夜雨聆风AI×质量系列 · L0天线层 · 第3篇
——五层能力：AI在质量管理中能做什么、该做什么
导语：上一篇我们走了一圈工厂——AI在来料检、过程监控、成品检测、质量文档中都能发挥作用。但单独看每个点容易"只见树木不见森林"。今天用一张五层能力模型，把AI在质量管理中的能力串成一个完整的全景图。
一、五层能力：从"看"到"想"
拿到上一篇文章，有的读者可能会问：AI能做的事挺多，但这些能力之间有什么关系？有没有一个框架让它们各就各位？
有。ISO 42001人工智能管理体系的核心逻辑就是"分层治理"——不同层级的AI能力对应不同的管理要求。借用这个思路，我们可以把AI在质量管理中的能力分为五个层次：
L1 感知层 — 看、听、测（眼睛和耳朵）
典型应用：视觉检测、传感器数据采集、声学检测
L2 判断层 — 合格/不合格（检验员的大脑）
典型应用：自动判定、分类、异常报警
L3 预测层 — 现在没事，但快出事了（天气预报员）
典型应用：趋势预警、设备预测性维护
L4 诊断层 — 为什么出问题（老法师的诊断）
典型应用：根因分析、因果关联、知识图谱
L5 决策层 — 这件事该怎么办（智能参谋）
典型应用：纠正措施推荐、资源调度优化
二、逐层拆解：从简单到复杂
L1 感知层是AI在质量管理的"敲门砖"。机器视觉检测外观缺陷、激光测距量尺寸、声学传感器听异响——这些技术的成熟度已经很高。很多工厂的AI之旅就是从一台视觉检测设备开始的。
到了L2 判断层，AI不仅要"看到"，还要"判断"。划痕深度超过0.1mm算不合格？颜色偏差ΔE大于3算NG？这些规则需要质量工程师提前定义。这层的难点不在AI，在标准的量化和一致性。
L3 预测层是AI的真正价值所在。传统SPC只能告诉你"现在已经出界了"，预测模型可以告诉你"再过20分钟可能出界"。把SPC从"事后报警"变成"事前预警"，这是过程控制的一次升维。
L4 诊断层难度明显上升。AI要做因果推理——比如"刀具磨损导致尺寸偏差"，而不是"这两个问题恰好同时出现"。当前技术能做到的是关联推荐：根据历史数据算出"当振值上升时，87%的根因是刀具磨损，11%是夹具松动"，排个序给你看。
L5 决策层是最高目标，但目前落地最少的。让AI自动生成纠正措施、自动调整工艺参数——这在一些高度标准化的场景（如注塑调机）已有尝试，但在多数离散制造场景中，还需要人的最终确认。
三、怎么用这张全景图？
这条五层能力模型给了质量人一个评估框架：
📌 自我诊断三问：1. 你的工厂AI能力目前停在哪一层？（多数在L1-L2）2. 从当前层到下一层，缺的是技术、数据，还是人的能力？3. 哪些场景适合先试点，哪些可以等等看？
关键认知：不需要一上来就追求L5。先把L1视觉检测跑顺，积累数据和经验，再逐步往上走。AI在质量管理的落地，是一个"爬楼梯"的过程，而不是"坐电梯"。
小结
AI在质量管理的全景不是一张技术架构图，而是一张能力进阶图——从"看清"到"判断"，从"预测"到"诊断"，再到"决策"。五层能力逐级递进，企业根据自身阶段选对起点，比急着追高更重要。L0天线层的任务到此结束，下周进入L1标准层——讲透ISO 42001的框架。
下篇预告：L1-1 ISO 42001一张图讲清骨架（06-14 周六）
ISO 42001的十个章节一张图讲透，从此看标准不再晕。
AI×质量 系列导航（L0天线层 · 完结）
L0-3 ← 本篇：一张图看懂AI质量管理全景
益凡 长远 · 立众管理 · AI×质量专栏
