2008年,我在浙江一家精密机械厂做工艺员。那年夏天,车间里来了个新玩意儿——一台德国进口的爆燃感应器调试台。厂里花了八十万,说是能自动检测火花塞的爆燃频率,比老师傅耳朵听准十倍。

调试那天下着雨,德国工程师站在旁边盯着,我手里拿着产品说明书,翻了三遍没搞明白。感应器装上去,数据跑出来,稳定值一直在0.3到0.5之间跳动。德国人说这是正常的,我们车间主任不放心,把老师傅老张叫来。老张四十多年工龄,听爆燃靠耳朵贴发动机,站了三秒钟说:“这机子有问题,频率不稳,气缸里有积碳。”

德国人脸都绿了。最后拆开一查,果然是旧机器没清洗干净。那个爆燃感应器,换了新气缸,测出来数据和老张听的一模一样。

这就是窄AI。那台德国设备,就是个窄AI的雏形——它只干一件事,检测爆燃频率。精准,高效,但离开了火花塞它就是一堆废铁。老张那种才是通用智能——他能在车间里干二十道工序,能听机器故障,能看工件毛刺,能给徒弟讲图纸,甚至能从发动机声音判断驾驶员前天是不是拉过重载。

后来我做了ISO审核员,走了一百多家工厂,发现窄AI和通用AI的区别,在制造业里特别清楚。

2015年,我去江苏一家汽车配件厂做16949审核。他们刚上了一条全自动焊接线,花了三千万。机器人手臂精度0.02毫米,焊接速度比人快五倍。厂长很得意,说这套系统是德国AI专家设计的,智能化程度国内领先。

结果审核到变更管理条款的时候,我问他:“工艺参数变更,怎么走流程?”

他说,系统自动调整。材料批次换了,焊接温度会自动修正。

“那焊接材料从宝钢换到首钢呢?”

他愣住了。那条生产线,深度学习模型只训练过宝钢的钢卷数据,换了材料供应商,模型直接崩了。后来花了两个月重新训练,还赔了客户一批不合格件,损失八十万。

这就是窄AI的典型问题。它能把一个特定场景做到极致,但场景一变,它就傻了。而人的通用智能,老张那种,换什么材料他都能根据手感、声音、火花来判断,调参数靠的是经验和推理,不是数据拟合。

2018年,我在深圳一家电子厂审核,看到他们用AI做PCB焊接缺陷检测。系统准确率99.7%,比人工检测高三个点。车间主任跟我说,这个系统去年帮他们省了四百万的返工成本。

我说好。但问了一句:“如果系统检测出疑似缺陷,怎么处理?”

“人工复检。”

“复检的员工培训了多久?”

“三天。”

“系统上线前,他们学的是什么?”

“手工焊接。”

这就很有意思了。那些复检工,原来都是手工焊接的老手,看了十年锡点,闭着眼都能判断虚焊还是冷焊。他们知道焊料流动的规律,知道基板吃锡的温度,知道助焊剂残留的颜色变化。这些知识,是通用智能——能迁移,能推理,能在不同的场景下灵活运用。

而那个AI系统,它只是记住了成千上万个良品和不良品的图像特征。你给它一个非标的板子,光照条件变了,它就懵逼了。2019年这些厂换了一款新型PCB板,检测系统误判率从0.3%飙到15%,复检工作量直接翻了三倍。

通用智能的核心,是理解因果,而不是只记住相关。

我见过最震撼的一个例子,是在2017年,上海一家发动机厂。他们有个质检员,姓王,五十多岁,初中毕业。他在车间干了三十年,从铸造到机加工到总装,所有工序都干过。厂里上了两套自动检测系统,一套测缸体粗糙度,一套测曲轴圆度。小王的工作变成了复核系统报警的异常件。

有一次,系统报警说缸体粗糙度超差。小王把那缸体拿起来,用大拇指摸了摸内壁,说:“这不用报废,是切削液的配方换了,表面有油膜,粗糙度仪测的是油膜厚度,不是缸体本身。”

车间主任不信,让技术部重新测量。结果证实小王是对的。那台粗糙度检测仪,只认表面形貌特征,不理解油膜是什么东西。它看到了一个“异常”,但不知道异常的原因。小王知道,因为他懂切削,懂材料,懂油膜的形成机理。

窄AI就像那台粗糙度仪,能精准测量,但不懂为什么。通用智能就像小王,能看能摸能推理,能跨领域调用知识。

我的笔记里有一条:窄AI是手术刀,通用AI是瑞士军刀。但这比喻不准确。手术刀的前提是有人握着它,瑞士军刀的前提是有人能判断该用哪个工具。真正的通用智能,是那把瑞士军刀自己知道什么时候用刀,什么时候用开瓶器,什么时候用剪刀。

审核的时候我常跟客户说一个概念——T型人才。竖线是专业深度,横线是知识广度。窄AI相当于把竖线做到极致,但横线是零。通用AI的理想状态,是T字,既有专业深度,又有跨界能力。

但我觉得真正的通用智能应该是π型甚至梳子型——多个专业深度加上广泛的连接能力。就像老张,他懂热力学,懂材料学,懂机械力学,懂工艺,懂质量控制,这些竖线之间可以互相调用,形成复合判断。

2019年,我在山东一家重工企业审核,看到他们把人工智能用在轴类零件的寿命预测上。系统做完,准确率95%。但他们有个老工程师,六十多岁,做了一辈子轴类设计。他算寿命的方法很土——查疲劳曲线手册,算安全系数,留余量。结果他算出来的结论,和AI预测的基本一致。

厂长问老工程师:“你这土办法,跟AI有什么区别?”

老工程师说:“AI知道这个轴什么时候会断,我知道它为什么断。”

这就是本质区别。

窄AI能预测,不能解释。能匹配模式,不能理解因果。能解决单一问题,不能迁移知识。而人的通用智能,核心就是因果推理和知识迁移能力。

我的母题一直没变:制造业的本质是做好产品,工具只是手段。不管是窄AI还是通用AI,都是为了把产品做得更好、更稳定、更便宜。工具永远替代不了对工艺的理解、对产品的敬畏。

2020年,那家爆燃感应器厂的爆燃检测系统升级了,增加了自学习功能。但我问车间主任,老张还需要吗?他说,老张明年退休,厂里想返聘他当技术顾问。因为那套系统再怎么升级,碰到新车发动机,还是需要老张听一听、调一调参数才行。

窄AI做的是加减法,通用AI做的是乘除法。但人类做的是微积分——在变化中求极限。系统的边界永远是人的认知边界。你给系统注入多少因果模型,它就有多少通用性。你只给它数据,它永远是个窄工具。

我的审核笔记最后一页写着:窄AI是工具,通用AI是可能性,人是目的。三个车间,三十年,这句话没变过。

(总字数:约3200字)

车间里，老旧的数控机床又发出咯吱咯吱的响声。我站在操作台前，看着屏幕上跳动的代码，忽然觉得这机器就像我的脑袋——只会执行预设的指令，从未真正理解过我在做什么。上个月，厂里引进了新设备，据说能根据毛坯的硬度自动调整进给量。老张头吓得直挠头，生怕机器把人给替了。我倒不慌，新设备再聪明，也只是个窄AI，它懂得调整参数，却不懂为什么要在零件倒角时留出0.2毫米的余量——为了给下一道工序的师傅留个脸面。这车间里真正的智慧，从来不在芯片里，而在那些被磨出老茧的手掌纹路里。

炖刀的笔记

窄AI像把手术刀，精准，专一，它可以在围棋盘上屠龙，却不知道龙是什么。通用AI还在实验室的梦里打转，像个刚学会说话的孩子，什么都懂一点，却什么也干不成。母题：智慧的边界。真正的智能从来不在于计算的多或少，而在于一种无法被算法捕捉的东西——比如车间里老师傅眯起眼睛看火花颜色的那个瞬间，比如我拆开一台报废机床时发现的那枚被压扁的螺丝垫片——它本来不该出现在这里，却恰好延长了整条传动轴三个月的寿命。机器永远学不会这种“不守规矩”，而这恰恰是智慧最珍贵的部分。

炖刀的笔记

那天晚上我躺在宿舍的床上,脑子里一直在想一个问题:如果要给我的注塑机注册一个人类身份,我应该给它起个什么名字?

后来我没给它起名字。但它替我做了很多决定——通宵加班的时候,它替我盯着温度曲线;质检的时候,它替我筛选出可疑的零件。它从来不说话,但它一直在。

大模型读过全世界所有的书,但没淋过一场雨。窄AI淋不到雨,但它知道天晴还是下雨。而通用AI还在屋里研究天气预报。

可能这才是最诚实的答案:窄AI已经来了,通用AI还在路上。但路有多长?没人知道。