机械臂夜班：谁在决定它停在哪条红线前？

晚上十点，宁波北仑区一家汽配厂的注塑车间里，12台六轴协作机器人正沿着磁条轨道来回移动。它们负责把刚脱模的保险杠支架从传送带上抓起来，翻面，对准LED光源，用视觉镜头扫描表面0.2毫米以上的划痕。这套产线改造花了约87万元，厂里算过账：原来夜班需要6个质检工，每人月薪近7000元，现在只需要1个技术员盯着屏幕，其余5人转去了白班包装线。

42岁的质检工老周是转岗者之一。他过去用强光手电和塞尺检查支架，一晚上弯腰上千次。现在他坐在空调房里看机器人回传的灰度图，但他说：“机器分得清划痕，分不清这是模具磨损还是原料批次问题。”上个月，机器人把一批因脱模剂喷涂不均造成的雾面误判为合格，直到白班抽检才拦下。厂里后来加了人工复检环节，每20件抽1件。

更大的追问在数据端。每台机器人每天生成约3.6万张表面图像，这些数据实时上传到工厂的私有云。厂方说只用于训练自家模型，但设备供应商的合同里有一条：供应商有权使用脱敏后的图像优化其通用算法。工程师李敏在内部会上提出，如果这些支架将来用于军用车辆，表面缺陷数据是否涉及供应链安全？法务部回复“目前民用订单不适用”，但没人能回答“转产时怎么办”。

这不是孤例。2024年，长三角至少有37家制造企业引入了类似视觉质检系统，其中11家的产品线同时覆盖民用和军用配套。一位不愿具名的军工企业工艺员透露，他们要求供应商对质检数据做物理隔离，但多数中小厂没有这个能力。法律上，《数据安全法》要求对重要数据分类分级，可“重要数据”在工业质检场景中如何界定，至今没有细则。

回到车间，老周现在多了一项任务：每天下班前，从机器人当天判为“合格”的批次里随机抽30件，用旧方法再查一遍。他查出的问题会手写在一张A4纸上，贴在控制柜侧面。那张纸上最近多了一行字：“3月14日，第7台，镜头脏了，误判11件。”机器人不会知道这张纸的存在，但决定它明天继续干还是停下来的人，得先看懂这行字。