Machikoba no Techo Julai 2026

Yang menghubungkan bukanlah kabel. Ia penglihatan.

Julai. Musim panas telah tiba dengan sungguh-sungguh di Arita, dan bahangnya terkumpul di dalam kilang sejak awal pagi. Pada hari hujan, kelembapan menambah lagi, dan udara menjadi berat.
Di utara Kyushu musim sotong torak sedang memuncak, dan laut pada waktu malam bergemerlapan dengan lampu bot nelayan. Di tepi laut itu, kilang kami terus membuat egi seperti biasa. Potong, padan, potong lagi, laras. Setiap badan dicuci satu demi satu sebelum dipasang. Dua puluh tujuh tahun sejak kami ditubuhkan, dan kerja tangan yang sederhana dan tidak menonjol inilah, yang diulang-ulang, menjadi setiap batang egi. Kami amat menghargai sokongan anda yang berterusan.

Sementara itu, di luar bengkel, hampir tiada hari berlalu tanpa mendengar perkataan "AI".
Sudah kira-kira setahun saya menjalankan eksperimen saya sendiri dengan pelbagai alat AI.

Tetapi perubahan yang saya rasakan bukanlah bahawa AI telah menjadi pandai.
Ia adalah bahawa sebuah kilang kecil kini boleh membina sendiri, secara dalaman, jenis sistem yang dahulunya terpaksa ditempah daripada syarikat pakar.

Izinkan saya menerangkan satu contoh.

■ Kilang penuh dengan paparan

Kilang mempunyai paparan di merata tempat.
Panel kawalan mesin alat. Termometer. Higrometer. Penderia CO₂. Meter kuasa.

Orang melihatnya lalu menilai:
"Hari ini ia agak panas."
"Bacaan itu tersasar berbanding biasa."
"Sudah tiba masanya kita mengalihkan udara."

Memasukkan maklumat itu ke dalam komputer dahulunya merupakan kerja yang berat.
Minta spesifikasi komunikasi daripada pengeluar. Tarik kabel komunikasi. Pasang PLC. Beli perisian khusus.
Dengan kata lain, anda perlu menyambung kepada mesin itu secara fizikal terlebih dahulu.

Machining centre dan mesin pengilangan NC memang menerbitkan spesifikasi API, dan dengan tekad yang cukup anda boleh mengeluarkan datanya dalam C++. Tetapi tenaga yang terlibat amat besar, dan sukar untuk mengumpulkan tekad sebegitu.

■ Jangan sentuh mesin itu. Cukup lihat sahaja.

Namun baru-baru ini, satu laluan lain terbuka.
Rakam paparan itu dengan kamera web.

Bukan kamera industri khas. Yang kami gunakan ialah kamera web biasa yang berharga kira-kira 3,000 yen.

Baca nombor daripada video itu, simpan sebagai data, plotkannya, dan bangkitkan amaran apabila ada yang tidak kena.
Ia menukarkan apa yang dahulunya diserap manusia dengan mata mereka kepada data yang boleh dianalisis secara berterusan.
Dengan kata lain, kami menerapkan DX pada perbuatan memerhati itu sendiri.

■ Binaan pertama, dan tembok yang dilanggarnya

Versi pertama sangat ringkas: hantar imej yang dirakam kepada AI dan minta ia "baca nombor ini".
Claude daripada Anthropic. Gemini daripada Google. Grok daripada xAI. Kami mencuba beberapa perkhidmatan.

Di samping itu, pembantu pengekodan seperti Claude Code, Codex, Grok Build dan Cursor telah menjadikan pembinaan sistem itu sendiri jauh lebih pantas. Kerja yang dahulunya mengambil masa berminggu-minggu bagi seorang pakar kini siap dalam masa yang singkat.

Tetapi sebaik prototaip itu berjalan, satu masalah timbul. Kosnya terlalu tinggi.

Satu panggilan tunggal langsung tidak mahal. Memantau sepanjang masa, sepanjang tahun, adalah hal yang lain. "AI yang anda guna sesekali" dan "AI yang anda biarkan berjalan" menuntut struktur kos yang sama sekali berbeza.

Sebagai pemilik sebuah kilang kecil, lebih daripada terpegun dengan prestasinya, saya mendapati diri saya memikirkan bagaimana hendak mengecilkan invois bulanan.

■ Menjalankannya secara setempat

Maka percubaan berikutnya ialah menjalankan LLM setempat pada Raspberry Pi.
Sebuah PC besar di sebelah mesin alat menghalang jalan; sebuah Raspberry Pi yang muat dalam tapak tangan duduk di situ dengan selesa.

Dan jika AI itu berjalan sepenuhnya pada peralatan kami sendiri, tiada yuran API. Kos operasinya pada dasarnya hanyalah elektrik. Secara teori, hampir sifar.

Realitinya tidak semudah itu. Kebanyakan LLM yang terkenal tidak mahu berjalan — memorinya tidak mencukupi. Akhirnya Qwen berjalan paling selesa, walaupun ia masih tidak berfungsi melalui perkakas mudah seperti ollama dan memerlukan penalaan yang agak banyak.

■ Gunakan AI sesedikit mungkin

Di mana kami akhirnya sampai adalah ini:
OCR mengendalikan keadaan biasa. LLM setempat hanya bermula apabila OCR gagal.

OCR ringan melakukan kerja harian. AI muncul hanya apabila ada sesuatu yang luar biasa atau bacaannya kabur.
Kos operasinya ternyata pada dasarnya sifar.

Untuk mendapatkan kelajuan daripada Raspberry Pi, pendekatan biasa ialah menetapkan kedudukan kamera dan menetapkan koordinat yang hendak dibaca secara tegar dalam kod. Pendekatan itu ada kelemahannya. Sedikit getaran di dalam kilang menganjakkan kamera, koordinat tegar itu tidak lagi sejajar, dan tiba-tiba tiada apa-apa yang boleh dibaca.

Di sini sekali lagi LLM yang memahami konteks membuktikan nilainya. Kerana ia boleh membaca semula "di mana nombor itu berada" daripada keseluruhan imej, anjakan kecil mudah dibetulkan. Kami membina pembetulan itu ke dalam rutin pembacaan dan menyuruh cron menjalankan penentukuran berkala. Hasilnya ialah sebuah sistem yang terus menyerap hanyutan dengan sendirinya, tanpa sesiapa mengawasinya.

Bahagian yang menarik: sebuah projek yang bermula dengan cuba menggunakan banyak AI menjadi paling praktikal setelah ia berkembang ke arah menggunakan AI sesedikit mungkin.

Ia menyerupai cara manusia bekerja. Kerja rutin dikendalikan dengan pengalaman dan prosedur. Anda memanggil pakar hanya apabila sesuatu yang tidak dijangka berlaku. Pembahagian kerja itulah yang ternyata paling cekap.

■ Bukan dengan kabel, tetapi dengan penglihatan

Sambil memikirkan hal ini, saya teringat cara kita mengecas telefon.
Dahulu sudah tentu anda mencucuk kabel. Kini pengecasan tanpa wayar ada di mana-mana — anda letakkan telefon di atas pad dan ia mengecas. Tiada sambungan fizikal. Tenaga tetap merentas.

Projek ini sedikit sebanyak begitu.
Secara tradisinya anda memasang kabel komunikasi untuk mengeluarkan maklumat daripada mesin. Kali ini tidak. Kami tidak menyentuh mesin itu. Tiada talian data. Kami hanya memerhati. Namun kami tetap memperoleh maklumat yang kami perlukan.

Anda boleh menyebutnya sebagai peralihan daripada sambungan kabel fizikal kepada cara mengutip maklumat tanpa sentuhan, seperti aruhan.

Kami tidak menyambung kepada mesin itu. Kami memerhatinya.
Yang menghubungkan bukanlah kabel. Ia penglihatan.

Kalau difikirkan, penglihatan berfungsi melalui cahaya, dan cahaya juga merupakan gelombang elektromagnet.
Dilihat begitu, mungkin ini benar-benar satu sambungan melalui aruhan elektromagnet, seperti pengubah.

■ Kos untuk mencuba telah menurun

Perkara terbesar tentang projek ini bukanlah bahawa AI menjadi pandai. Ia adalah bahawa kos untuk mencuba sesuatu telah menurun dengan mendadak.

Sistem yang beberapa tahun lalu akan kami tempah daripada seorang pakar kini boleh dibina di dalam sebuah kilang kecil. Kami tidak mempunyai bajet syarikat besar. Kami tiada jabatan khusus. Tetapi justeru kerana kami kecil, kami boleh mencuba, gagal dan menambah baik dengan pantas.

Saya percaya di situlah letaknya perubahan sebenar era AI.
Bukan bahawa AI merampas kerja daripada manusia. Tetapi bahawa AI telah meluaskan dengan besar julat perkara yang boleh dicuba manusia.

KEYSTONE akan terus menangani masalah yang timbul di lantai kilang — dalam pembuatan egi lebih daripada segalanya, tetapi bukan di situ sahaja — sambil mengambil teknologi baharu dengan fleksibel.

Tradisional namun inovatif.
Dengan kata-kata itu di fikiran, kami berhasrat untuk terus melangkah ke hadapan, selangkah demi selangkah.

Terima kasih, seperti biasa, atas sokongan anda.

with SQUID!!

Julai 2026
KeyStone Corporation
Nobuhide Kanagawa, Pengarah Urusan