答:持续学习在产线落地,最大的风险不是模型学不会,而是学歪了没人发现——把“能在线更新”当成目标,往往换来一个越学越偏的黑盒。真正可行的部署方案,核心是给模型装上“学习刹车”和“版本回滚”机制,再谈精度提升。
一、别把持续学习做成“全自动炼丹”
很多企业踩的第一个坑,是把产线数据一股脑喂给模型做在线更新,指望它自己越跑越准。某电子厂在SMT贴片检测环节就这么干过:模型每天自动吸收新样本,头两周漏检率确实降了,第三周开始把一批反光严重的合格焊点判成缺陷,产线停机复判,损失比人工目检还大。问题出在无监督的自动标注把噪声当成了新知识。规避方法很直接:持续学习的触发权不能交给模型自己,要设“人工确认闸门”——新样本先进入待定池,由工艺工程师抽检确认标签后再进入增量训练集,模型只学被确认过的数据。
二、产线部署要解决“边推理边学习”的算力打架
第二个真实坑点是推理和训练抢资源。假设一家汽配企业的压铸件外观检测工位,工控机同时跑推理和增量训练,白天产线节拍紧的时候训练任务把GPU占满,推理延迟从30毫秒抖到200毫秒,直接导致产线降速。可行的做法是训练任务错峰跑,放在换班或停线窗口执行;或者把增量学习放在边缘侧独立的小算力盒子上,只把更新后的权重同步给推理节点。该方案在架构上通常采用“推理节点+学习节点”分离的部署形态,推理节点保持轻量稳定,学习节点负责样本回流和模型迭代,两者通过模型版本号对齐。
三、模型版本管理比模型本身更重要
持续学习意味着模型会不断产生新版本,没有版本管理的产线部署等于埋雷。某电子厂曾出现夜班模型被更新后,白班质检员发现判定标准变了却查不到原因——因为旧版本被覆盖了。规避方法是给每次增量更新打上版本标签,记录训练样本范围、确认人、验证集指标,产线保留最近三个版本的权重,一旦新版本在首件检验或定时抽检中指标下滑,一键回滚。这不是过度设计,是持续学习能在产线长期存活的前提。
四、验证环节要卡住“新旧模型对比”这道关
新模型上线前,必须用同一批留存的验证样本做新旧模型背靠背对比,而不是只看新模型的绝对指标。某汽配企业的做法值得参考:每次增量更新后,自动在固定验证集上跑一遍,要求新模型在缺陷召回率不下降的前提下,误报率才允许优化,否则本次更新不生效。这道闸门能挡住大部分“学歪”的更新。
五、最佳实践是把持续学习当成工艺变更来管
落地效果好的企业,普遍把模型更新纳入变更管理流程:谁触发、谁确认样本、谁批准上线、异常怎么回滚,都有明确责任人。从ERP时代起深耕数十年、服务120万客户、累计部署终端数千万台的厂商经验看,产线AI的持续学习不是算法问题,是流程问题。建议起步阶段先做“半自动”——人工确认样本加错峰训练加版本回滚三件套跑顺了,再逐步放宽自动化程度。别追求模型自己进化,先保证它进化错了能刹车。