「巨兽」的每一次出现，总会给这个世界带来巨大变化。原来的普检变成了机器筛查后的复检，这些从未见过的设备让长期缺员的质检工人们感到轻松，有时又会心生复杂。
撰文 | 微胖
「我咽下一枚铁做的月亮，
他们把它叫做螺丝。」
这是24岁流水线工人许立伟死前写就的诗句之一。
长三角湿潮的日子里，坐在流水线上的质检女工们，即使身着短袖工装，也抵不住车间里的闷。
他们将手机摄像头支架放在放大镜下，360度旋转着，从屏幕上快速识别出裂纹、压伤、缺料、沾料、熔接纹。
即使最小3微米的瑕疵也不能放过。有时，裂纹太小，只能靠某一个反光点来判断。
完成这样一个部件的质检，熟练工人需要1分钟。每天，他们要盯着零部件找外观缺陷近10个小时。
几乎世界顶尖手机大厂每发一次新品，订单一到，中国的百万流动劳动力大军立刻涌动起来。供应链厂商们立刻进入用人旺季，随处可见近乎雷同的用工消息：
「身体健康，无残疾、无纹身、烟疤。视力0.8以上，近视眼面试之前提前配好隐形眼镜。26个英文字母会写即可。」
《纽约时报》曾惊讶于全球找不到第二个国家能够如此快速扩大和缩小用人规模，但今时早已不同往日。
今年，某巨头最新手机发布之前，位于上海宝山区的富驰高科又开始为用工犯难。
这家每年生产数亿零部件的制造商在产能最高峰时，每天需要生产400万个零部件。按照人工每天检测2600多个零部件计算，全部靠人工质检，仅质检人员就需要超1500人。
不改不行了。女工们不时发出这样的感叹。
这样盯着看十小时，眼都花了。再熟练的操作员，遇到产能增加也要出问题，最后一段时间里工作质量和效率明显下降。
除此之外，大家也明显感觉这两年招工不容易了。
只要机器不停，上班的时间就没有太多的变通，辛苦的夜班就挡住了不少人。不少质检工干不了多久就会离职。
富士康质检员张全蛋、车间女工赵晓卉去讲脱口秀了。他们知道，想要的生活不是这样子。
01寻找碰撞
无论是你用针从小孔中捅出来的金属卡托，还是某大厂独创的闪电（lightning）接头不锈钢外壳，都是金属粉末注射成型（Metal Injection Moldling，MIM）技术的杰作。
MIM工艺在手机配件领域的广泛应用
对于微小且结构复杂的精密零部件加工来说，MIM要比冲压、CNC等方法快速、经济得多。
当年，这项技术被某巨头捧红后，越来越多大牌手机制造商又将它用于手机摄像头相关部件加工。
从华为P20 Pro三摄万物背后的精密摄像头圈、伸缩摄像头里的微型变速齿轮箱，到华为MateX2折叠屏的双旋水滴铰链，MIM已成为当下最炙手可热的零部件成型技术。
国内市场养活着百万人口，而一个小配件一年能做到几十个亿的规模。
华为MateX2折叠屏的双旋水滴铰链
作为国内MIM双雄之一、众多手机厂商的重要供应商，富驰曾在2006年进行一次关键转型。
他们砍掉之前业务占比最大的钨钢手表表壳业务，投身3C电子，为手机提供精密零部件设计和制造。
2012年，营收和利润飞速增长，也有更多的钱做研发。2013年，富驰成立专门的自动化部门。2015年更是投入5000多万元做自动化改造。
走进一家传统MIM加工企业，有时会看到一幅意味深长的画面：
人工检测区位于车间中部，一边是注塑机，另一边是烧结炉，整形和脱脂在尽头处。放眼望去，与注塑机、烧结炉一起「绑」在流程中央的人就像一台台被拧紧发条的机器。
一批批造好的混炼颗粒（你可以想象成金属粉末和粘合剂搅拌而成「面团」被机器「揪」成的一个个小颗粒）由注塑机精密成型，转经脱脂、烧结后，再交由机器整型、打磨，最后来到质检工的手里。
检测包括人工检测和全自动检测，目前人工检测占很大一部分，需要数量众多的劳动力。
注塑、脱脂和模具损耗的成本，加起来也不过总成本的12%左右。喂料、烧结炉、人工检测最花钱。其中，人工检测的成本占比最大。
检测包括尺寸检测、外观检测、变形检测等，需要工将不同类型的缺陷产品挑出来，并放入对应的分类盒中。
短时间看，大量的人工劳动力似乎比机器便宜，但长期来看，这些工资不是个小数字，还不算招工、管理规训这些员工付出的隐性成本。
而对富驰这样的知名手机供应链厂商来说，产能和质量控制意味着一切，他们曾设置好几道人工检测去解决漏检的难题。
如今，富驰在其他工序基本实现自动化。从注射到烧结、整形，自动化程度可达90%以上，唯独落下质检环节。
外观检测对于机器的难度，公司自动化部门总监邓声志再清楚不过。
一个小的裂纹，到终端客户那边组装的时候会形成裂痕，对手机有很大的影响。人工操作时，可以通过施力去查验是否有隐性裂纹，但机器做不到。
当时的传统机器学习算法主要是做盲测，比如这里面的长度、宽度是多少，因为问题简单，比较容易解决。
「后来慢慢转到外观检测部分，外观检测原来整个工业很少碰的，因为它难度太大了。」腾讯云AI研发总经理、腾讯优图实验室副总经理吴永坚说。
而且，3C领域产品更新非常快。
当时，传统机器学习算法大多是靠人工定义的一系列规则进行缺陷检测。随着被检测物体的变动，所有规则和算法都要重新设计和开发，即使是同样的产品，不同批次的变化都会造成不能重用的现实。
邓声志和富驰只能继续等待，直到深度学习开始向行业渗透。
2019年，他们又采用国外某互联网巨头旗下的AI质检平台。经过一年多的调试开发，在实际应用中只能达到70%-80%的预期效果。
困扰富驰的问题始终没得到很好的解决，零漏检、过杀率、精准缺陷分类、缺陷迁移、快速迭代等。
「我需要快速迭代，比如换新款产品，组成部分数据库就可以用，而不是又开始从零到一的过程。」邓声志举例说。
比如，补充30%甚至10%的数据库，就可以达到预测的指标。
很多公司曾去洽谈沟通，有些公司甚至拿了样品回去做成像分析以及初步的算法研究。但反馈回来的结果都是放弃。
技术难度大，传统做的比较好的检测算法放到富驰案例中，指标根本达不到客户要求。而要想符合客户要求，需要算法、数据能力提升甚至定制化开发，后期投入会很大，很多人因此打了退堂鼓。
02产生化反
富驰高科的厂房内，振盘正不停地给产线上料，部件被自动搬运到载具上后，接受六轴机器人360度无死角拍照采图。
在定制的多组光源观照下，机械臂快速反转，可在数秒内拍摄数百张照片，实现不同位置的缺陷成像要求。
随后，这些图样在本地接受AI算法的识别，是否为缺陷或故障？并被分类处理……
几十台这样的设备同时工作着。原来人工质检需要一分钟完成的工作，现在仅需4秒，几乎实现零漏检。
富驰AI质检环节的一侧
富驰AI质检的另一侧情况
腾讯优图实验室是腾讯顶级机器学习研发团队。原以为靠模型就能解决很多问题，进驻富驰之后才发现，事情并没那么简单。
为了实现手机支架外观检测的完全落地，他们几乎打满「光、机、电、软、算」全场。
一个项目的启动阶段，产品早期样本数据严重不足，是一个回避不了的工业AI落地现实。
其实，国外那家互联网巨头的AI质检的图片识别能力已经做的很好，可以准确识别手机零部件不同位置出现的不同产品缺陷，但是，无法满足同一缺陷在不同位置迁移的识别。
腾讯优图实验室的工程师们尝试在算法方面进行创新，结合域适应迁移学习和缺陷生成技术，帮助富驰在产品早期样本数据严重不足的情况下，达到检测指标可用状态。
除了缺陷迁移，成像问题也一直困扰着富驰。
MIM制品具有高反光特性，采用传统手段，产品的脏污、压伤等缺陷在成像后与正常反光亮印极为相似，人眼根本无法分辨，常常混淆高反光和正常反光。
通过在算法上设计出光度立体成像方案，腾讯优图实验室成功解决了连人眼也很难分辨的缺陷识别难题。
还有过杀的问题。所谓过杀，是指有几个检测点本来没问题，但被模型检测出来有问题。
比如，算法过严，容易将模具纹理形成的纹理线误判为裂纹，造成过杀；而如果算法过松，又容易出现漏检。现实中，要达到可应用的理想效果并不容易。
三维异型零部件凹凸缺陷成像通常不明显，容易造成过杀。按照优图之前的经验，问题可以得到解决但需要比较长的时间
后来邓声志建议，既然加工工艺决定了这几个点根本不可能出现裂纹，不妨将这几个点位全部屏蔽掉，不让他们出现在算法模型的识别过程中。
这个更加快捷的策略很快就被沉淀到腾讯的整体解决方案中。
好马亦需配好鞍。除了提供视觉、成像、算法等最为关键的技术，腾讯优图实验室还提供了关键的工程优化。
在质检仪硬件算力有限的情况下，团队采用了腾讯优图实验室此前开源的TNN深度学习推理框架，借助算法模型加速和智能调度等多种技术能力，在几秒内完成百余张高分辨率图片的推理计算和光度立体图片的处理，更节约了硬件成本。
有人说，在中国全面云战争中，面对竞对的先发优势，对手更多是从服务上发起竞争。
腾讯云就是一个很好的例子。
一些寻找智能自动化包装线的传统制造商曾感叹，面对有些非标、量也不是很可观的单子，一些大型供应商根本不上心。
某教育初创企业的CTO曾告诉财新，他们同时使用阿里云和腾讯云，每年在阿里云上的开支达数百万元，但阿里云对其基本不管不问，反而是腾讯云为了让他们切换过去，每个月过来分享最新产品和行业趋势。
邓声志坦言，合作之前，他对腾讯云的AI能力并不了解，和腾讯云接触也是通过业内朋友介绍。而在前期接触过程中，首先打动他的是腾讯云对这件事的态度。
其实，AI质检是一个大的工序，工序里又分不同产品线，富驰这次与腾讯合作的只是某一条产品线的检测。但我们感觉，腾讯云把这件事当自己的事来做。
「至少在用心度上，他已经超过了其他厂商。」邓声志说，「其他厂商让我看不到这种信心。」
项目调研过程中，腾讯云和腾讯优图实验室的工程师们就驻场跟进，现场做了很多调研。在与富驰高科的团队对接时，也认真地抛出一些疑问，共同探讨。
调研过程中，腾讯的团队也不断地给富驰信心。
他们在现有的硬件设备资源上做各种AI算法的尝试和测试，而且免费。当两三个月后，算法测试达到富驰检验指标和预期效果后，富驰才与腾讯云签约合作。
300多天的研发周期，200多次超半小时的技术讨论会议，腾讯云和腾讯优图实验室的工程、软件、AI算法、架构师们都会参与进来，包含硬件设计、光源设计，他们与富驰诸多工程师们一起讨论合适的解决方案，并不断做出调整。
比如，在解决成像难题上，多光源组合方案已经找到比较合适的光源，但由于设计本身利用传统加工方法会导致超重，无法在机械臂驱动上加以实现。
通过查找资料和讨论，他们找到3D打印方式，满足了机械臂的负载设计要求。
现在，几十台设备持续满载生产的情况下，项目预计每年为客户节省人力成本数千万元。这个方案每年为富驰节省56% 的成本，释放95%的劳动力，在生产制造环节，做到了效率精度双提升。
最重要的一点是，根据他们的测算，基本上一到两年能收回设备的投资。
03 醉翁之意
当我们谈工业AI时，我们在谈些什么？
我想其应有之意至少包括开发这款产品时，也在有意识地为复用打基础。
富驰自动化部门先后投入十几、二十个人在这个合作项目上，算是大阵仗。买几十台之前，也要算清复用这笔账。
「在这个项目的档期，这个投入是不能回收的，」邓声志说。但是，通过迭代，可以应用到更多产品上。
富驰做过很严谨的核算，「可以在多个项目里实现回收，才决定去投入的。」
而对于腾讯团队来说，300多天的项目周期暗示着这是艺术，而不是商业，因为没有办法规模化复制。
「第一年可以这样，但是，后面变成标准化和复制的模式才是一个健康的商业模式。」吴永坚坦言。
提整个工业的标准化太理想，也不现实，但至少可以挑几个关键领域实现标准化复制。比如3C和锂电，特别是3C。
涉及到光、机、电，很多部分都很接近，设备和结构还是能够按相对标准化的方式去做。吴永坚说。
想要打穿3C和其他相关的领域，优图就要沉淀出比较容易标准化复制的方案。
富驰案例之于腾讯，正是这样一个契机、一把尖刀。
工厂投入之前，就是要算ROI，比如一两年就要收回投资回本。「AI质检是我们进入里面的一个尖刀。」吴永坚说。
不过，质检更多是一个防御性环节。腾讯优图实验室还会继续往前探索，包括工艺数据智能优化，形成从上游工艺到下游质检的闭环，进而延伸到智慧工厂这个更大的面上。
而富驰对智慧化工厂的构想，虽然始于质检，也终究会倒推至更加核心的前沿环节，由线到面，最后扩展至整个工厂。
腾讯云首先要做硬件层面的标准化。
「硬件层面的标准化才会带来后面软件层面的标准化，如果硬件不标准化，软件的标准化都是空话。」
这一点，对于腾讯云和腾讯优图实验室来说，并不陌生。
只销售技术解决方案，就像在 19 世纪末向铁匠出售传送带一样，根本行不通。为了期待工业革命的到来，还要围绕传送带建造一座工厂。
当年，腾讯优图实验室将技术溢出至金融、零售领域时，几乎都伴随着软硬一体。腾讯优图实验室的核心在于底层算法，并不是做硬件的企业。发布这些边缘智能产品，主要的目的在于推进整体技术解决方案的落地。
现在，有了软硬一体的针对3C领域的腾慧飞瞳AI质检仪，只需组装上下料设备，就能快速给3C客户完成质检解决方案的交付。
交付、研发流程效率提升，需要靠我们的一些研发工具继续沉淀出来。通过关键赛道整合出软硬件层面的标准，「也是腾讯未来一两年要做出来的，」吴永坚说。
如果可以大体完成手机零部件的质检，整体知识库就很完整，后续复制就有了基础。
「大家基于整个基础来做就可以了，该蹚的（困难），我们与合作伙伴已经全部蹚过了。」
好马固然吸引人，但其目的在于「让我们的行业解决方案、能力和平台能够有更强的行业适配性，使得我们的合作伙伴和客户能够快速地基于我们行业化的平台或者解决方案构建它的应用。」腾讯公司副总裁、腾讯智慧工业和服务业总裁李强在接受采访时曾说。
「我们并不准备做一个SGADA系统或者MES系统，这不是我们所擅长的。」
腾讯更想出售的是「好鞍」——服务消费互联网个过程中积累了大量的云计算能力。
不能既做平台又下场做应用，这个界限，腾讯云自然心里是要清楚的，也是这么定位的。
04春天难觅
当腾讯优图实验室的工程师们第一次来到富驰的工厂时，他们发现质检工们最常用的药物竟然是眼药水。
如果时间倒流一二十年，这样的两个群体恐怕难以有任何这样的交集与碰撞。
美国历史学家乔舒亚•弗里曼曾在《巨兽：工厂与现代世界的形成》一书中写道：
现代社会的发展史，也是一段工厂文化史。工厂是制造业的实体所在。任何风光的工厂「巨兽」，均不过是历史上的一缕云烟。但「巨兽」的每一次出现，总会给这个世界带来巨大变化。
巨兽的硬件制造涉及数百个供应链，养活上百万人。作为生态的顶层设计者，每次游戏规则的一个数字变动、某个术语消失或出现，就能改变全球工人，包括中国数十上百万工人的命运。
巨兽们又吹响了新的号角。
流水线旁，质检员们还在适应着与人工智能的合作。被机器识别为瑕疵的零部件，需要他们进行一轮复查，以帮助工程师们提升机器性能。
大家还有点不适应。在无数次重复而又无意义的规定动作中，他们曾参与了最精密、也最智能的消费品制造，靠着人眼检查异常产品的工作内容，直到现在终于发生了根本改变。
原来的普检变成了机器筛查后的复检，这些从未见过的设备让长期缺员的质检工人们感到轻松，有时又会心生复杂，但又觉得这样的变化也在意料之中。
在未来，越发聪明的产线对人的需求会更低。据说，华为的一条智能手机产线上，整条线只有六个工人。
