三个月，12家工厂，结果就一个数字：省下的人力钱，约1/3被误判吃掉了。
我们和合作工厂一起跑的这个AI质检项目，用的是基于GPT-5o视觉能力定制的检测方案。目标很明确：替代或减少流水线上靠眼睛找毛病的质检员。账算得挺快——一个中等规模电子厂，光质检岗一年就能省下近百万人民币。但跑满一个季度，复盘数据时发现，系统误判导致的非必要产线停机、复检工时浪费，加起来占掉了总节省额的32%。
ROI不是负的，但远没有PPT上画得那么美。
误判不是“认错了”，是“停错了”
这里的误判，不是说AI把合格品判成废品。在工业质检场景，更常见的问题是“虚警”——系统判定有缺陷，触发停机或标记隔离，但人工复检发现没问题。一次虚警，整条线可能就要停5到15分钟，复检、确认、重启，时间窗口和人力就被白白吃掉。
我们跟踪的12家工厂里，有4家的虚警率超过15%。一家做精密连接器的工厂甚至达到22%——这意味着AI每喊5次“有问题”，就有1次以上是虚惊一场。按该厂产线每分钟产值约800元计算，每天因虚警损失的产能，折合月成本超过10万元。
GPT-5o的多模态能力确实强，它能理解复杂的纹理和装配关系，但工业现场的“干扰项”远比实验室复杂：油污反光、金属划痕的光影变化、甚至是传送带振动导致的图像模糊，都可能被模型解读为“疑似缺陷”。
你的产线有多“干净”，决定了AI有多值钱
项目复盘后，我们得出一个关键结论：AI质检的ROI，几乎完全取决于产线的标准化和环境可控性。
12家工厂里，有3家ROI表现最好，它们的共同点是：产品单一、工艺固定、生产环境高度受控（恒温、无尘、光照稳定）。其中一家汽车滤清器工厂，AI质检的误判率控制在3%以下，半年就能收回硬件和模型定制成本。
而另外几家做定制化、小批量产品，或生产环境复杂的工厂，表现就差很多。一家家具厂，木料的天然纹理差异太大，AI模型不得不把阈值调得很宽松，否则漏检率飙升。结果就是虚警率居高不下，节省的人力成本被反复停机抵消。
这和我们在《三个真实项目告诉你：AI Agent的钱，要花在确定性上》里观察到的规律一致：在工业场景，确定性比智能更重要。环境越不可控，AI需要处理的“例外”就越多，系统就越脆弱。
模型能力≠落地能力
GPT-5o在基准测试上对缺陷图像的识别准确率，据OpenAI在2026年4月的公布数据，能达到98%以上。但把这个数字搬到真实产线，立刻要打折。
首先，训练数据。工厂提供的缺陷样本，往往数量少、种类不均。常见缺陷可能有上万张图，但一些边缘缺陷（如特定角度下的微裂纹）可能只有几十张。模型容易“偏科”。
其次，推理成本。GPT-5o的API调用成本不低，对于需要每秒处理数十张高清图像的产线，每月开销可能数万美元。虽然 端侧部署是趋势，但工业级的实时性、可靠性要求，又是一个新门槛。
最关键的，是反馈闭环的建立。目前大多数工厂的流程是：AI检测 -> 人工复核 -> 最终判定。但AI的误判案例，有多少能有效回流用于模型优化？在我们观察的案例中，这个反馈循环要么缺失，要么效率很低。模型在真实场景中“学习”的速度，远慢于产线变化的速度。
省下的钱，怎么不被“吃回去”
基于这三个月的数据，我们总结了几条务实的建议：
- 选对产线，比选对模型更重要。优先在标准化程度高、环境可控的产线部署。如果产线本身波动大，先投资改善物理环境，而不是急着上AI。
- 把“虚警成本”计入初始ROI测算。别只算节省的人力，一定要预估误判带来的停机损失。在我们的模型里，这部分成本按历史虚警率和产线分钟产值估算。
- 建立高效的误判数据回流机制。这需要和IT、生产部门协同。目标是让每一次人工复核的结果，都能便捷地用于模型迭代。参考 AI Agent项目中的确定性工程思路，流程比算法关键。
- 考虑混合架构。不是所有检测点都需要GPT-5o这个级别的“大脑”。可以用更轻量的专用模型（如YOLO系列）做初筛，把“疑似缺陷”的图像再送给大模型复核。这样能在成本和精度间取得平衡，类似 百万Token时代知识库的混合架构选择。
AI质检不是不能用，但它是一把“精度要求极高”的刀。你的产线越是“标准件”，这把刀就越锋利。如果产线本身充满“手工艺”般的变量，那AI带来的可能不是效率，而是一堆需要人工兜底的麻烦。
这三分之一的“误判税”，就是你为产线不够标准化，提前缴纳的学费。
