最近，在计算机视觉领域，一个简单却有力的观点正悄然兴起：我们真的需要复杂的视觉-语言大模型来解决一切问题吗？尤其是在工业质检、医疗影像分析等高度依赖视觉信息的异常检测（Anomaly Detection, AD）任务上。