AI制造
宝武钢铁热轧缺陷检测
深读宝武湛江钢铁热轧"云表检"案例，从能力单元论视角拆解CV大模型如何重构钢板表面质检体系，并诚实交代边界。
1. 案例速写
中国宝武是全球最大钢铁集团，其旗下的宝钢股份湛江钢铁热轧厂，长期受困于热轧带钢表面缺陷检测。传统表检依赖人工目检与离线抽检，存在准确率低、模型迭代不及时、跟不上产线快节奏等痛点（数据来源：中国钢铁工业协会官网《首例实践落地！湛钢热轧云表检》，2025-06-12）。
2025年1月14日，湛江钢铁热轧厂2250产线"云表检"项目成功上线，15天后拓展至1780产线稳定运行。该项目由宝钢股份数据AI部联合湛江钢铁运营改善部、热轧厂，协同宝信软件成立专项团队，基于宝钢私有云平台与华为CV大模型，实现热轧表面缺陷识别由CV大模型逐步替代传统检测模型——这也是华为大模型在沪外基地的首个泛化应用案例（数据来源：同上；人民网《大模型让高炉更"聪明"》，2026-01-14）。
2. 转型动因
上AI表检，是被三个现实压力倒逼：
- 产线节奏极快。 热轧产线每2分钟产出1卷带钢，人工目检根本无法匹配节奏，漏检与滞后难以避免。
- 质量即生命。 表面缺陷直接关系下游汽车、家电客户的使用安全，召回成本是吨钢利润的数千倍。
- 数据资产诉求。 传统抽检只能覆盖极小比例，客户（车企）要求接近100%的质量数据追溯。
3. 技术嵌入
方案采用"云—边—端"协同架构：
| 层级 | 部署位置 | 核心功能 |
|---|---|---|
| ------ | ---------- | ---------- |
| 端 | 产线相机 | 高分辨率工业相机采集带钢表面图像 |
| 边 | 工厂节点 | 承担实时推理，匹配2分钟/卷的产线节拍 |
| 云 | 宝钢私有云 | 基于华为CV大模型集中训练、迭代、分发至多基地 |
3.5 ★ 能力单元分析
这是本节最关键的视角。用能力单元论拆解：
被拆解的传统能力单元：- 人工表检员（经验判断型）——被拆解为"图像采集单元"+"特征提取单元"+"分类判定单元"
- 离线抽检（周期性、滞后）——被拆解为"在线全检流"+"实时拦截回路"
- 云训练单元：集中式模型训练与迭代，可复用至多个工厂
- 边推理单元：工厂级实时推理，每条产线一个"数字质检员"
- 样本治理单元：百万级缺陷样本库，形成数据标注闭环
- 从前：质检能力由人工经验调度（好师傅多看，差师傅少看）
- 现在：质检能力由产线节拍自动调度（模型恒定输出，阈值统一）
- 关键：AI把原本"老师傅眼里解不下来的经验"变成了可调度的标准化算法单元，且云边协同让一个模型服务多基地。
4. 组织变阵
- 表检岗位重构。 一线人员从"用眼看"转为"管AI"——监控异常报警、处理边缘case，技能要求从"眼尖"变为"数据分析"。
- 新工种出现。 数据标注工程师、模型训练工程师成为产线的"新岗位"。
- 协同模式变化。 宝信软件等作为"AI施工队"与现场工艺深度协同，IT与OT边界被打通。
5. ROI兑现与踩坑
已兑现的价值：- 准确率从约50%提升至96%，缺陷检出率超90%，建成百万级缺陷样本库（数据来源：证券时报，2026）
- 时延符合率17%→99%，系统负荷率降65%
- 相关AI应用每年为宝钢带来超千万元经济效益（数据来源：环球网）
- 模型复制至多基地，边际成本递减
- 初期准确率仅50%，靠27轮迭代修正标注才爬升，标注是最大隐性成本
- 推理时延曾达5分钟、跟不上2分钟产线，需43天专项攻关
- 缺陷样本天然稀缺，长尾缺陷与新钢种仍需人工介入与持续标注
- 边界： CV大模型仍高度依赖场景调优与大量标注，并非"AI万能"；极端工况、罕见缺陷仍需人在回路
6. 可迁移方法论
用四则法抽象，对OPC与中小制造企业：
- 减法： AI替代人眼最疲劳、最重复的表检环节，从"人不想干、干不好"的工序入手
- 加法： 在现有产线"附加"一个云表检节点，不改物理产线，改造成本可控
- 乘法： 云训练模型复制到多基地，一次投入、多处复用
- 除法： 全检成本 ÷ 产量激增 = 单位质量成本断崖式下降，且规避了天价召回
数据来源： 中国钢铁工业协会官网《首例实践落地！湛钢热轧云表检》（2025-06-12）；人民网《大模型让高炉更"聪明"》（2026-01-14）；环球网《聚焦新质生产力》（宝钢×华为合作）；证券时报《宝钢股份集中发布多项AI创新成果》（2026）。能力单元分析为场景学社原创框架。