1. 课程导入
在工业现场，AI模型并不是“训练完就结束”的软件资产。一个缺陷检测模型从实验室走向产线，往往要经历数据采集、标注、训练、评估、封装、灰度、上线、回滚、再迭代等连续环节。只要其中任何一个环节缺少版本记录，就会出现“现场效果变差却找不到对应模型”“同一台设备上两个工位跑着不同权重”“客户投诉后无法复现当时推理结果”等问题。工业AI模型版本管理与发布，正是为解决这类问题而建立的一套工程化方法：它用版本标识、元数据、制品仓库、发布策略和回滚机制，把模型从“实验产物”变成“可追溯、可控制、可复现”的生产资产。
1.1 核心定义：版本管理与发布不是同一个动作
很多团队把“版本管理”理解为给模型文件改个名字，把“发布”理解为把文件复制到设备上。这种理解在单模型、单设备、单次交付时勉强可用，但在多产线、多型号、多客户场景下会迅速失控。更准确的定义是：
- 模型版本管理：对模型制品及其关联的数据版本、代码版本、超参数、评估指标、依赖环境、训练配置进行唯一标识和持久化记录，使任意一次推理结果都能追溯到确定的模型与数据来源。
- 模型发布：将某个已通过质量门禁的模型版本，按照既定策略分发到目标推理环境，并完成加载、验证、流量切换、监控和回滚准备的过程。
- 二者关系：版本管理是发布的前提，发布是版本管理在运行环境中的落地。没有版本管理，发布就是“盲发”；没有发布控制，版本管理就只是“档案柜”。
一句话理解：版本管理回答“这是哪个模型”，发布回答“这个模型现在跑在哪里、跑给谁看、出问题怎么退”。
1.2 为什么工业场景比互联网场景更需要版本管理
互联网推荐模型更新频繁，但通常可以容忍短时波动；工业AI模型往往直接关联质检判定、设备控制、安全预警，误判可能导致批量报废、停线甚至安全事故。工业场景还有三个特殊约束：
- 边缘环境异构：同一模型可能部署在工控机、边缘盒子、PLC伴生计算单元或云端，算力、算子库、驱动版本不同，必须记录运行时依赖。
- 数据分布漂移：换批次、换光照、换相机、换工艺参数都会导致输入分布变化，模型版本必须与数据版本绑定，否则无法判断退化原因。
- 审计与合规：汽车、电子、医药等行业要求质量追溯，模型版本、阈值、后处理规则都要能作为质量记录留存。
下面这张图展示了工业AI模型从训练到发布的核心对象与流转关系。它把“数据—训练—评估—制品—发布—推理—监控—回滚”串成一条可追溯链路，帮助你在后续章节中建立全局视角。
1.3 本课程的学习目标
完成本课程后，你应当能够独立设计并落地一套适用于工业现场的模型版本管理与发布流程。具体目标分为四个层次：
| 层次 | 目标描述 | 对应能力 |
|---|---|---|
| 认知层 | 理解模型版本、制品、发布、回滚、灰度等核心概念及其边界 | 能向团队解释为什么不能直接拷贝模型文件 |
| 工具层 | 掌握模型仓库、元数据管理、版本号规范、依赖锁定等工具与方法 | 能搭建一个可用的模型制品库 |
| 流程层 | 掌握训练到发布的门禁设计、灰度策略、回滚触发条件 | 能编写发布检查清单和回滚预案 |
| 治理层 | 理解多产线、多客户、多模型并存下的权限、审计与合规要求 | 能设计版本命名与权限矩阵 |
1.4 整体课程框架与学习路径
本课程共30章，按照“概念—工具—流程—实战—治理”的顺序展开。前6章建立认知与基础规范；第7至14章进入工具链与平台能力；第15至22章聚焦发布策略、灰度、回滚与监控；第23至27章通过缺陷检测、预测性维护、工艺优化等工业案例进行综合演练；第28至30章讨论多团队协作、审计合规与体系化治理。
建议的学习路径是：先理解版本管理的对象模型，再动手搭建最小可用制品库，然后逐步加入门禁、发布和监控，最后用真实产线场景做一次完整的发布与回滚演练。不要跳过回滚设计，因为工业现场最怕的不是模型效果差，而是效果差的时候退不回去。
学习建议：每学完一个模块，回到自己所在产线找一个真实模型，尝试回答三个问题：它现在的版本号是什么？它依赖的数据和代码版本是什么？如果它今天出问题，你多久能切回上一版？这三个问题就是本课程要解决的核心。
1.5 常见误区与提前复盘
在正式进入后续章节之前，先识别几个高频误区，可以避免走弯路：
- 误区一：用文件名当版本号。例如“model_final_v2_ok.onnx”，既没有唯一性，也无法表达数据、代码和依赖关系。正确做法是使用不可变版本号加元数据记录。
- 误区二：只管理模型文件，不管理后处理规则。工业AI的最终判定往往由阈值、ROI、NMS参数、业务规则共同决定，这些也必须纳入版本管理。
- 误区三：发布等于替换文件。没有灰度、没有验证、没有回滚准备的替换，本质上是一次高风险变更。
- 误区四：监控只看模型精度。现场更应关注输入漂移、推理时延、设备资源占用、告警分布等运行指标。
提前记住：版本管理的第一原则是“不可变”。一个版本一旦发布，就不应再被覆盖或修改；任何变更都必须产生新版本。这样才能保证追溯和回滚真正有效。
接下来，课程将从模型版本管理的对象模型开始，逐步展开工业AI模型从训练到发布的完整工程链路。你将看到版本号如何设计、制品库如何组织、门禁如何设置、灰度如何执行、回滚如何触发，以及这些机制如何在真实产线中协同工作。