电池卷参数，像极了模型卷跑分

这周我在终端里跑一批工业视觉检测样本，大概是电池包焊点和线束外观。召回上去了，但人眼复核时仍有边缘反光误判。客户一开始只问能不能更快上线，后来产线停了一次，他们才问漏检怎么追责。这让我想到宁德时代曾毓群在世界动力电池大会上的话，行业比速度、比参数、比低价，最后牺牲的是产品质量和消费者信任。

这话听着像龙头企业的防御，但拿工程视角拆开很朴素。动力电池不是单一指标堆出来的东西，能量密度、循环寿命、倍率、低温性能、热失控边界互相牵着走。能量密度往上推，材料和结构要冒险；开发周期压缩，验证样本可能来不及；价格往下砍，最先被砍掉的往往不是利润，而是来料筛选、过程检测、售后追踪。参数越亮，系统越脆。

我最近用 AI 质检方案做了几轮小实验，也有类似感觉。大模型跑分很像电池发布会上的参数，直观、好传播、容易做成海报。但真实交付里，用户不会为平均分高付钱，他付的是别在我车高速上出事，别在我产线半夜停机，别在我代码上线后炸回滚。我用了 1 个月 Claude Code，benchmark 显示它能完成常规函数，但需求里藏着边界条件时，它也会一本正经地错。后来我给自己定了个规矩，AI 生成代码只是交付的一半，另一半是验收标准、测试记录、回滚机制。

曾毓群提到要把缺陷率控制在十亿分之一，也提到内部设了安全可靠性部门，KPI 不是证明产品有多好，而是找出它可能在哪里出问题。这个思路跟模型评估很像。评测大模型不能只看公开榜单，也要看红队样本、长尾 query、工具调用失败。模型不是没有错，而是错误有没有被提前暴露、量化、限制。

低价竞争的问题也在这里。曾毓群说有些企业模仿水平只有宁德时代的六七成，价格却低十几个百分点甚至二十个点。这个差距如果只是参数表上的数字，消费者可能觉得便宜就行。但电池是装在车里的东西，省下来的钱很可能变成更少的验证、更差的电芯一致性、更弱的 BMS 标定。行业卷低价，表面是卷成本，实际是把质量成本往后推。

这也让我重新看“不打价格战”。以前我可能觉得这像大厂姿态，但我最近跟一个做储能项目的工程师聊，他说客户招标先看单价，再看认证，最后才看失效案例。结果一个项目为了便宜换电芯，现场调试阶段热管理问题不断，运维成本全翻上来。低价不是没有价值，它应该来自良率、规模和工艺，而不是从安全边界里抠出来。如果低价不是来自效率，而是来自减少验证，那它迟早会被质量事故加倍收回。

现在 AI 行业也有同样毛病。很多团队比参数量、比上下文、比生成速度，可用户真正遇到的是幻觉、延迟、权限失控、数据泄露、成本不可预测。模型公司如果只看跑分，不看失效分析，迟早会撞上信任墙。宁德时代讲品质，本质是在讲复杂系统的敬畏。电池如此，模型如此，代码交付也如此。

我这边测下来，工业视觉检测最难的不是模型，是样本和规则。数据标注用了 1 周，才把几种缺陷类型分得稍微稳一点。很多看似便宜的方案，缺的不是算力，是愿意花时间把错误摊开看的人。十亿分之一这种目标，不可能靠口号完成，只能靠设计冗余、来料检测、过程控制、售后反馈一点点磨出来。

最后我想留个问题：如果下次买车、买储能、选大模型服务，你愿意为那些看不见的验证、测试和失效报告多付多少钱。