这一期，我们把镜头转向一个正在同时发生、又容易被割裂来看的现象：AI 正在走进质检产线，帮企业把制造质量推向 PPB 级；与此同时，德系供应链第一次要求对"嵌入汽车的 AI 软件"做溯源审计。用 AI 防"速成"的企业，和防"AI 速成"的审核，正在同一时间崛起——AI 既是工具，也开始成为被审计的对象。

01

AI 质检：把质量推向 PPB 级

先看 AI 作为"工具"的一面。在动力电池、电子电气、涂装等产线上，AI 视觉质检正在取代传统人工目检：电芯涂布毫秒级监测厚度、均匀度，把肉眼发现不了的微观缺陷在源头拦下；外观检测用深度学习识别划痕、气泡、焊点异常，检出率远超人工，且不疲劳、标准一致；预测性控制根据过程参数实时预测质量趋势，在缺陷还没发生时提前干预。

它的意义不是"替代人眼"，而是把缺陷率从 PPM 级推向 PPB 级——用机器的稳定，补上"人会有疲劳和标准漂移"的短板。这与 B23 系列"防速成、把验证做厚"的诉求，天然同向。

02

新问题：AI 也会"速成"

但问题恰恰出在这里：AI 是工具，也是软件，而软件是会引入缺陷的。当一个 AI 模型被用来做质量判定，它自己就面临和被测产品一样的质量问题：训练数据干不干净、模型版本管没管、推理过程可不可追溯、有没有被偷偷替换。

更麻烦的是，AI 常被当作"黑盒"——它能判断好坏，但说不清"为什么这么判断"，这让"质量证据"从可解释，变成了说不清。这正是"AI 速成"的含义：模型训练得快、上线得快，但验证不足、解释不清、溯源缺失——用"速成的 AI"去防"速成的车"，本身就成了一个矛盾。

03

德系已经动手：AI 要被审计了

有意思的是，行业已经识破了这个矛盾。2026 年 6 月，VDA 6.3 发布面向传感器供应商的增补（Addendum for Sensor Suppliers），从 2026 年 10 月起，供应宝马、奔驰、大众的压力、惯性、气体传感器的供应商，其嵌入式 AI 算法被要求提供：训练数据来源、版本控制、边缘推理可追溯记录，并已纳入 VDA QMC 的强制审核项。[来源]

这意味着：AI 第一次作为一个"需要被审计的对象"，进入了汽车供应链的质量审核体系。供应德系的传感器，不只要"功能合格"，还要说明"你的 AI 是怎么来的、怎么管的、推理过程怎么证明"。

04

AI 质量管理的三件事

无论把 AI 当工具，还是被审计对象，落到执行都绕不开三件事：数据要有来源（训练数据的采集、清洗、标注要有可追溯记录，这是 AI 可信的源头）；版本要有管控（AI 模型和普通代码一样，有版本、有变更、有验证，上线、替换、回滚都要纳入受控流程）；推理要有证据（关键场景下 AI 的推理依据、置信度、运行记录要能留存，一旦出问题，能说得清"它为什么这么判断"）。

一句话：当一个 AI 决定一辆车合不合格时，它自己也必须"合格"——而且要有"合格"的证据。

"用速成的 AI 去防速成的车，本身就是一个矛盾；AI 要造得好，先要管得好。"

📌 这一篇你带走什么

AI 正把制造质量推向 PPB 级，但 AI 自己也是软件、也会"速成"——训练数据不干净、版本失控、推理不可追溯。德系已通过 VDA 6.3 传感器供应商增补，把嵌入式 AI 纳入强制审计。对质量人，AI 质量管理三件事：数据有来源、版本有管控、推理有证据。下一期，我们从工具与系统，回到体系的顶层：IATF 16949 第二版，为什么第一次为"软件"专门改版。