這個工廠是生產手機數據線零件，每天產出230萬個數據頭，質檢工人，是整個流水線的最后一環，也是對人力依賴程度最高的環節。

　　很多工廠都裝上了自動流水線，但唯獨質檢環節例外——質檢環節面臨的環境最為復雜，不是單純的機械作業。

　　比如，這個小小的數據頭，可能有33項瑕疵讓其淪落為殘次品，有縫隙，有裂痕，有刮擦等等。

　　零件愈小，越考驗質檢員的經驗、眼神和體力——尤其是在精密度要求極高的3C領域，他們必須像機器一樣精密有序，高速運轉。

　　但是，再冷靜的工人也有情緒波動之時，當他們處于疲憊期或者痛苦期時，質檢的精準性就會大打折扣。

　　這樣的工作十分無趣，極大消耗工人的身體和心智，一位自殺的富士康工人，曾在詩歌里傾瀉了他的痛苦：

　　那些低于機臺的青春早早夭亡

　　我咽下奔波，咽下流離失所

　　咽下人行天橋，咽下長滿水銹的生活

　　央視新聞頻道也曾在2013年報道，去富士康質檢部門實習的女大學生，因為長期的加班和高壓，導致經期紊亂。

　　思普泰克視覺檢測設備“憐香惜玉”

　　 但質檢工廠里的女工，顯然比較幸運——他們的解救者來了，憐香惜玉的——思普泰克

 這個名叫“表面缺陷視覺檢測設備”的機器走進工廠后，可以幫助成千上萬的一線質檢工人，減輕大量高重復性、高頻次的工作，提升效率，解放更多勞動力。

　　其實，用機器智能來代替人工智能，某些外企此前已經有所探索——這是3.0版的自動流水線，依賴的技術是傳統的機器學習。

　　但由機器學習驅動的“質檢員”，只能在比較確定性的環境下，對人類指定的單一性的兩三類缺陷精確甄別，也就是說“指哪兒打哪兒”，靈活度低，普適性低，包容度低，無法做到對人工的徹底替代，只能做到“人機配合”。

　　舉例來說，如果外部環境變了，比如光線的明暗變化，陰天和晴天不同的天氣狀況，都要對機器學習的質檢算法進行調試，而一旦產品的外部形態、制造工藝改變了，也要重新調整算法。

　　“機器學習驅動的自動質檢，需要匹配專業的AI人才，不斷調整算法，落地門檻高，普適度很低”

　　而思普泰克CCD視覺檢測設備則由深度學習驅動，能夠全面檢測數據頭的30多類缺陷，精準度能夠達到人工質檢員的標準。而且，隨著時間的推移和經驗的積累，其準確度還會不斷提升，趨近完美。