AI大模型进厂:一张汽车座椅背后的质检变革,走到哪一步了?
在继峰座椅（常州）工厂的座椅装配线上，有一颗钉子值得反复打量。C型钉，拇指盖大小，13颗，藏在座椅深处，负责把面套固定在骨架上。打钉有严格的顺序：先中间，后两侧。漏一颗、错一步，出厂时看不出任何异常，几个月的颠簸之后，才会慢慢显形为座椅表面的褶皱。
2026年9月，理想汽车、继峰座椅与海康威视三方披露了一项合作：依托海康观澜大模型，在这类关键工位部署AI质检。这是大模型进入汽车零部件产线的一个缩影，但它值得观察的原因不在于技术多新，而在于它踩中了制造业质量管理的一个旧痛点——有些缺陷，靠人眼和抽检注定守不住。
01.质检困局：
隐蔽缺陷遇上柔性制造
汽车座椅是整车中复杂度被低估的部件之一：上千个零件、数十道工序，从骨架焊装、面套缝制到电动模块装配，每一环都可能引入缺陷。而缺陷中最棘手的，恰恰是两类"看不见"的问题。
一类是滞后显性的缺陷。C型钉漏打是典型；更严峻的是安全气囊相关工序——螺丝未拧到位、卡扣漏装，出厂检测一切正常，直到碰撞发生那一刻才见分晓。另一类是差异细微的缺陷。在"小批量、多车型、混线生产"成为常态后，一款座椅可能有数十种配置变体，两种灰色面料的色差可能只有几个色调。工人要记住每一种配置的"正确状态"几乎不可能，而传统基于固定规则的机器视觉，换一个车型就要重新建模调参，同样吃力。
精益生产追求"零缺陷"，但传统的通止规、卡尺抽检模式存在固有瓶颈：抽样必然遗漏，人工必然疲劳，数据难以追溯。质量管理要从"事后整改"转向"过程防控"，靠的不能是更勤快的人，而得是另一种"看"的方式。
02.方案核心：
从"检查结果"到"监督过程"
这套方案与传统视觉检测的本质区别，在于它监控的不是最终结果，而是操作过程本身。
在C型钉工位，大模型实时识别每一次打钉的动作与顺序，出现漏打、错序立即屏幕标红并声光提醒；在安全气囊装配工位，系统盯紧螺丝紧固状态与卡扣安装情况，异常即刻告警拦截；在打螺丝前的滑轨遮挡工装环节——这道过去依赖工人自觉的工序——漏装工装会被系统当场叫停。据合作三方披露，目前该系统已覆盖侧板线束插接、坐垫与靠背连接螺栓等座椅装配全流程。
来源：凯康威视
这种"过程理解"能力带来两个实际价值：其一，质量拦截点前移，缺陷不再依赖下线后的终检兜底，而是在发生现场被处置；其二，适配成本下降。海康威视后续发布的SOP训推一体机公开了这种小样本能力：操作人员上传3-5张标准工件图、圈定检测点位，系统即可生成专属检测模型，把过去动辄数周的建模周期压缩到当天。对于频繁换型的混线生产，这正是传统规则视觉最难啃的部分。
03.成效如何：
有亮点，但账还没算完
企业方给出的数字相当亮眼。据继峰座椅副总裁刘大刚在合作发布时介绍，系统上线后，C型钉漏打率最低时降至0.01%，螺钉掉落异响降至0；该方案随后复用至其供应商团队。
但值得保持一份审慎：其一，上述数据为企业单方披露，改善前的基线、统计周期均未公开，"0.01%"的实际分量难以独立验证；"降至0"这类绝对化表述，在任何质检体系中都应理解为特定统计窗口内的结果。其二，数字之间存在一个未被解释的缝隙：既然系统声称对打钉动作100%实时监控并即时拦截，为何仍存在0.01%的漏打？残余缺陷究竟来自识别环节的漏检，还是告警之后的人工处置？这恰恰是评价系统可靠性的关键问题，目前三方均未给出说明。
此外，大模型检测并非没有代价。海康威视自己披露的数据显示，其观澜工业大模型在螺钉漏打、漏装等多类装配场景的检测准确率"稳定达95%以上"——95%的准确率意味着每100次判断仍有数次误差空间，落在高节拍产线上，误报的处置成本与漏报的风险成本如何平衡，是部署方必须算的细账。
来源：海康威视
04.行业坐标：
一场正在加速的对标
把这个案例放进产业坐标系，会看得更清楚。
2026年1月，佛吉亚（盐城）汽车部件系统有限公司——佛瑞亚（FORVIA）集团旗下的座椅滑轨工厂——入选世界经济论坛"灯塔工厂"，为全球汽车座椅领域首家。该厂2024年12月才启动灯塔创建，一年后即通过认证，官方披露其转型成效为：客户投诉量下降94%、报废成本降低75.8%、缺陷率下降25.8%、设备综合效率提升10.2%。
佛吉亚走的是"多年积累、多场景并进"的路线；理想与继峰选择的则是"大模型+产线"的轻量路径，起步更晚，但在场景泛化和换型适配上有自己的打法。两条路线目前缺乏可比的公开指标——佛吉亚的成效数据对应的是整套数字化体系，而理想方案的量化披露几乎全部来自企业口径——断言孰优孰劣为时尚早。
可以确认的是，扩散已经开始。同样在理想汽车推动下，其电驱系统核心供应商联合动力近期已在电驱产线落地观澜大模型的SOP行为检测，覆盖定子尺寸检测、端子压接复检、螺钉顺序校验等环节，关键作业工序实现100%覆盖。从座椅到电驱，主机厂主导、链主带动的供应链AI质检网络正在成形。有业内人士据此判断，新能源汽车供应链的质量管控体系"有望迎来系统性重构"——"有望"二字，目前仍是最准确的定语。
05.
真正的门槛不在算法，在数据与成本
热潮之下，落地的硬约束同样清晰。
第一是数据。工业缺陷样本天然稀缺，模型精度依赖持续积累的高质量标注。宁波汽车零部件企业圣龙股份已标注数万张缺陷图片自建数据库，仍坦言需不断补充极端工况下的样本。对于海量中小供应商而言，从零搭建数据体系的成本难以承受。圣龙所在的宁波市鄞州区尝试了一种区域化解法：区属国企联合本地服务商，依托龙头企业产线建成通识与专识数据集，累计三维视觉及质检核心数据超80万组，让中小企业共享数据与算法能力，摊薄试错成本。这一模式能否复制，值得后续跟踪。
第二是钱和人。算力投入、设备训练、场景验证是不小的前期开支；而系统的部署运维需要既懂AI又懂工艺的复合团队。理想—继峰—海康的"联合战队"模式本质上是对人才缺口的应对——海康出技术底座，理想和继峰出工艺理解——但这种配置本身就是头部玩家的特权，腰部以下企业难以照搬。
结语
大模型质检的价值，不在于它用了多前沿的技术，而在于它把一批"看不见的品质"变成了可见、可控、可追溯的数据。但也要看到：今天的成效数字主要来自企业自己的发布口径，残余缺陷的成因没有公开，成本收益的完整账也还没有人算给行业看。
这场变革真实的进度条，或许可以这样描述：从"能不能做"到"值不值得做"，行业刚刚跨过去；从"头部示范"到"普惠落地"，路程才刚开始。接下来值得盯的不是又多了多少签约发布，而是两件事：一年后这些工厂的缺陷率、客诉数据能否经受第三方检验；以及鄞州式的区域共享模式，能否让没有链主撑腰的中小供应商，也用得起这位不知疲倦的"质检员"。