汽车工厂里AI视觉检测“上线容易、审起来难”，这句话我这两年体会特别深。早先配合某零部件供应商做AI外观检测项目时，几乎每家主机厂都有自己的打分表：有的死磕准确率，有的盯误检率，有的要求把模型训练日志也翻出来；而AIAG这次正式发布CQI-38《AI视觉检测应用与评审指南》，相当于在行业层面第一次给了大家一套统一的评审框架。这篇文章就围绕这份指南，把汽车AI视觉检测到底审什么、工厂怎么落地、最容易翻车的坑在哪，一次性捋清楚。
1. 汽车AI视觉检测为什么等来这份“统一评审指南”
1.1 传统视觉与AI视觉：审核难度完全不在一个量级
传统机器视觉在汽车产线上用了快三十年，核心是规则算法：先通过图像处理提取特征，再和预设的灰度阈值、边缘距离、面积大小做比较，超过阈值就判NG。这套东西的特点是可以“解释”——审核员问起来，工程师能指着参数表说“判定标准是直径大于0.5mm就报警”。阈值是可审计的，程序版本是固定的，校验用的标准件也是可追溯的。
AI视觉检测完全不一样。它本质上是深度学习模型，输入图像后输出的是概率分布，而不是一个可写进检测规程的硬阈值。模型的“判断依据”藏在几十层神经网络的权重里，连训练它的人都很难用一句话说清楚它到底靠什么特征做决策。这就让传统质量审核方法失灵了：你想检查检测程序，没有传统意义的“程序”；你想核对判定标准，模型不会给你一个简洁的规则表；你想拿标准件复现一次检测，结果可能和上周不一样——因为模型在生产环境里“学习”过了。审核难度不是一个量级，而是换了赛道。
1.2 此前审核标准缺席：主机厂各搞一套的局面
在CQI-38出来之前，汽车行业对AI视觉检测的审核基本处于“各管各”的状态。主机厂在供应商质量手册里会写“应对AI检测系统进行验收”，但验收标准五花八门：有的只要求量产阶段准确率高于99%，有的额外要求误检率低于3%，有的要求提交混淆矩阵，还有的连审核条款都没有，由SQE凭经验提问，问到哪里算哪里。
这种局面的问题在于，供应商把大量精力花在“猜主机厂想看什么”上，而不是花在“把AI检测系统管好”上。同一个AI视觉项目，给A客户做一套数据包，给B客户做另一套数据包，内部流程却是同一套——审核要求的不一致直接掩盖了真实的过程风险，也让那些流程做得扎实的企业没法在评审中体现优势。大家都清楚需要一份中立、公开、能被各主机厂共同援引的评审指南。
1.3 CQI-38的定位：把AI检测当成“特殊过程”管理
AIAG这次把CQI-38放进CQI系列，等于从官方层面确认了一个观点：AI视觉检测不是“买一台设备”，而是“管理一个特殊过程”。这个定位很有讲究。CQI系列在汽车行业里是专门用来评审特殊过程的——热处理看CQI-9，电镀看CQI-11，锡焊看CQI-17。所谓特殊过程，就是结果不能通过后续检验完全验证的过程，焊点强度你没法全检，镀层附着力也没法全检，所以必须靠过程参数受控来保证质量。
AI视觉检测完美符合这个定义：模型判断得对不对，很难在生产过程中对每一个零件都进行独立验证；你今天验证过它是对的，不代表明天光源衰减后它还保持同样表现。把AI视觉检测上升到特殊过程层面，等于告诉整个供应链：你要用管热处理、管电镀的严谨度去管一个模型，必须建立过程控制的证据链，而不是交一份验收报告就完事。这才是CQI-38真正的分量所在。
2. CQI-38到底审什么：从数据、模型到持续确认的条款逻辑
2.1 标准框架的四个主要模块
从我目前接触到的信息和行业讨论来看，CQI-38的条款结构可以大致归纳为四个模块，这四个模块基本覆盖了一套AI视觉检测系统从诞生到退役的全生命周期。
第一块是AI生命周期管理：也就是你有没有一套规定好的流程，来走项目定义、数据收集、模型训练、验证、发布、运行监控、再训练、退役这些环节。审核员会看流程文件，看每个阶段的评审记录，看阶段之间的输入输出是否清晰。
第二块是数据管理：训练数据从哪里来，样本量够不够，缺陷类型是否覆盖，标注是谁做的、用什么标准做的，标注结果有没有复核，数据版本有没有记录。这一块最容易出问题，因为很多工厂的数据管理还停留在“放在共享文件夹里”的水平。
第三块是模型性能与持续确认：模型部署到产线后，你怎么定义它的性能指标，用什么指标监控它每班、每天的运行表现，指标恶化到什么程度会触发再训练，再训练后的模型如何验证、如何放行。这一块是审核员判断你有没有“过程控制”意识的关键。
第四块是人员能力与组织环境：谁负责标注，谁负责训练，谁负责审批模型发布，谁负责处理现场误报，这些人分别需要什么能力，你用什么方式证明他们具备这些能力。很多公司算法团队和现场质量团队互不往来，这一块在评审时特别扎眼。
2.2 审核意图：审的不是设备，而是持续受控的能力
需要特别强调一个容易被误解的点：CQI-38的审核逻辑不是“设备验收逻辑”，而是“过程持续受控逻辑”。设备验收逻辑关心的是“你交付的这台设备此时此刻能不能满足性能指标”，所以看的是测试报告、验收数据、现场演示；过程持续受控逻辑关心的是“你在未来任何一个时刻，有没有一套机制保证这台系统还在稳定工作”，所以看的是运行监控记录、异常处置记录、再训练触发记录、模型版本变更记录。
两者之间差异巨大。举个实际例子：某供应商花大力气把模型准确率做到了99.5%，顺利通过主机厂验收。但投产三个月后，产线换了新批次原料，表面纹理和训练数据有明显差异，误检率从1%悄悄爬到了8%。这家供应商为什么没发现？因为它们的验收文件写得很漂亮，却没有任何日常监控指标，没有对现场误检率的统计，更没有“误检率超过阈值就触发再训练”的流程。CQI-38的审核员绝不会只满意于那份漂亮的验收报告，他会盯着你问：“你的监控指标是什么？多久看一次？谁是负责人？上次触发再训练是什么时候？触发后的验证记录呢？”
这个审核意图其实和生活逻辑很像：一个老式门禁考勤机，你定期校准它就行，因为它是一台固定的机器；而AI视觉检测更像一个新入职的保安，你要管的不是他今天在不在岗，而是他有没有持续接受培训、考核、监督，以及他遇到新情况时，向谁汇报、按什么流程处置。CQI-38就是把这套“管人”的逻辑，移植到了“管模型”上。
2.3 与现有质量体系的衔接位置
理解CQI-38的另一个关键点，是搞清楚它和现有质量体系的关系。它不是取代IATF 16949，也不是取代主机厂自己的供应商审核标准，而是给它们提供一个特殊的审核切入点。如果企业已经在推行APQP、控制计划、FMEA，那CQI-38基本可以无缝嵌入：APQP里把“AI检测系统”作为一个特殊过程来策划，控制计划里为模型性能定义“特殊特性”，FMEA里把“模型漂移”“数据标注错误”“光源衰减”识别为失效模式，并给出对应的预防与探测措施。
在实际执行层面，CQI-38的价值是让这些通用工具有了“AI版本”的落点。比如FMEA中传统失效模式是“检测程序参数漂移”，对应的措施是“定期校准”；换成AI系统后失效模式就变成“模型在新增缺陷类型上识别置信度下降”，预防措施则应该是“建立新缺陷样本收集机制”和“定期再训练”，这两者完全不是一回事。把CQI-38和现有体系主动对齐，比被动等审核员来查要好得多。
3. 工厂最容易翻车的三个隐藏地带
3.1 样本与标注：模型表现的“地基”最容易被忽视
全行业审核AI视觉检测，第一刀基本都是砍向数据和标注。这里翻车几乎不是小概率事件，而是一条规律。常见的问题有三个。
第一个是标注标准不统一。同一个划痕缺陷，A标注员按“长度超过3mm算NG”来标，B标注员却按“目视可见即算NG”来标，两人给出的训练标签就存在系统性差异，模型学到的判定边界必然是扭曲的。解决这个问题的办法在传统制造业里很成熟——把“标注作业指导书”做成和检验作业指导书一样严谨的文件，标注模糊时要有仲裁机制，每隔一段时间要做标注一致性评估。
第二个是样本不平衡。实际产线上良品占绝大多数，缺陷样本本来就少，而某些缺陷种类又特别少。如果训练集里缺陷样本比例远低于真实分布，模型就会倾向于把所有产品判为OK，因为“只要全判OK，准确率也能到99%以上”。这些训练集分布的问题，审核员一定会追问，但很多工厂根本拿不出训练样本的类别分布统计表。
第三个是实验室数据与产线数据分布不一致。开发阶段多半用实验室搭建的光源、相机拍样本，部署后产线现场有油污、震动、环境光变化、相机老化，导致推理阶段的图像分布和训练阶段不一致，准确率在实验室里很高、到产线就下降。工厂如果拿不出“现场数据回流训练集”的机制，审核员会判断你的AI系统不具备持续改进能力，这套系统在过程审计里就坐实了高风险。
3.2 算法漂移与再训练触发：没有触发机制等于没有质量控制
“算法漂移”这个词听起来很有技术感，但本质上就是：模型在部署初期的表现，和运行一段时间以后的表现，会逐渐不一致。诱发因素包括光源衰减、相机镜头脏污、产品换型、来料批次变化、环境光干扰，甚至季节变化导致车间温湿度改变，都会让图像分布发生偏移。
很多工厂的实际情况是模型上线后再无人问津，等到客户投诉不良品流出，才想起去查系统日志。这是典型的“没有触发机制的质量控制”，等于把AI系统的过程控制完全交托给了运气。CQI-38的评审思路显然不允许这种状态，它要求你预先定义清楚几个问题：用什么指标度量模型性能，是误检率、漏检率，还是综合的F1值？指标在多少时间内达到什么数值就算“异常”？异常后通知谁、由谁判断是否启动再训练？再训练的数据从哪里来？模型训练完经过什么样的验证流程，由谁批准才能重新部署？
这些问题需要形成一个文件化的闭环，而且最好在量产前的控制计划阶段就定义好。我曾经见过一个项目，再训练机制写得非常完善，但触发过一次之后，整个环节花费了大量时间在等待与层层审批上，产线等不起，就私下把旧模型换回去继续跑。这个案例说明，再训练触发机制不能只是一个流程文件，还要考虑响应时间、审批权限和产线可用性，否则制度本身就会被现场用脚投票否决。
3.3 确认频次与证据链：审核员要看的不是报告而是记录
第三个容易翻车的地方是确认频次和证据链。很多工厂的AI视觉检测项目，所有资料都是“一次性的”：项目验收报告有一份，试产阶段模型评估报告有一份，然后就没有然后了。但审核员要的不是过去完成时的证明，而是现在进行时的证据——你这个月、这个班次，系统运行得好不好，你有没有证据证明它好，都不能凭一张嘴说。
需要建立的日常证据大致包括：每班次的系统运行记录（检测数量、NG数量、误报数量、人工复核结果），模型性能的周期性趋势图，现场问题反馈单，再训练记录，模型版本变更记录。这些记录最关键的要求是“产生于动作发生的那一刻”，而不是事后补的。审核员对补录记录极度敏感，一旦发现时间戳异常，整套证据链的可信度都会崩塌。
如果你所在的企业数据结构比较传统，可能连“误报数量”都很难从现场统计出来，因为许多AI检测设备会直接把NG品放到复检区，由人工复检后再放行，但系统并不知道复检结论。在这种情况下，一定要先补上“复检结论回传系统”这一步，否则你的监控指标永远缺一条腿。
4. 面向CQI-38的差距评估：一条可以直接借鉴的推进路径
4.1 先组队：这个项目不能只扔给视觉工程师
面向CQI-38做差距评估，第一个动作不是翻标准条款，而是组织架构调整。AI视觉检测天生是跨职能系统，如果只让视觉工程师或算法工程师单独应对审核，一定会顾此失彼。一个合理的筹备组至少要覆盖四个角色：
质量体系人员负责翻译标准和梳理文档缺口；工艺和设备人员负责提供现场运行数据、维护记录、光路环境信息；IT或数据管理人员负责模型版本、数据版本和日志管理；视觉/算法工程师负责解释模型原理、训练流程、验证结果。如果企业规模较小没有专职算法工程师，也要指定一名经过培训的“系统责任人”，能够说清楚模型的基本原理和验证方法，而不是答非所问。
这里特别提醒一点：不要把CQI-38应对变成“质量部一个人的活”。从实际审核经验看，只要现场操作员、设备维修员、质检员不具备最基本的AI意识，审核现场就很难通过。质量部写得再好的流程文件，一线一问三不知，或者在关键岗位上找不到有能力回答问题的责任人，都是审核硬伤。
4.2 做差距评估：把“没标准”变成“可整改项”
组队之后，第二步是拿着行业通行的CQI-38框架，对现有AI视觉检测项目做一次系统的差距评估。评估方式建议采用“现场访问+文件核对+数据抽查”三者结合，不要闭门造车地坐在会议室里填表，因为很多实际情况只有到产线上才能暴露。
差距评估表可以设置这样几列：评估领域、评估问题、当前状态、差距描述、风险等级、责任人与整改期限。评估领域至少要覆盖前面提到的四个模块。要注意风险等级既要考虑体系符合性，也要考虑对产品质量的实际影响——比如“标注指导书缺失”可能风险等级高，因为直接影响模型质量基础；而“模型运行报告格式不统一”可能就是中低风险，不会马上造成质量事故，但同样要被记录并整改。
做完评估后，通常会得到一份长短不一的整改清单。这份清单本身就是宝贵的输入：它证明了企业已经用系统性的视角看待AI检测系统，也为主机厂审核提供了沟通基础。哪怕整改还没全部完成，只要整改计划清晰、优先序合理、资源到位，至少在审核印象上就比那些“什么都没有”的供应商强一大截。
4.3 分三步落地：盘点、补流程、跑闭环
差距评估完成之后，实际落地建议分三个阶段推进，避免想一口吃成胖子。
第一阶段是“盘点阶段”，把公司所有已上线、正在试点、计划导入的AI视觉检测系统列成台账。每一套系统都要登记清楚：用途、安装位置、模型版本、训练数据版本、上线时间、验收状态、当前监控指标、负责人。如果企业上了几十套AI设备，这一步做不做直接决定后续工作是否有抓手；如果只有一两套，也照样建议做，因为台账是后续所有文档、流程、验证动作的索引。
第二阶段是“补流程阶段”，按差距评估结果优先补齐高风险项目。通常第一个要补的是数据与标注管理规范，第二个是模型生命周期与再训练触发流程，第三个是运行监控与记录模板。这三个流程拉动面广，但受益面也最大，补完之后企业相当于从“买了一台AI设备”升级到了“建立了一套AI受控过程”。
第三阶段是“跑闭环阶段”，选一条典型产线做模拟内审，邀请跨部门成员共同参加，完全按照审核员的方式检查过程记录、随机抽查询问一线人员、复核数据链路。跑闭环的目的不是“做给谁看”，而是让企业内部所有人熟悉CQI-38的审核逻辑，把文档流程和实际操作真正融到一起，避免“制度是一套，现场又是另一套”。
4.4 学会用证据链说话：给审核员的展示方式
最后提一个我特别想让质量同行们重视的问题：AI系统的展示方式和传统设备完全不同。审核传统设备时，你带审核员看设备点检记录、校准报告、标准件复测结果，逻辑很直白；审核AI系统时，审核员需要建立的是“数据流—模型流—质量流”的整体画面感。
一个有效的展示方式，是建立一张“AI模型能力台账”。这张表按系统分别记录：项目编号、模型ID、训练数据版本、训练日期、验收指标、当前运行指标、最近一次再训练日期、再训练触发原因、模型发布审批人。这张表几个信息一拉，审核员就能快速判断：你是否有历史轨迹，是否有变更控制，是否有持续监控意识。比临时抱佛脚地找十几份邮件沟通记录要高效得多。
我在参与某主机厂供应链审核时见过一个做得让人印象深刻的案例：供应商把AI检测系统的台账做成一个动态Excel，每一次模型更新、每一个性能指标变动都由系统自动写日志，审核员现场随机指着一个历史日期问“那天为什么更新模型”，对方立刻调出当时的缺陷样本截图和验证报告，前后不到三分钟。这种证据链不是审核前突击能补出来的，它依赖的是日常流程中已经把“记录产生”嵌入了每一次操作。
5. 落地过程中的实用建议与避坑心得
5.1 文档别只写目标，要写“判定规则”
看过多份AI视觉检测的项目文档，最常见的问题就是只写“目标准确率≥99%”，然后呢？没有然后了。这完全没法支撑评审。审核员一定会追问：这99%是在哪个验证集上算出来的？验证集有没有覆盖所有缺陷类型？数据量和真实产线分布是否一致？置信度阈值设了多少？过检率和漏检率分别是多少？在不同缺陷类型上的表现是否均衡？
正确的做法是把性能指标写成“某某项目某型号模型V2.1，在量产样本测试集A上，置信度阈值0.85时，总体准确率99.2%，划伤类缺陷召回率98.5%，误报率1.8%，评估样本量5000件，三类缺陷均衡覆盖”。只有达到这种颗粒度，文档才有审核价值和工程意义。
5.2 版本管理是AI系统的生死线
传统软件的版本管理已经深入人心，但AI系统的版本管理多了一个维度：数据版本。模型表现不仅取决于模型权重文件，还取决于训练它的数据版本、代码版本、超参数配置。审核现场如果对不上版本，任何结论都站不住脚。
建议每一套AI视觉检测系统都维护一个类似这样的描述文件：
project_id: APQ2311 system_name: 外观划伤检测_前盖板 model_id: v2.1 training_data_version: ds_2025Q1_v3 code_version: train_pipeline_r44 deploy_date: 2025-04-12 validation_dataset: val_site1_20250321 acceptance_metrics: overall_accuracy: 0.992 reject_recall: 0.985 false_alarm_rate: 0.018 monitor_metrics: - daily_false_alarm_rate - weekly_reject_recall retrain_trigger: - false_alarm_rate > 0.05 for 3 consecutive days - new_defect_type_confirmed last_retrain_date: null别小看这个动作，它把AI系统从“黑盒”变成了“可追溯的黑盒”。审核员不一定要求你解释模型内部机制，但他一定要求你解释清楚每一次变更的来龙去脉。
5.3 性能指标要看“误判成本”，而不是只有准确率
工程师汇报时喜欢报“准确率”，但质量部门真正关心的永远是“误判成本”。漏检一个缺陷流出到客户端，可能造成一次客户投诉甚至整车召回；过检一个良品，代价是返工成本、产能损失和物流延误。这两类成本不是一个量级，单纯看准确率会做出错误的技术决策。
比较实用的做法是建立一张误判成本矩阵：把每种缺陷类型的漏检损失和过检损失分别算出来，然后把这个成本矩阵纳入模型评估标准。举个例子：某前盖板检测项目，油污类缺陷漏检导致的返工成本较高，而漆点类缺陷过检造成的报废成本较低，那么优化方向就应该向“保油污召回率”倾斜，哪怕牺牲一点总体准确率也是可接受的。这个思路不仅符合质量逻辑，也是CQI-38评审中“风险思维”的直接体现。
5.4 再训练周期：从拍脑袋到数据驱动
不少企业把“每季度重新训练一次模型”写进流程，这本质上还是传统设备的定期保养思路，用在AI系统上并不合适。季度更新可能太快，模型还没积累足够的新样本就重新训练，纯属折腾；也可能太慢，产线发生了明显变化，旧模型已经漂移了一个月还没人发现。真正合理的做法是数据驱动：定义漂移监控的定量指标，指标超过阈值才触发再训练，比如“连续3天误报率超过5%，且复检确认后仍无改善趋势，触发再训练评审”。
这种数据驱动触发机制有一个前置条件：系统必须记录运行数据和人工复检结果。如果AI检测后面没有人工复检环节，监控指标只能依赖系统自身的置信度分布变化，这种间接指标在有些场景下能用，但可靠性有限。所以在设计方案时，就要考虑把“复检结论回传”做成系统功能，而不只是流程文件里的一个要求。
5.5 现场人员的“AI素养”也要纳入评审视野
最后聊一个容易被技术团队忽略的维度：现场人员的能力。很多公司送算法工程师去参加各类AI培训，却忘了产线质检员、设备维护员才是天天和AI系统打交道的人。
质检员至少需要理解“置信度”是什么意思——系统给出一个低置信度判断时，应该重点关注还是按普通结果放行；设备维护员至少要知道光源衰减、镜头污染对模型性能的影响，以及如何通过日常点检预防这类问题；班组长需要知道误报率上升时应该找谁、用什么流程上报。这部分的证据可以来自培训签到表、现场提问记录、岗位能力矩阵，也可以来自一次模拟异常演练的处置记录。CQI-38既然把AI视觉当作特殊过程来管理，现场人员的能力当然就是过程要素的一部分。
6. 最后想多说一句
CQI-38发布之后，我看到不少同行第一反应是“又多了一个审核负担”，但我自己的体会恰恰相反：它更像一面镜子，把AI视觉检测项目里长期存在的侥幸和模糊照了出来。以前一个模型上线后没人管，可以说“客户没有要求”；以后再说这句话就站不住脚了，行业基准已经摆在那里。
如果目前还没有被客户要求对标CQI-38，我也建议顺手用它的框架给现有项目做一次“体检”：翻出模型台账，看一眼数据版本记录，再确认一下漂移监控指标有没有人定期看。成本很低，但能帮你提前避开很多真正昂贵的坑。等审核员上门那一天，你会感谢现在这个“多此一举”的自己。
