换模型那两周：一家汽车零部件厂的 ViT-Lite 质检升级账本
那台老旧的 ResNet-50 终于被换掉了。
7 月初，长三角一家做汽车制动系统零部件的代工厂，把运行近三年的缺陷检测模型整体迁移到 ViT-Lite。触发这件事的，是 6 月印发的《工业与人工智能融合应用指南》——这份被工信系统内部反复引用的文件，把"模型分级、场景分级、数据治理"写成了可追溯的硬要求，意味着原来那张只跑 99% 准确率的模型备案材料，无法再支撑明年的产线扩产。
换模型这件事，比想象中更细碎。
数据：一周半的标注加班
厂长最开始以为，"换模型"无非是改几行推理脚本。真正动起来才发现，最大的成本在数据。
旧模型用的是 ResNet-50，训练集是 2023 年初标注的 5.2 万张图，其中缺陷样本 6800 张，类别集中在一缸体表面划伤、端盖裂纹、气孔这三类。ViT-Lite 对全局结构和上下文关系更敏感，同样是划伤，它会按"亮度、走向、与装配面的相对位置"重新分类，这导致原本标签为同一类的样本，需要重新分桶到四个子类。
团队用了 12 天返工了其中 3.6 万张图，新增 1800 张从未出现过的样本（主要是 2024 年新增的「端盖油污」缺陷类型，之前的 ResNet 完全漏检）。返工期间，临时拉了 4 个外部标注员，按张计费，平均单张成本 0.45 元，标注总支出约 1.7 万元。
硬件：两台推理机，一台服务器
ViT-Lite 的参数量大约是 ResNet-50 的 2.4 倍，单图推理时延从 38ms 涨到了 71ms（GPU 为 NVIDIA A10，FP16）。这意味着原来的 8 个工位共用 1 张推理卡的策略已经撑不住了，节拍被打穿。
工厂的解决办法是"端-边-云"三级部署：质检工位端的轻量检测（剪枝后 1.8 亿参数的 ViT-Tiny）做粗筛，把疑似缺陷推给车间边缘节点（ViT-Lite 全量模型，2 张 A10 卡），复杂问题再上交到工厂私有云，由更大模型兜底。这种思路和华为在 800+ 产线 AI 质检中总结出的「端边云协同」一致——按 e 华为企业业务介绍，其工业级图像处理算子覆盖了行为规范、缺陷检测、定位、测量等场景，整体识别准确度在 98.5% 以上。
硬件账面上：新增边缘服务器一台（含 2 张 A10），旧推理卡折价处理，硬件净增支出约 18.4 万元。
误检率：从 1.4% 压到 0.6%
最戏剧性的指标出现在上线第三天。
- 漏检率（漏掉真实缺陷的比例）：从 0.9% 降到 0.3%。ResNet-50 在端盖油污这类低对比度缺陷上几乎失明；ViT-Lite 通过自注意力建立了跨区域关联，识别率显著回升。
- 误检率（把合格品判废的比例）：从 1.4% 降到 0.6%。这部分对工厂的影响尤其直接——误检每降 0.5 个百分点，每月少报废约 600 个零部件，按 2026 年中的钢件单价折算，月节省 7.5 万元左右，相当于两个月覆盖掉模型升级的人工成本。
- 平均每张图的推理时延 71ms，端到端（含传输）213ms，仍在 1.2 秒的产线拍摄间隔内。
ROI：账算到了第 11 个月
把账摊开来看：
- 软件成本：算法工程师 2 人月，主要写数据回流脚本和分级路由逻辑，按内部折算约 8 万元；外部标注 1.7 万元；模型微调与评测云资源约 1.2 万元。
- 硬件成本：新增边缘服务器及 2 张 A10 卡共 18.4 万元。
- 培训与流程：质检员 SOP 改版与培训约 0.8 万元。
总投入约 30 万元。
收益端，误检下降带来的直接节省大约 7.5 万/月，漏检下降带来的潜在召回损失规避约 4.2 万/月（按 2025 年的召回事件折算），合计 11.7 万/月。
简单算下来，10.6 个月回本。考虑到《工业与AI融合应用指南》对"模型可追溯、数据可审计"的要求，未来一旦产线扩产或者对接车企二方审核，这套体系会被进一步复用，回本周期大概率会缩到 8 个月以内。
规章那一侧：模型分级是怎么落地的
之所以这次升级拖到了 7 月，《指南》第六章是一个关键节点。文件要求"关键工序的 AI 模型须满足可解释性测试、版本回滚机制、训练数据血缘记录"，工厂原本的 ResNet-50 是在 2023 年某视觉平台上训练的，没有完整的数据血缘台账，过审风险较大。
于是这次升级同步补齐了三件事：
- 与国内某开源大模型基座厂商（参考 《开源模型的成人礼》 中提到的商用可靠性评估思路）确认了模型商用边界与许可条款；
- 用 DVC + 内部元数据库，把每一次再训练的数据版本、模型权重、评测分数钉死可回溯；
- 在产线侧增加了「人工抽检双签」环节——即便模型判 OK，也按 3% 比例抽检，与文件第六章要求的「关键路径人类把关」对齐。
除此之外，针对算力成本，团队参考了 《显存占满，GPU却没跑满》 里提到的「任务时间线排查」方法，确认 ViT-Lite 的上线并没有把 GPU 利用率冲到瓶颈——高峰期利用率稳定在 68%-74%，说明还有余量，不必立即扩容。
上线后真正折腾人的，是退工件
账算得好看，但现场真正折磨人的，是模型升级带来的"回退流程重做"。
原本质检员一旦判定废品，直接进废品筐；现在因为模型置信度差异，偶尔会出现"上批次判合格、这批次被判废"的情况——质检员得反向溯源这批零部件到底是哪一台机、哪一班人生产的。工程师花了一周时间，给前端判定界面加了"风险批次回溯"按钮，自动拉出制造执行系统（MES）数据，把定位时间从平均 8 分钟缩到 90 秒。
这件事的副作用，要比数字本身更值得记下来。AI 模型升级从来都不是一个单纯的技术动作，它会和人事流程、签字路径、上下游责任链条发生一次又一次摩擦。这点其实和 《AI 员工上岗后，签字、KPI 和权限都卡住了》 里讨论的问题一脉相承。
写在最后
对一家中等规模的代工厂来说，"换模型"远不是训练跑完、推理接入这么简单。它是一个从数据返工、硬件重排、合规补完到现场操作界面改造的多线工程。
这家厂能跑通，是因为他们 2024 年就搭好了数据回流通道，2025 年又提前置换了边缘节点。若是从零开始跑这个流程，至少要多花 3-4 个月。
《指南》只是把"必须做"写成了白纸黑字——真正决定 ROI 的，是产线在过去两年里，一点一点把数据、算力、流程这些基础设施攒起来的耐心。
