出来，对整个行业反而是好事：以后B端客户听到的会是更成熟的方案，而不是PPT上99.9%检出率的魔法。

老师傅的经验是AI的教材，不是AI的竞品。早想明白这件事的企业，下一轮质量竞赛会占便宜。

资料来源

1. BBC《Ford rehires human engineers after AI fails to match quality checks》（2026-06-29）：bbc.com/news/articles/cgrkd41n2v9o

2. 原始信源为彭博社对福特记者会的报道（2026年6月下旬），BBC等媒体转引