上周带刚毕业的小徒弟巡线，走到三号冲压机旁边，他盯着机床脚边那个巴掌大的铁盒子愣了三分钟。
没人注意它。
灰扑扑的，外壳上还沾了点上次换模具蹭上的黄油，摸上去温温的——夏天车间温度高，那点温度比旁边的机床外壳低不了多少。他问我这是不是个接电的分线盒。
我没直接答，指了指旁边刚扒到废料框里的那个带毛刺的冲压件。
之前踩过的那堆破坑
搁五六年前，我们哪有这玩意。
所有冲压机的振动、温度、压力数据，全得打包传到几百公里外的云服务器上，等着云端的程序算完，再把指令传回来调整参数。
听起来挺高级对吧？
我现在想起那堆切下来的废钢板还肉疼。有一年夏天远端机房的散热出了问题，数据延迟了两秒，冲压机的压力曲线没跟上实时调整，一整批的零件压出来厚度全不合格，半吨的钢板直接成了废铁。那时候整个车间的人蹲在废料堆旁边抽了半包烟，谁都没说话——按当时的考核规则，这个月的绩效得扣掉小一半。
后来我们又试过在车间中控室放个大服务器，结果中控室离最远的那台冲压机有一百多米，信号走光纤都得有几十毫秒的延迟，要是遇到车间里的行车吊东西剐蹭到光纤线，那延迟直接能飙到秒级。
那时候才反应过来——我们之前总迷信“所有数据都往远处传”的逻辑，就像你家厨房炒菜放了盐，非要等三百米外的餐厅后厨尝一口，再告诉你咸了还是淡了，这能不耽误事吗？
说白了就是别啥事儿都往几百公里外递，离设备最近的地方，装个小算力的盒子，能当场算的就当场算，算完只把需要长期存档的结果传上去就行。
这就是我们车间人眼里的边缘计算——哪有外面吹的那么玄乎。
这小盒子到底能快多少
之前我们要给冲压件做外观检测，流程是机械臂把零件放到工位上，工业相机拍一张高清照片，传到云端的AI模型里跑一遍，返回”合格/不合格”的结果，机械臂再根据结果把零件放到对应的料框里。
快的时候来回要0.8秒，遇到网络拥堵的时候，3秒都不一定能出结果。
生产线一分钟要出20个件，总不能停了线等结果吧？之前我们的应对方法是先把零件堆在工位上，等检测结果出来再分拣，结果堆得多了，经常把合格和不合格的件混到一起，还得安排两个人专门在后面返工，累得腰都直不起来。
后来我们把那个AI模型拆了拆，把不需要的功能全砍掉，压缩到最小的版本，直接塞到机床脚边的这个小铁盒里。
现在相机拍了照，本地直接跑模型算结果，20毫秒就出结论——这是毫秒级的响应速度，快到机械臂都没来得及把零件从工位上拿开，分拣的指令就已经传到控制器里了。连停顿都没有，更不会出现零件堆在一起混料的情况。
上次小徒弟第一次站在旁边看完整套流程，嘴张得能塞下一个冲压螺母。他之前在课本上学的全是“万物上云”，哪见过这种把算力塞到设备脚边的操作。
说真的，之前我们算过一笔账，自从装了这小盒子，光是因为延迟导致的废件，每个月能少出两吨。省下来的钱，别说给车间买冰红茶了，逢年过节给大家发点福利都够。
别吹得太神，这玩意也有短板
我见过不少卖设备的人，吹得这小盒子能解决所有生产问题，纯属瞎扯。
首先，它的算力真的有限。你要训练新的毛刺识别模型，得攒好几个月的合格、不合格零件的照片，还得标注好特征，这些重活还是得靠远端的云服务器来干——毕竟小盒子那点算力，跑个检测模型都刚好，哪能扛得住大模型的训练？
还有，它怕脏怕潮。我们车间里的冷却液、切削液都是带腐蚀性的，之前有一次换模具的时候，徒弟没注意，把冷却液滴到了小盒子的散热口上，直接给干烧了。那台冲压机的检测直接退回到人工巡检的老模式，半小时就出了十几个带毛刺的不合格件，等我们发现的时候，都已经传到下一个工序了。
说起来我现在还把这小盒子的巡检标在第一行，每次巡线都得伸手摸一摸温度，看看表面有没有漏上去的冷却液——换一个可不便宜，够买十箱冰红茶。
其实哪有什么高大上的技术啊。
我们这些在车间里泡久了的人，判断一个技术好不好，从来都不是看它的概念有多新潮，而是看它能不能让我们少赔点废钢板，少加会没必要的班，少在巡检的时候多操一份心。
就像这个蹲在机床脚边的小铁盒，没人会把它当什么核心设备，但它要是不转了，整条线的节奏都得乱。
作者|制造
排版|制造
审核|柚子