MLOps（工业）

在去年的产线上训练的模型，就是去年那条产线的模型。模具磨损、供应商更换、传感器重新标定、新产品进入组合——学到的『正常』悄悄不再正常。不加管理，就出现第二年失败模式：部署时锋利、十八个月后被礼貌无视的系统。

这门纪律覆盖什么

漂移监视：检查实时数据是否仍像训练数据、模型性能（报警精度、估计准确度）是否在衰退。再训练：按计划或触发的刷新，纳入近期历史，又不把近期异常当『正常』吞下去。版本化与回滚：知道哪个模型发出了哪次报警——越来越成为审计要求。工况管理：把计划中的变化（新产品、维护事件）告诉系统，让它有意识地适应，而不是学会事故。

买家的翻译

对买平台（而非自建模型）的工厂，MLOps应该是厂商的问题，对您呈现为模型健康指标，以及对具体问题的干净回答：我们引进新产品会怎样？谁批准再训练？能看到本月的报警为何与上月不同吗？有真实答案的厂商具备运营成熟度；用算法名称回答的没有。

常见问题

工业模型多久需要再训练？

触发式胜过日历式：在检测到漂移、引进产品或仪表变更时再训练。成熟平台自动化检测，并把再训练变成经评审、有版本的事件，而不是无声覆盖。

买ML平台需要MLOps团队吗？

不需要——这正是平台一代的核心承诺。您需要有人对模型健康信号负责，就像有人对标定负责一样。在企业内部自建模型是另一个决定——那才需要工程团队。