■ 本报记者 应磊

　　共享联盟·鄞州 徐汇紫琳

　　宁波市鄞州区是制造业重镇，汽车零部件关联企业超过900家。这里还是浙江首批人工智能赋能制造业试点，主攻方向正是汽车零部件。AI在生产线上到底改变了什么？最近，记者走进代表性企业，在车间里找到了一些答案。

　　跟随圣龙股份数智化和物流中心总监葛启杰走进新能源产品智能车间，记者看到屏幕上显示着一块被红框圈出的区域——那是产品检测后被圈出的瑕疵，是一个橡胶密封圈的轻微扭转，肉眼几乎看不出毛病，但AI直接判为不良品。“密封圈装得不到位，是整车安全的大隐患。过去这种缺陷全靠老师傅去看，没办法通过传统视觉检测，现在机器比人准得多。”葛启杰说。

　　葛启杰讲起一件事。企业曾有一批出口订单，因客户发现密封圈装配扭转有质量风险，面临被整批退回的处境。十几万元运费加上产品，企业将遭受巨大损失。企业紧急让海外工作人员逐一拍照传回，用自研的AI模型筛查，不良品被及时发现回收，合格产品则顺利交付客户。葛启杰说，这件事让他们下定决心，把AI检测从应急工具变成产线标配。今年上半年，AI检测环节已正式接入全自动化全检流程，缺陷拦截被放到了更前端。

　　葛启杰带记者看了一台正做缺陷识别训练的设备。在不同光照、角度、工况下，同一种裂纹特征可能完全消失。“我们正想方设法收集各种极端环境下的缺陷样本，让AI学会在任何条件下都能准确判断。”如今，他们已经标注了几万张缺陷图片，建起自己的数据库。

　　不同产品的缺陷特征千差万别，单靠一家工厂的数据集远远不够。葛启杰说，他们眼下在做更基础的工作，让AI从“替代人眼拍照”升级到“多维度数据融合判断”。过去视觉检测、气密性检测、公差测量各管各的，现在他们把视觉数据、压力气密性数据、装配工况数据融在一起综合判定。“比如一个密封圈装得少了一点，腔内压力偏高，但经过后续压装仍能达标。单看一项数据会误判，多维融合后就能更准地识别真假不良品。” （下转第三版）

　　（上接第一版）

　　怎么让AI真正在生产一线“打工”？圣龙股份的策略很务实：核心工业AI技能自己建，其余走合作研发。他们跟大学博士团队合作开发实验室AI监控，又通过政府牵线，与吉利研究院等头部企业对接，借力成熟经验。葛启杰说，企业今年的目标特别务实——“让公司看到AI真的有效，让员工感到AI对工作有帮助。”

　　在采访中，有企业家表示，当前工业AI仍处于探索和深化阶段，距离“自主学习、自主校验、自主优化”的理想状态尚有较大空间。从技术层面看，机器人长时间、高精度运行在控制精度、稳定性和散热等方面仍面临挑战；从经济层面看，企业在算力投入、设备训练和场景验证方面仍需承担较高成本。

　　人工智能赋能制造业单点突破正在进行，怎样从一个车间走向一个产业？龙头企业面临的“数据不够用”和“试错成本高”是共性问题。鄞州区的办法是“国企搭台、垂直分工”——区属国企联合本地服务商，依托圣龙股份等龙头企业的真实产线资源，初步建成了1个通识数据集和6个专识数据集，累积三维视觉及质检核心数据超过80万组。这样一来，中小企业不必从零起步，可以共享数据资源和算法能力，昂贵的试错成本被摊薄了。

　　采访中，企业负责人说的话让人印象深刻：AI不是用来展示的，而是用来解决真问题的。在鄞州这些车间里，我们看到这句话正在落地。