SpaceX 发射负责人 Kiko Dontchev 公开表示，Grok 在检查硬件表面外来物碎片时准确率约为 99.9%，而人工复核同一段视频的准确率约为 94%。据 Ars Technica 记者 Eric Berger 报道，Dontchev 是在上周于佛罗里达州举行的 UP.Summit 活动上谈及这项工作的。

具体案例中，一名检查员使用内窥镜伸入管状部件内部拍摄视频，再由 Grok 对视频进行分析，判断是否存在碎片。这类场景对人工目视检查并不轻松：管状结构内部光线有限、视野狭窄，长时间逐帧复核容易疲劳，漏检与误判都可能发生。

所谓外来物碎片（foreign-object debris），并不一定是多么显眼的异物。NASA 马歇尔航天飞行中心在其碎片防控标准中列举的例子包括金属屑、线头、以及放错位置的紧固件——这些看似不起眼的材料一旦留在不该出现的位置，就可能损伤硬件。SpaceX 此前也遇到过类似问题：2020 年 11 月 Crew-1 发射准备期间，一次小幅压力下降促使工作人员重新打开龙飞船舱门，NASA 报告在密封处发现碎片；随后的泄漏检查通过，倒计时未受影响。这段历史有助于理解为何辅助检查工具具有吸引力。

不过，评估一套 AI 检测系统，不能只看一个亮眼的准确率数字。要判断它是否真正可用，仍需在具有代表性的视频与硬件样本上，同时考察它漏掉了哪些碎片、又产生了多少误报。99.9% 与 94% 的对比来自 SpaceX 一方，属于企业自述，外界尚无从独立验证其测试方法与样本构成。

这项工作的另一层背景，是 SpaceX 与 AI 业务之间日益紧密的联系。在收购 xAI 之后（该实体现名 SpaceXAI），AI 已不只是外部工具，而是被纳入公司整体业务版图。SpaceX 第三季度业绩中，Super Intelligence 业务收入为 76 亿美元，连接业务收入为 52 亿美元，太空业务收入为 18 亿美元。在这一结构下，把 Grok 用于自家硬件质检，既是技术验证，也带有业务协同的意味。

从行业视角看，航天硬件制造对质量控制的容错空间极小，任何残留物都可能在高振动、高压或真空环境中引发连锁问题。AI 视觉检测的优势在于可以不知疲倦地逐帧扫描、保持判断标准一致；难点则在于训练数据是否覆盖足够多的真实缺陷形态，以及误报率能否低到不拖慢生产节奏。Dontchev 给出的数字提供了一个观察窗口，但要把「辅助检查」变成「可靠工序」，还需要更多可复现的验证。