让机器递扳手，而不是抢扳手：增强智能系统的一线观察

去年在常州一家做液压阀的厂里，我看见一位老师傅拧阀芯。扭矩枪的设定值明明在合格区间内，他拧完总要拿手再摸一下密封圈。问他摸什么，他说“听声音不对”。后来产线上了全自动拧紧站，良率反而掉了两个点。为什么？自动站只会按曲线走，遇到批次来料公差偏大，它不会“手松一点”。

这事儿让我琢磨了很久。纯自动化的边界，有时候就卡在老师傅那一下“手松一点”上。而这恰好是增强智能系统该出场的地方——不是让机器全权接手，而是把那点隐性判断变成系统能感知、能提示的信号。

那条让良率掉两个点的产线，问题不在算法

先把这个词拆开。增强智能系统，英文叫 Augmented Intelligence System。注意，不是 Artificial Intelligence。AI 琢磨的是让机器更像人；增强智能琢磨的是让人更像“开了挂的人”。重点在“增强”俩字。它不是替你决策，是扩展你的感知、记忆和反应速度。

回到那条产线。我们后来在拧紧枪上加了一套力反馈和边缘视觉提示。操作员握住枪，手柄会根据实时扭矩曲线给出不同频率的震动——快震表示“快过紧了”，慢震表示“还可以再走一点”。屏幕上不弹窗，只在边缘亮一条窄窄的色带。就这么个玩意儿，年轻工人培训周期从三个月压到了三周。但注意，系统没有替人拧，它只是把老师傅手上那点“感觉”翻译成了触觉和视觉信号。

原理不复杂。扭矩、转角、电流、声音，四路信号进边缘计算盒子，做实时特征提取。模型学的不是老师傅的动作轨迹，而是“在什么来料公差下，扭矩该微调多少”的规则。输出一个建议微调量，置信度低于阈值就不提示。操作员可以忽略，也可以采纳。人还在回路里，对吧？

说实话，这套东西最难的不是模型，是什么时候闭嘴。系统如果一直震、一直提示，工人三天就烦了，直接拿胶带把震动马达贴死。所以提示策略得跟工位状态绑定：只有枪头接触工件、且扭矩进入敏感区间，才激活反馈。其他时候装死。

增强智能系统不是“AI加块屏幕”，交互设计才是命门

见过一个反例。某厂给巡检工配了增强现实眼镜，想把设备参数直接叠在视野里。结果工人嫌晃眼睛，半天就摘了。为什么？信息没有分层，温度、压力、振动值、维修记录全堆在眼前，跟把发动机所有传感器数据怼到驾驶员脸上一个道理。

增强智能系统的交互原则就一条：只在需要的时候给最小必要信息。你想想汽车仪表盘，车速、转速、故障灯，没了。它不会告诉你节气门开度是多少。增强智能系统要像副驾，不是像后座指挥。副驾看见前面有坑，说一句“左一点”，而不是把整张地图念给你听。

这里面有个技术难点叫意图识别。系统得知道操作员当前在干嘛。是靠眼动、手势、还是工位状态？都行，但得融合。比如拧紧工位，枪头离工件小于五厘米，系统才判断“准备拧紧”，这时候才启动反馈通道。这个判断逻辑比模型精度重要得多。模型错一点，顶多提示不准；意图判断错了，那就是在工人不需要的时候瞎震，属于反人类设计。

别把增强智能系统做成“电子监工”

现在有个挺普遍的误区：把增强智能系统当成“带提示的自动化”。不对。自动化追求的是无人，增强智能追求的是人机合体。还有个误区，以为必须上大模型。真不是。实时控制回路里，延迟要求毫秒级，大模型插不进去。很多场景规则加轻量模型就够用。大模型适合处理非结构化知识，比如维修手册问答、故障案例检索。要分层，别硬塞。

边界也得说清楚。哪些场景适合增强智能系统？高变异、低容错、依赖隐性经验、而且人必须负责任的场合。医疗影像辅助诊断、精密装配、航空驾驶舱、电网调度，都算。反过来，重复性高、环境结构化、容错率高的活儿，直接自动化更划算。别为了“增强”而增强，那是给自己找麻烦。

回到那位老师傅。他后来接受了那把会震的拧紧枪。原话是：“这玩意儿像个徒弟，提醒我一句，但不替我干。”我觉得这话把增强智能系统的底裤给扒明白了——终点不是无人化，是让人做得更稳。系统别老想着抢扳手，先把递扳手这件事干好。就这么简单。