1. 课程导入

自动驾驶系统本质上是一台“在道路上持续运行的机器学习计算机”。它每天产生海量多模态数据，依赖感知、预测、规划等多个模型协同工作，并通过 OTA 不断把新模型推送到车端。传统“离线训练 + 手工发版”的软件工程方式，已经无法支撑这种高频、强安全、强数据依赖的迭代节奏。MLOps（Machine Learning Operations）正是为应对这一矛盾而生的工程体系，而自动驾驶 MLOps 则是它在安全关键、数据密集、软硬协同场景下的专门化形态。

一、什么是自动驾驶 MLOps

自动驾驶 MLOps 可以定义为：围绕自动驾驶模型的全生命周期，把数据、标注、训练、评测、仿真、部署、监控与回滚串成一条可追溯、可复现、可审计的自动化流水线。它不只是“把模型训练脚本自动化”，而是把数据闭环、模型闭环和车端闭环三者统一起来。

与通用 MLOps 相比，它有四个显著特征：

• 数据规模极大：单车每天可产生数 TB 级传感器数据，PB 级数据湖是常态。
• 安全等级极高：模型缺陷可能直接导致碰撞，必须满足功能安全与预期功能安全要求。
• 闭环周期极短：从发现 corner case 到模型上车，理想周期以“天”甚至“小时”计。
• 评测维度极多：除精度外，还要评估时延、算力占用、鲁棒性、场景覆盖率与法规符合性。

二、核心原理：三环闭合的工程飞轮

自动驾驶 MLOps 的核心原理可以概括为“数据闭环、模型闭环、车端闭环”三环联动。数据闭环负责把车端难例回流并转化为高质量训练集；模型闭环负责训练、评测与版本管理；车端闭环负责灰度发布、在线监控与快速回滚。三者通过统一的元数据与版本标识相互咬合，形成持续加速的工程飞轮。

三、方法流程：一次典型迭代要经过什么

下面以“感知模型发现漏检锥桶”为例，展示一次完整的 MLOps 迭代流程：

1. 问题发现：车端监控上报某路口锥桶漏检，自动触发难例数据回传。
2. 数据治理：数据进入数据湖，完成去重、脱敏、自动预标注与人工校验。
3. 数据版本：生成新的数据集版本 dataset-v2024.06.11，记录血缘。
4. 训练调度：在 GPU 集群上启动分布式训练，产出候选模型。
5. 评测门禁：在离线集与仿真场景中评测，未达基线则自动打回。
6. 模型注册：通过门禁的模型注册为 model-v1.8.3，附完整指标。
7. 车端发布：量化编译后灰度 OTA，先推 1% 车队观察。
8. 监控回滚：若在线指标异常，自动回滚到 model-v1.8.2。

# 一次流水线触发的典型配置（示意）
pipeline: perception-retrain
trigger: hard_case_upload
data_version: dataset-v2024.06.11
train:
  gpu_nodes: 16
  epochs: 120
  batch_size: 64
eval:
  offline_set: val-core-5k
  sim_scenarios: 3200
  gate:
    min_map: 0.842
    max_latency_ms: 45
deploy:
  strategy: canary
  canary_ratio: 0.01
  rollback_on: [latency_p99, crash_rate]

四、价值与挑战

自动驾驶 MLOps 的价值体现在三个层面：效率（把迭代周期从月级压缩到天级）、质量（用统一门禁减少人为失误）、合规（完整审计链满足监管要求）。但它同时面临独特挑战，下表做了归纳。

五、常见误区与复盘

六、整体课程框架

本课程共 30 章，围绕“数据—训练—评测—部署—监控”主线展开，逐步深入到具体工具链与工程实践。整体可分为五个板块：

• 基础与框架：MLOps 定义、价值、挑战与整体架构。
• 数据工程：数据采集、标注、版本管理、场景挖掘与数据闭环。
• 模型工程：训练调度、实验管理、模型注册与评测门禁。
• 部署与车端：量化编译、OTA 发布、灰度与回滚。
• 运维与治理：在线监控、安全合规、成本优化与组织协作。