序章：一个通过了 FAT、死在了 SAT 的项目

0.1 现场：八项 FAT 全绿

浙江一家压铸厂，2026 年 3 月，一套视觉质检系统在供应商的实验室里通过了全部八项 FAT。

八项测下来，没有一项返工。准确率 99.2，320 件样品全绿，单件检测 0.42 秒，比合同写的 0.5 秒还快。

验收报告一共 26 页。第 3 页是样品清单，第 7 页是准确率曲线，第 19 页是八项 FAT 的逐项签字。

签字的人有四个：供应商项目经理、供应商算法负责人、买方设备部工程师、买方采购。

会议室的灯是均匀的，桌面是白色的。样品是供应商从买方现场挑回来的，好件和坏件一共 320 件。

买方设备部工程师后来回忆，那天他唯一觉得不对的地方，是样品太干净了。

干净到什么程度？没有油膜，没有脱模剂残留，没有料饼毛刺，没有一模一样的飞边。都是能从车间挑出来的件，但挑的时候被人用手擦过。

这句话在当时不重要。320 件全绿，八项全过，没有人会为一个“太干净”去否掉一份 26 页的报告。

0.2 运到现场：灯、油雾、节拍

系统 4 月 12 日到场，4 月 19 日通电，4 月 26 日开始跟线。

车间和实验室的差别，第一周就全露出来了。

第一条是灯。车间顶灯是 12 米高的高棚 LED，八小时周期内有可测的光强漂移；实验室是均匀面光源，漂移小于一个百分点。

第二条是油雾。压铸机开模瞬间有油雾逸出，油雾在镜头保护镜上结膜，一个班下来透光率就变了。

第三条是振动。相邻工位是 400 吨压铸机，合模冲击传过来，相机支架跟着抖，像素级偏移在标定值之外。

第四条是节拍。实验室是单件上料，现场是每分钟 28 件，日产能 4.2 万件。

这四条差异，一条都没写在 FAT 的 26 页报告里。

不是供应商隐瞒，是 FAT 的定义里就没有这四项。FAT 验的是“机器按规格被造出来了”，它不验“在你的厂里能不能用”。

0.3 第三周：操作员关掉了自动剔除

第一周，误检率还在可接受范围。第二周开始往上走。

第三周，一名班组长做了一件在制造业极常见、在所有合同里都没有对应条款的事：他把自动剔除关了。

理由很朴素。一个班 8 小时，系统每天报警两百多次，其中真正需要处理的不到一成。操作员每次都要停下来看一眼，看一眼 40 秒。

关掉之后，产线恢复原来的节奏，人工复检照旧。

系统还在跑。屏幕上还在出框。只是没有人再按它的结论执行。

这件事在数据上几乎看不出来。日志里没有“关闭”这个事件，只有“剔除执行次数”从每天 300 次降到 0。

四个月后复盘，供应商的第一反应是“客户没用起来”，客户的第一反应是“系统不准”。两边都没有说错，两边也都没有说到点上。

0.4 项目没死，它变成了辅助提示系统

这个项目最后没有失败，也没有成功。

验收单签了，功能上线了，效果没人认领。

供应商说，系统稳定运行，准确率 99.2，符合合同。买方说，我们还在用人工复检，AI 只是提示。财务说，这个项目没有产生可计量收益，所以不进损益表。

三句话都是真的。

于是它变成了一种很常见的东西：辅助提示系统。挂在产线上，开着，没人看，但谁也不能说它没用。

这就是本篇要讲的事。一个技术上做出来了的系统，是怎么在验收这一步变成“辅助提示”的。

请注意，问题不出在算法。320 件全绿是真的，99.2 也是真的。问题出在，从头到尾没有人拿尺子量过它在车间里的样子。

准确率不是尺子。它是供应商在自己选的样品上、自己定的口径下，给出的一个数。

云质变判断

准确率不是尺子。它是供应商在自己选的样品上、自己定的口径下，给出的一个数。

第一章 四个数字，四道门

1.1 四个数字，四套分母

2026 年，关于工业 AI 有四个数字被反复引用：百分之九十二、百分之八十八、百分之八、百分之六。

这四个数字经常被并排放在同一张 PPT 上，用来讲同一个故事。它们讲的其实不是同一个故事。

它们的口径完全不同，分母完全不同，样本完全不同。

表 1 四个数字的并列口径

数字本身没错。错的是把它们放在一句话里。

百分之九十二的分母是“中国工业企业有多少家开始做”，百分之八的分母是“已经开始做的里面有多少家拿到钱”。分子分母都不在一层楼。

1.2 断崖不在开始，在结算

把这四个数字按顺序摆开，看它们怎么掉。

从百分之九十二到百分之八十八，掉了四个点。

从百分之八十八到百分之八，掉了八十个点。

从百分之八到百分之六，掉了两个点。

掉得最狠的那一段，不在“开始”，也不在“验证”，在“验证通过之后到产生财务收益”这一段。

这一段的名字，叫验收与结算。

这也是本篇要盯住的那一段。因为前面两段已经被讨论烂了：怎么立项、怎么搭模型、怎么做 POC，方法论一抓一大把。而“验证通过之后到拿到钱”这一段，方法论几乎是空的。

空到什么程度？一个项目验收通过了，账上确认了收入，客户那边没有任何一条产线指标发生变化。这件事在工业 AI 里是常态，不是例外。

云质变判断

从九十二到八十八掉了四个点，从八十八到八掉了八十个点。断崖不在开始，在结算。

图 1 从 92 家试点到 6 家高绩效的四层漏斗

这张图要说明的是：四层漏斗的收口位置不在最上面，而在第三层到第四层之间；国际口径并排放着看，IDC 的百分之八十八、Forrester 的百分之八十六至八十八、麦肯锡的百分之六、BCG 的百分之十，落点全部集中在同一段。

1.3 一个必须承认的反面事实

IDC 把百分之八十八这个数字归因于“数据、流程、IT 基础设施的组织准备度不足”，而不是模型质量。

这个归因和 050 那篇的结论一致：模型从来不是最难的部分。

但 IDC 的归因停在“准备度不足”这一步，没有再往下问。

本篇要往前推一步：准备度不足之所以长期无法改善，是因为没有一个验收标准能告诉企业“准备到什么程度算够了”。

没有终点线的跑道，跑的人不会加速，只会绕圈。

这句话可以反过来验证。过去三年，模型能力涨了不止一个数量级，标注工具、推理框架、边缘算力全都在降本，而失败率还在百分之八十附近。如果瓶颈在准备度，那准备度应该跟着工具一起变好。

它没有变好。因为没有人定义过“好”是什么。

1.4 四道门的命名

工业界对物理设备有一整套门。这套门有名字，有顺序，有签字人。

第一道门叫 FAT，验机器造得对不对。

第二道门叫 SAT，验在你的车间里能不能用。

第三道门叫 PPAP，验量产件能不能交付。

第四道门叫 MSA，验量具能不能分辨零件。

四道门后面还有一个 Cpk，验过程能不能稳定产出合格品。

对模型，这四道门一道都没有。

没有 FAT，因为模型的“出厂测试”是供应商在自建测试集上跑的分，样本由供应商选、标注由供应商做、阈值由供应商定。

没有 SAT，因为绝大多数 AI 项目不做现场验收测试，或者把“上线跑两周看看”当成 SAT。

没有 PPAP，因为模型没有“量产件批准”的概念，版本升级不需要重新走批准流程。

没有 MSA，因为 AI 质检系统从来不报 GRR 占比。

四道门全部空缺。于是项目只有一条路可走：把 FAT 的结论直接当成 SAT 的结论，把供应商实验室的数字直接写进合同。

序章那个压铸厂，走的就是这条路。

第二章 验收：被跳过的那道门

2.1 工业界对物理设备的五级验收

先把成熟体系摆出来，因为后面所有的对比都要用到它。

表 2 工业界对物理设备的五级验收

这张表里藏着一个关键依赖关系：MSA 在前，Cpk 在后。

一个过了 R&R 的量具，才能用来算 Cpk。

AIAG 手册里的逻辑很直接：在没通过 R&R 的量具上跑能力研究，测的不是过程，是量具。

这句话在工业界是常识。搬到 AI 上，几乎没人提。

因为提了就会发现：绝大多数工业 AI 项目的能力报告，是在一个没过 R&R 的“量具”上跑出来的。

2.2 工业界对模型，什么都没有

四个空缺已经在第一章列过，这里补三个细节。

第一个细节，模型的“出厂测试”没有第三方。卡尺出厂要过计量院，模型出厂只过供应商自己的测试集。

第二个细节，模型没有“量产件批准”。一条产线的模型升级到 v2.3，不需要重新走任何批准流程，改一个权重文件就上线了。而同样这条产线换一个气缸，要走变更评审。

第三个细节，模型没有“复检”。量具每年要送检，模型的验收结论一旦签了，就再也不会被复检一次。

三个细节加在一起，指向同一个事实：AI 是唯一一个“出厂即终身”的工业部件。

这不是因为它可靠，是因为没有制度要求它被复检。

2.3 标准不是没有，是没有写进合同

说“没有标准”是不准确的。2026 年国家标准发得很密。

表 3 2026 年人工智能相关国家标准的发布节奏

补充一个存量数字：2025 年我国累计研制发布 40 余项人工智能关键国家标准和行业标准。

密度不低。问题在层级。

2.4 GB/Z 的层级问题与采购验收

上面这些标准，绝大多数是国家标准化指导性技术文件，代号 GB/Z，不是强制性国家标准，也不是推荐性国家标准。

GB/Z 的定位是“指导性”，不强制执行，也不构成交易关系的默认条款。

36 氪在 2026 年 9 月 11 日对那 298 项国标的解读里说得很清楚：推荐性标准由国家鼓励采用，但如果企业在合同、产品说明或公开声明中承诺执行某项推荐性标准，该标准会进入双方的交易关系。

换句话说，标准有没有用，取决于它有没有被写进合同。

而绝大多数工业 AI 合同里，一个字都没写。

同一篇文章提出了判断 AI 标准化是否真正落地的五个观察点，其中第四个是“采购验收”：相关标准是否写入招标文件、产品合同和项目验收指标。

这一条恰好是所有观察点里最难做到、也最少被讨论的。

因为它不难在技术，难在签字。

云质变判断

所有成熟的东西都有尺子，只有 AI 没有。写在文件里的叫倡议，写进合同里的才叫标准。

第三章 验收单上的六行，三行没人敢签

3.1 六行清单

2026 年 10 月 19 日，一位交付过三个企业 AI 项目的实践者写了一篇技术文章，把一张 AI 项目的验收单拆成了六行。

这六行是这篇白皮书里最实用的一张表。

表 4 验收单六行与签字人分配

六行里，有四行的返工责任直接落到了乙方。这不是合同偏心，是默认条款的默认方向。

3.2 哪三行签不了

六行里有三行，第 1、3、6 行，技术对口人签不了。

数据什么时候更新、答不上来算不算故障、改需求算不算返工，这三件事他既决定不了，也担不起。

注意“担不起”这三个字。不是不懂，是担不起。

数据更新频率涉及业务部门的排产和系统改造；兜底行为涉及客服或质检的人员工时；变更边界涉及预算科目。这三样东西都不在技术对口人的权限里。

原文的判断很准：签字这一步看着是流程，实际上是在提前分责任。谁签，后面谁兜。

所以六行验收单的真实结构是：三行由技术方签，三行必须由业务方签。

而现实里，六行往往由同一个人签。这就是序章那个项目里，为什么验收单能顺利签下来，又为什么签完之后没有人认领效果。

图 2 验收单六行与三个签字人的责任矩阵

这张图要说明的是：六行乘以三类签字人，形成一张责任矩阵；第 1、3、6 行在技术方一列是空白，这三格空白就是后面所有扯皮的来源。

3.3 p95 陷阱：谁有权决定哪 3 条不算

同一篇文章里有一个技术细节，比六行清单更值得单独拎出来。

同一批数据，40 条样本全算，p95 是 8000 毫秒，时延不达标。

剔掉 3 条超时的，p95 变成 2460 毫秒，命中率也从 0.85 涨到 0.919，全部达标。

差的那 3 条，正是真实用户会遇到的那部分。

这个细节的价值不在统计学，在选择权。

验收口径不是数学问题，是选择权问题。谁有权决定“哪 3 条不算”，谁就掌握了验收结论。

而且这件事在流程上完全合规。剔除超时样本是标准做法，理由充分：超时可能是网络抖动、可能是客户端问题、可能是压测脚本的问题。每一条剔除理由都能写进报告。

问题是，把同样的三条剔掉之后，一个不合格的系统变成了合格的系统。而这个变化没有触发任何一方的警觉。

所以我一直认为，验收报告里最该被追问的不是通过率，是剔除清单。

剔除了几条、为什么剔、谁批的。这三个问题答不上来的报告，不管准确率写多少，都不能签。

3.4 快照绑定：样本可以固定，数据集固定不了

还有一个机制必须写进验收单，而且它比第 2 行更基础。

验收时那个知识库、那个数据集、那份模型权重的快照摘要，要记下来，跟验收结论绑在一起存。

半年后客户拿验收单上的命中率来问，你要能当场证明那个数字是绑在哪个快照上的。

快照摘要一变，旧结论自动作废，得重测。

这条不写进验收单，第 2 行签得再细也白搭。

因为样本可以固定，数据集固定不了。

样本是抽出来的那 500 条，数据集是这 500 条背后的整个语料。语料每周在长，标注在改，去重规则在调。同一批 500 条样本，跑在三个月后的数据集上，结果会不一样。

这个道理在软件行业叫“不可复现构建”，在工业界叫“量具漂移”。两个行业用两个词讲了同一件事，然后各自动手解决，谁也没告诉谁。

云质变判断

样本可以固定，数据集固定不了。所以验收结论必须绑在快照上。

3.5 签字的位置，就是风险落地的位置

把第三章收一下。

验收单六行，三行技术对口人签不了。不是他不懂，是他担不起。

这句话往前推一步，就是本篇的第二个核心论点：验收不是流程问题，是责任分配问题。

流程问题可以靠优化解决，加一个审批节点、换一张模板、上一次系统。责任分配问题不能，因为它涉及钱和后果。

所以你会看到一种很奇怪的现象：验收流程越规范的公司，AI 项目反而越难落地。

不是流程错了，是流程把一个无法分配的责任，硬塞进了一个标准模板里。

模板里每一格都要签字，而其中三格，没有人有资格签。

第四章 准确率是个骗人的指标

4.1 三个陷阱

准确率的定义很朴素：判对的样本数除以总样本数。这个定义在类别平衡时好用，在工业场景里几乎总是坏的。

三个陷阱，一个一个说。

陷阱一，分母。在类别极不平衡时，一个把所有样本都判为“合格”的模型，准确率就等于良品率。

千分之三的缺陷率下，全判合格的模型准确率是百分之九十九点七，比大多数真实 AI 系统还高。

一个什么都不做的模型，打赢了绝大多数做事的模型。这就是准确率的第一个问题。

陷阱二，分布。供应商测试集的分布和车间不一样。视觉上表现为光照、角度、批次、材料批号、设备磨损状态五个维度。

陷阱三，时点。验收那天的准确率，三个月后不成立。这一条留到第十一章展开。

4.2 算例 A：千分之三缺陷率下，百分之九十九准确率意味着什么

条件：日处理 10 万件，缺陷率千分之三，也就是每天 300 件真缺陷，系统整体准确率百分之九十九。

把这一句“百分之九十九”拆成灵敏度和特异度四组，看会得到什么。

表 5 算例 A：同一句百分之九十九的四种拆法

表中比例类数值单位为百分点，下文同。

推导第一步，真缺陷数等于 100000 乘 0.003，等于 300 件。

推导第二步，良品数等于 100000 减 300，等于 99700 件。

推导第三步，以第二行为例，漏检等于 300 乘（1 减 0.99），等于 3 件；误检等于 99700 乘（1 减 0.99），等于 997 件。

推导第四步，每抓 1 个真缺陷陪的误报数等于 997 除以 297，等于 3.36，取 3.4。

边界条件之一：这个计算假设“准确率”可以拆成灵敏度和特异度，而供应商报的准确率往往不说明拆法。同一句百分之九十九，可能是 3.1，也可能是 0.3，差十倍。

边界条件之二：误检和漏检的成本不对称。误检的成本是复检工时，漏检的成本是客户索赔。比例决定阈值，不是准确率决定阈值。

这张表最值得看的是第一行和第四行。两行的整体准确率几乎一样，一个 99.10，一个 99.90，但每抓一个真缺陷陪的误报数，一个是 3.1，一个是 0.3。

差十倍。而合同里写的那个数字，是整体准确率。

云质变判断

百分之九十九的准确率，在千分之三的缺陷率下，等于每抓一个真缺陷陪 3.4 个误报。

图 3 99 分准确率在千分之三缺陷率下的真实构成

这张图要说明的是：10 万件里 300 件真缺陷与 99700 件良品被同一条堆叠条切开，漏检 3 件几乎看不见，误检 997 件占满良品那一段；右侧单独标出每抓 1 个真缺陷要陪 3.4 个误报这个比值。

4.3 算例 B：误检成本的年账

条件：误检 887 件每天，取第一行；年生产 250 天。

表 6 算例 B：误检的年成本

推导第一步，887 乘 5 等于 4,435，取 4,437 是因为精确值为 886.9 件，886.9 乘 5 等于 4,434.5，四舍五入按 887 计。

推导第二步，4,437 乘 250 等于 1,109,250 元，约 110.9 万元。

同时，漏检 15 件每天，年 250 天等于 3,750 件流到客户。

边界条件之一：单件复检成本按“人工复检 2 分钟加产线节拍损失”估算，不同行业差异大。汽车电子单站误报率通常要求不高于百分之一点五，消费电子 PCBA 不高于百分之三。

边界条件之二：这里没有计入误检造成的“好件被报废”。如果误检件直接判废，成本要乘以单件材料成本。

这个算例的要点不是 110 万元。

要点是：这 110 万元在验收报告里是不出现的。验收报告只写准确率、误报率、节拍。误检的年成本要等到财务年底算账才会浮出来，而那时候验收单已经签完半年了。

4.4 报警疲劳：验收的隐藏杀手

云恒制造在 2026 年 7 月 30 日给出的行业经验是：若误报率超过百分之五，产线作业员会开始习惯性忽略报警，严重削弱有效性。

iFactory 的表述更直接：百分之九十九点五的检测率配百分之二的误报率，每 1000 件误拒 20 件，会在数周内侵蚀操作员信任。

这两句话是同一个现象的两种说法，学名叫报警疲劳。

所以准确率真正的问题不是“不够高”，是它掩盖了一个会杀死项目的副作用：误报率。

一个百分之九十九点五检测率、百分之二误报率的系统，在数学上很漂亮，在产线上三周就会被关掉。

序章那个压铸厂，走的就是这条路。报警每天两百多次，真正需要处理的不到一成，第三周关掉自动剔除。

注意，这不是操作员的问题。任何一个正常人在连续三周收到九成无效报警之后，都会降低响应强度。这是人的适应机制，不是纪律问题。

所以报警疲劳不能被管理解决，只能被设计解决。设计的方法只有一个：把误报率当成一级验收指标，而不是准确率的脚注。

图 4 误报率与操作员响应率的报警疲劳临界点

这张图要说明的是：误报率从百分之零点五往上走，报警量线性上升，操作员响应率非线性下降；百分之三和百分之五是两个行业阈值，越过百分之五之后，系统在组织层面已经被判了死刑，只是数据上看不出来。

4.5 行业基准与两个数量级的缺口

把行业里已经公开的基准并排放，会看到一个很整齐的阶梯。

表 7 视觉检测的行业基准对照

这张表里最关键的不是任何一个数，是最后一行的位置。

客户合同里写的是 sub-100 PPM，也就是每百万件不超过 100 个缺陷。

而 FabFlow 的表述是：百分之九十九准确的系统听起来很好，直到你意识到它每 100 个缺陷漏掉 1 个，也就是 10,000 DPPM。

10,000 和 100，差两个数量级。

这不是精度差一点，是量纲差两档。

而且这里还有一个更硬的算术事实：没有任何抽样方案能达到 sub-100 PPM，只有百分之百全检在算术上成立。而在每分钟 400 件以上的线速下，相机是唯一够快的仪器。

所以工业 AI 的验收标准正在从“准确率”转向“DPPM”，而这两者之间的换算关系，绝大多数合同里没写。

没写的后果是：供应商交的是 10,000 DPPM 的系统，客户验收时用的是准确率口径，两边都合规，两边都不满意。

云质变判断

百分之九十九等于 10,000 DPPM。客户合同里写的是 sub-100 PPM。中间差两个数量级。

第五章 第一级验收：数据集上的一百分

5.1 离线验收的标准做法与三个必查项

离线验收是四级里唯一被普遍执行的一级，也是唯一有成熟做法的一级。

标准做法三步：供应商提供测试集，通常 500 到 5000 张；在测试集上跑准确率、召回率、F1；达到合同约定的阈值即通过。

这三步每一步都能被追问。

必查一，样本来源。测试集的图是谁拍的？是产线实拍还是实验室摆拍？是同一批材料还是跨批次？

必查二，标注一致性。谁标的？标了几遍？标注员之间一致吗？

必查三，分布覆盖。测试集里有没有覆盖不同班次的光照、不同批次的材料、灰区件、设备磨损后的状态。

这三条里，第一条最容易查，第三条最难补。

因为第三条要求测试集覆盖“设备磨损后的状态”，而设备磨损是一个跨月的过程，供应商没有时间等。

所以现场的真实情况是：测试集覆盖了光照和批次，没覆盖磨损。模型上线三个月后开始失效，失效原因写在第十一章。

5.2 Kappa 与它的陷阱

属性型测量系统的标准做法是属性一致性分析，核心指标是 Kappa。

Kappa 等于（观察一致率减期望一致率）除以（1 减期望一致率）。

判定惯例：Kappa 大于 0.75 算好。这是 AIAG 属性 MSA 的常用门槛，也是合同里最常被抄进去的一句。

这句话在缺陷率低的场景里，会算出一个荒谬的结果。

5.3 算例 C：千分之三正例率下，Kappa 会算出负数

条件：三个标注员标注 500 张图，其中正例也就是缺陷的比例是千分之三。期望一致率 Pe 等于 p 的平方加（1 减 p）的平方。

表 8 算例 C：Kappa 在不同正例率下的取值

推导第一步，正例率 p 等于 0.003 时，Pe 等于 0.003 的平方加 0.997 的平方，等于 0.000009 加 0.994009，等于 0.994018。

推导第二步，观察一致率 Po 等于 0.95 时，Kappa 等于（0.95 减 0.994018）除以（1 减 0.994018），等于负 0.044018 除以 0.005982，等于负 7.358。

推导第三步，Po 等于 0.99 时，Kappa 等于负 0.004018 除以 0.005982，等于负 0.672。

边界条件之一：这是 Kappa 的经典悖论，在类别极不平衡时必然出现。原因不是标注员差，是公式假设了两个类别的边际分布接近。

边界条件之二：反过来看，千分之三正例率下 Po 达到百分之九十九，已经是极高的标注质量，三个标注员在 500 张里只对 5 张有分歧。但 Kappa 仍然是负数。

边界条件之三：如果合同里写“Kappa 不低于 0.75”，这个项目在数学上永远无法验收通过。这不是标注的问题，是条款的问题。

我把这张表给过三位质量经理看。三个人的第一反应一样：这不可能，是不是算错了。

三个人算了一遍，都对了。然后其中一个说了一句更准确的话：那我们的标注员一直是被冤枉的。

图 5 Kappa 悖论：正例率越低越可能算出负数

这张图要说明的是：四条正例率曲线在观察一致率 80 到 100 的区间里走势完全不同；正例率千分之三那条线整段落在零轴以下，无论标注质量多好都碰不到 0.75 那条门槛线。

5.4 正确的替代：PABAK

替代方案是 PABAK，全称是经过患病率与偏倚校正的 Kappa。

公式只有一步：PABAK 等于 2 乘观察一致率减 1。

PABAK 的取值可以直接心算。观察一致率百分之八十五对应 PABAK 0.70，百分之九十对应 0.80，百分之九十五对应 0.90，百分之九十九对应 0.98。

PABAK 在千分之三正例率下仍然给出可用结论：Po 百分之九十五对应 PABAK 0.90，判定合格。

代价是 PABAK 丢掉了对“两个类别边际分布是否接近”的校正，所以在类别平衡的场景里它会偏乐观。

但在工业质检里，类别平衡的场景几乎不存在。良品率百分之九十九以上的产线，是工业的常态。

所以我的判断是：验收条款里写“Kappa 不低于 0.75”是行业常见写法，在缺陷率低于百分之一的工业场景里，这条条款本身就不可能被满足。写条款的人不知道这件事，签条款的人也不知道。

5.5 第一级验收的合理边界

离线验收只能回答一个问题：这个模型能不能学会这个任务。

它不能回答：在你的光照下能不能、在你的节拍下能不能、在操作员手里能不能、三个月后还能不能。

这四个“不能”，每一个都是下一级验收的任务。

所以离线验收的天花板很低。数据集上的一百分，等于现场的五十分。

这句话不是夸张。序章那个压铸厂，实验室 99.2，现场第三周就被操作员关掉了自动剔除。中间掉的不止五十分，掉的是可用性。

但第一级验收仍然必须做，而且必须做扎实。

因为它是唯