福特最近做了一个看似倒退的决定——重新雇佣350名资深工程师，其中有不少是已经退休的”灰胡子”（gray beard），还有一些是从供应商那边挖回来的老将。原因很简单：AI和质量自动化系统没能交出预期的答卷。

AI质检，翻车了

福特首席运营官Kumar Galhotra向记者承认，公司此前”越来越依赖自动化质量系统”，但结果令人失望。所以他们”把技术专家请了回来”，让这些老将在零部件进入工厂生产线之前就找出可能的故障点。

福特车辆硬件工程副总裁Charles Poon说得更直白：”我们错误地以为，只要引入人工智能、把设计需求喂进去，就能自动产出高质量产品。”这句话基本上把过去几年业界对AI质检的过度乐观一棍子打醒了。

“Mistakenly we thought that by just introducing artificial intelligence and ingesting the design requirements that we had, that that would produce a high-quality product.” —— Charles Poon，福特车辆硬件工程副总裁

不是放弃AI，而是让人教AI做事

需要说明的是，福特并没有把AI一脚踢开。那些被请回来的”灰胡子”工程师，现在的任务是培训年轻员工，同时重新编程AI工具。换句话说，AI还是要用，但得有人在旁边盯着，告诉它什么是对的、什么是错的。

这个做法其实挺符合现实——AI在制造业落地的最大问题，从来不是算法不够先进，而是它缺乏对物理世界的”常识”。一个干了30年的老工程师，摸到零件就能感觉到不对劲，AI目前还做不到这种程度的直觉判断。

钱说了算：召回成本降了

这套”老将回归”的组合拳，看起来正在产生实际效果。福特CEO Jim Farley表示，保修和召回成本的下降，” literally hundreds and hundreds of millions of dollars of a tailwind for Ford on cost”（为福特带来了数亿美元的 cost 顺风）。

更有说服力的证据是，在本周发布的JD Power新车初始质量调查（Initial Quality Survey）中，福特在主流品牌里拿了第一。这个调查衡量的是车主购车后90天内遇到的质量问题数量，能拿第一说明”灰胡子”们确实在起作用。

制造业的AI幻觉

福特的这个案例，其实是整个制造业过去几年狂热押注AI之后的一次现实检验。疫情之后，美国制造业普遍面临熟练工人短缺的问题，大家都指望AI和自动化来填补这个缺口。但福特的经历说明，至少在目前这个阶段，AI还不能完全替代经验丰富的老工程师。

这件事对其他行业也是个提醒：AI可以让流程更快，但”更快”不等于”更好”。尤其是在质量控制在制造业这种容错率极低的场景里，人的判断仍然不可替代。

如果你最近半年关注过AI大模型，大概率见过那个叫Arena的排行榜。用户同时跟两个匿名模型对话，然后投票哪个回答更好——这套众包评测机制，现在居然长成了一个年营收1亿美元的生意。

Arena的起源是UC Berkeley 2023年的一个研究项目，今年4月才正式注册为公司。但就在商业化服务上线仅仅8个月之后，它的年化营收跑到了1亿美元。CEO Anastasios Angelopoulos说，很多人到现在还以为他们是个开源项目，根本不知道已经在赚钱了。

免费排行榜只是入口，真正的钱在别处

Arena最广为人知的产品是那个公共排行榜，任何人都可以去给两个匿名模型投票，累计超过1000万次用户评估之后，形成一个动态更新的模型排名。这个排行榜是免费的，钱从哪里赚？

答案是去年9月推出的”AI Evaluations”服务。模型开发公司和企业在推出新模型之前，可以用Arena的平台做深度性能分析——这些数据来自真实的用户评估，比自己跑 benchmark 更有参考价值。简单说，Arena把众包评判做成了卖给模型实验室的企业服务。

“很多人甚至不知道我们在赚钱，大家还是把我们看成一个开源项目。”——Arena联合创始人兼CEO Anastasios Angelopoulos

没有直接对手，但战场不小

Angelopoulos说Arena没有直接的竞争对手——另一家做众包模型评选的创业公司Yupp已经在今年3月关闭了。但Arena跟一批人力标注公司（Mercor、Surge、Scale AI）在争同一笔预算，这些公司的业务是在后训练阶段帮模型厂商精炼AI。

这个市场的增长很猛。据The Information报道，Mercor的年化营收今年早些时候突破了10亿美元，比去年9月的5亿翻了一倍。Handshake的AI训练相关业务年化营收也从5.5亿涨到了接近10亿。Arena能在8个月里跑到1亿，说明这条赛道确实在爆发。

伯克利基因，1.7亿估值

Arena的三位联合创始人都是UC Berkeley出来的。除了CEO Angelopoulos和CTO Wei-Lin Chiang，还有一位名叫Ion Stoica的联合创始人——这个人同时也是Databricks的联合创始人，在伯克利当教授，在硅谷是个很有分量的人物。

今年1月，Arena完成了1.5亿美元A轮融资，投后估值17亿美元。当时它的年化营收是3000万美元。8个月之后营收跑到1亿，增速确实惊人。总融资额到现在是2.5亿美元，投资方包括Felicis、a16z、Kleiner Perkins、Lightspeed等一线机构。

不过有一个细节值得注意：Arena说的”年化营收”其实是按使用量收费的，不是真正意义上的递归收入。Angelopoulos自己澄清了这一点。在AI创业公司里，把消费额折算成”ARR”来讲故事已经是个比较普遍的操作，但投资人怎么看这个数字，就是另一回事了。

排行榜还能做什么

Arena现在除了文本、代码、视觉、图像生成这些常规评测，最近还上线了”Agent Mode”——评测模型在长时间、多步骤任务里的表现。这块是现在大模型竞争的新焦点，OpenAI、Anthropic、Google都在推自己的agent能力，有独立的第三方评测，对大家都值钱。

从研究项目到1亿美元生意，Arena只用了不到三年。接下来能不能把”消费制”收入做成真正的订阅制，能不能在模型公司自己的评测能力越来越强的情况下保持独立价值，这些是Arena要回答的下一个问题。

福特最近做了一个有点反直觉的决定。在花了不少钱上马AI自动化质检系统之后，这家百年车企发现效果不如预期，于是干脆把那套系统降了级，转头重新请回350位资深工程师。

这350人里，一部分是已经退休的前福特员工，另一部分之前在供应商那边干活。用公司自己的话说，这些人叫”gray beard”工程师——就是在产线上摸爬滚打了几十年、光听声音就知道哪台机器不对劲的那种人。

“我们误以为把AI和设计需求喂进去，就能出高质量产品”

福特的运营官Kumar Galhotra跟记者说，公司之前”越来越依赖自动化质检系统”，但结果让人失望。车辆交付到客户手里之后，质量问题还是层出不穷。

“我们误以为，只要引入人工智能、把我们的设计需求输进去，就能产出高质量产品。这个想法是错的。”——福特车辆硬件工程副总裁 Charles Poon

说这话的是福特的车辆硬件工程副总裁Charles Poon。他算是公开承认了AI在福特的质量管控体系里没达到预期效果。这不是说福特要彻底放弃AI——那些被请回来的老工程师，现在的工作之一就是把年轻员工和AI工具一起”训练”好，让这套系统真正用起来。

钱是真的省下来了

福特CEO Jim Farley说，这批老工程师回来之后，保修和召回成本明显下降，”给福特带来了实打实几亿美元的现金助力”。话说得挺直接。

有个数据可以佐证：本周发布的JD Power新车初始质量调查（IQS）里，福特在主流品牌里排到了第一。这个调查问的是车主提车90天内遇到的各类问题，分数越低越好。福特这次分数比行业平均还低，算是几年来最好的成绩。

这件事说明什么

福特的这个操作，其实戳破了一个在很多行业都存在的幻觉：以为AI上线就能立刻替代经验丰富的老员工。实际情况要复杂得多。

质检这件事，尤其是汽车这种复杂度极高的产品，光靠视觉AI或者自动化系统，目前还真做不到完美。老师傅手摸一下、耳朵听一下，能发现的问题，AI可能要再训练好几轮才能捕捉到同样的信号。

福特的做法比较务实：不是”AI vs 人类”的二选一，而是让两边互补。老工程师负责找出问题，AI负责记录和规模化。这个思路，可能比单纯追求”全自动化”更值得其他制造业参考。