SpaceX 發射負責人 Kiko Dontchev 公開表示，Grok 在檢查硬體表面外來物碎片時準確率約為 99.9%，而人工複核同一段影片的準確率約為 94%。據 Ars Technica 記者 Eric Berger 報道，Dontchev 是在上週於佛羅里達州舉行的 UP.Summit 活動上談及這項工作的。

具體案例中，一名檢查員使用內窺鏡伸入管狀部件內部拍攝影片，再由 Grok 對影片進行分析，判斷是否存在碎片。這類場景對人工目視檢查並不輕鬆：管狀結構內部光線有限、視野狹窄，長時間逐幀複核容易疲勞，漏檢與誤判都可能發生。

所謂外來物碎片（foreign-object debris），並不一定是多麼顯眼的異物。NASA 馬歇爾航天飛行中心在其碎片防控標準中列舉的例子包括金屬屑、線頭、以及放錯位置的緊韌體——這些看似不起眼的材料一旦留在不該出現的位置，就可能損傷硬體。SpaceX 此前也遇到過類似問題：2020 年 11 月 Crew-1 發射準備期間，一次小幅壓力下降促使工作人員重新開啟龍飛船艙門，NASA 報告在密封處發現碎片；隨後的洩漏檢查通過，倒計時未受影響。這段歷史有助於理解為何輔助檢查工具具有吸引力。

不過，評估一套 AI 檢測系統，不能只看一個亮眼的準確率數字。要判斷它是否真正可用，仍需在具有代表性的影片與硬體樣本上，同時考察它漏掉了哪些碎片、又產生了多少誤報。99.9% 與 94% 的對比來自 SpaceX 一方，屬於企業自述，外界尚無從獨立驗證其測試方法與樣本構成。

這項工作的另一層背景，是 SpaceX 與 AI 業務之間日益緊密的聯絡。在收購 xAI 之後（該實體現名 SpaceXAI），AI 已不只是外部工具，而是被納入公司整體業務版圖。SpaceX 第三季度業績中，Super Intelligence 業務收入為 76 億美元，連線業務收入為 52 億美元，太空業務收入為 18 億美元。在這一結構下，把 Grok 用於自家硬體質檢，既是技術驗證，也帶有業務協同的意味。

從行業視角看，航天硬體製造對質量控制的容錯空間極小，任何殘留物都可能在高振動、高壓或真空環境中引發連鎖問題。AI 視覺檢測的優勢在於可以不知疲倦地逐幀掃描、保持判斷標準一致；難點則在於訓練資料是否覆蓋足夠多的真實缺陷形態，以及誤報率能否低到不拖慢生產節奏。Dontchev 給出的數字提供了一個觀察視窗，但要把「輔助檢查」變成「可靠工序」，還需要更多可復現的驗證。