无监督学习 工厂良率博弈的暗线

2026年3月我在昆山千灯镇的一家HDI板厂蹲点，刚进贴片车间就撞见设备科长老周蹲在消防通道抽烟，脚边扔着半盒抽完的红双喜。

车间里算不清的两本账

老周之前刚被老板骂过。厂方去年花78万采购的全监督视觉检测系统，招投标文件里写得明明白白：基于120万张标注缺陷样本训练，上线后良率提升目标不低于5%。供应商是深圳某上市AI公司，合同里还附了每年18万的样本迭代服务费条款。

跑了18个月，系统倒是稳定，良率从84.1%爬到89.2%就钉死了。不是模型不行，是缺陷的种类永远追不上生产的变化。今年新接的Mini LED板订单，锡膏偏移的角度比之前的常规板小2度，板面的浅划痕因为铜箔颜色更浅，之前标注的样本库根本没收录。每次碰到这种新缺陷，厂方的算法工程师就得手动标个两三千张图，等供应商把模型迭代完，这批货已经因为过了客户的交期，赔了近20万的违约金。

老周实在忍不了，私下找了个从上海某大厂离职的算法工程师，没走招投标流程，花了8万块搭了套无监督检测系统。根本没标任何缺陷样本，就把过去6个月攒的17万张正常生产的板的图像喂进去，让模型自己学“什么样的板是合格的”，只要特征偏离正常阈值的，就自动打回异常。

上线第一周，良率直接跳了4.5个点，干到93.7%。老周当时夹着烟的手都在抖。

爽了两周。

出事了。某新能源客户的定制板，铜箔厚度比常规薄15微米，整个板面颜色浅了两个度，模型直接把整批2000块板判定为“特征偏离”，全部打回流线。等上料的操作员瞥见板的颜色不对，已经晚了——过了客户要求的首件确认时间，整批货成本60块一块，直接报损12万——相当于车间3个熟练贴片机操作工整月的应发工资。

被拆穿的商业模式

说实话，之前很多做工业视觉AI的公司，本质上根本不是卖算法的，是卖标注人力的。全监督学习的逻辑，就像新手选茶——你得把所有坏茶叶的样子，虫咬的、碎的、长霉的，一个个列出来教给新手，教的样本越多，选出来的茶越干净。但你永远列不全所有坏茶叶的样子，今年新出的那种被蝉咬了个小细口的叶片，你之前没教过，新手就会漏过去。对应的成本就是，企业得不停花钱买新的标注样本，供应商就能靠这个环节年年收服务费。

无监督学习的逻辑完全反过来，像做了十几年茶的老茶农，根本不教你什么是坏的，就把一筐顶级好茶堆在你面前，让你摸透好茶的条索、香气、颜色，只要和这筐好茶不一样的，不管是什么坏法，直接挑出来就行。

这套逻辑一出来，之前的生意账就彻底算不通了。深圳那家上市公司2025年的财报里，标注服务的营收占比是37%，2026年一季度这个占比直接掉到19%。因为客户发现，根本不需要攒100万张标注样本，花3000块的GPU算力，跑一周正常生产的图像，训出来的异常检测模型，召回率比之前攒了两年的全监督模型还高。算下来，这套无监督方案的综合成本，比之前的全监督方案低92%。

谁在扩产？杭州几个没拿过融资的小算法团队，专做轻量化的无监督检测模型，单厂项目报价才5到10万，比之前的方案便宜8成，回款还快——不需要等客户攒样本，装上去跑两周生产数据就能上线。

谁在库存里挣扎？北京那家2023年在廊坊建了200人标注中心的AI公司，当时算的账是每年能接2亿的标注订单，现在标注业务的需求掉了6成，一半的工位空着，每个月光房租和人员工资就要掏120万，现金流紧得连去年的年终奖都拖到现在没发，门口的供应商催款单贴了半面墙。

更关键的变化在招投标文件里。之前长三角几家新能源整车厂的供应链招标，要求AI检测系统“必须具备千万级标注样本的训练能力”，2026年开始，这条要求被直接删掉，换成“系统需具备无监督异常识别能力，在无标注缺陷样本的场景下，异常召回率不低于92%”。这相当于直接把之前靠堆标注数据建起来的竞争壁垒，给拆了。

车间里的技能洗牌

不过话说回来，技术路线换了，最先受影响的从来不是坐在写字楼里的算法总监，是天天蹲在车间里的一线人。

之前制造企业里做AI运维的工程师，核心技能是“会导标注样本、会对接供应商的迭代需求”，现在这个技能快不值钱了。你得摸透车间里所有“正常生产的边界”——哪个客户的板用的是薄铜箔，哪个批次的锡膏粘度偏稠，哪个班次的操作员习惯把贴片机的参数拧高0.2个毫米。这些东西是模型学不到的，是你在车间里蹲了几年攒出来的体感。

昆山那个厂的老周，现在根本不搭理之前的供应商了。他给无监督模型加了个客户定制特征白名单——只要是在白名单里的特殊生产参数，不管和正常特征差多少，都不打回。现在他的团队根本没有专门的标注员，就两个懂工艺的老操作员，一个刚毕业的计算机应届生，每个月的运维成本才8000块，连之前给供应商交的服务费零头都不到。

对中小厂来说，这套技术的冲击力更实在。之前年营收几个亿的小厂，根本掏不起大几十万的AI检测系统的钱，全监督的方案要攒样本、标数据、等模型迭代，算下来投入太大，干脆就靠人工目检，一条线4个目检工位，一年人力成本就要30万。现在无监督的方案，5万块钱装上去，跑两周正常生产的数据就能用，相当于大半年的目检人力成本，就能换个24小时不休息的检测系统。

但坑也不少。很多小厂老板觉得无监督模型“不需要标样本，装上去就万能”，根本不安排人给模型校准阈值，要么把正常货全打回，要么把缺陷全漏过去，最后设备拆下来当废铁卖，转头就骂AI是骗子。

现在长三角制造圈里最抢手的，从来不是那些会调大模型的算法博士，是既能摸透车间生产逻辑，又能把无监督模型的阈值调到合适区间的“两栖工程师”。这种人现在月薪开到2.5万都抢，放在三年前，他们的月薪才8000块。

当所有工厂都靠无监督模型，把“偏离正常特征”的东西全部筛出去的时候，那些为了满足客户个性化需求、刻意跳出“正常”生产标准的定制订单，到底该怎么证明自己不是“缺陷”？