三阶十二步工业AI小模型训练实战 · 第2篇

三阶十二步框架速览：工业小模型落地的全局地图

从“我想用AI”到“AI持续创造价值”，每一步都有交付物、责任人和验收标准

作者：黄山  |  专栏序号：02 / 30  |  阅读时间：约15分钟

图1  工业AI落地不是一次模型训练，而是一条经过十二个检查点、最终进入稳定运营的工程路径。

文章摘要｜上一篇解决“为什么工业现场更需要小模型”的选型问题；这一篇解决“确定做小模型之后，项目到底怎么走”的路径问题。本文给出三阶段十二步骤的全局地图，逐步说明关键问题、交付物和验收标准，并用刀具磨损预测案例演示如何从需求走到持续创造价值。

写在前面：AI项目不只缺模型，更缺路线图

上一篇文章讲清了一个基本判断：在制造现场，模型不是越大越好，适配业务、数据、算力和运维边界才是关键。可即使团队接受了“小模型优先”，真正开工时仍然会遇到更现实的问题——第一周究竟先做什么？数据质量不够怎么办？验证到什么程度才值得继续投入？模型上线以后谁来负责？

我复盘过不少制造业AI项目。失败往往不是算法完全做不出来，而是团队在不同阶段回答着不同的问题：业务部门等效果，算法工程师等数据，自动化团队等接口，IT团队等部署清单。每个人都很忙，项目却不知道下一步往哪里走。

“三阶十二步”就是为了解决这种失焦。它把从想法到运营拆成十二个可检查的步骤，让每一步都有明确产出，让阶段之间有可以放行、暂停或回退的门槛。它不是一条只能向前的流水线，而是一张可用于计划、评审和复盘的工程地图。

核心观点｜AI项目最危险的状态不是“暂时没做出高精度”，而是团队说不清当前在哪一步、下一步交付什么、谁来验收。

一、为什么需要一张“全局地图”？

制造业AI项目跨越业务、数据、算法、设备、网络、安全和运营多个专业。没有全局地图时，最常见的不是某一个技术错误，而是项目结构被悄悄掏空。

• 跳过准备阶段：场景价值和数据条件没有验证，直接采购平台、采集设备或组织标注，投入越大，返工越多。
• 把训练当成全部：离线指标很好看，却没有在线特征、接口、时延、降级与回滚设计，模型停在演示环境。
• 把上线当成终点：系统运行后缺少监控、再训练和责任机制，数据一漂移、设备一变化，效果就逐月衰减。

全局地图的作用，是把“想做AI”改写成一组工程问题：当前要验证哪一个假设？需要什么证据？证据由谁提供？满足什么条件才能进入下一阶段？只要这四件事能被持续回答，项目就不会只靠热情和个人经验推进。

二、三阶十二步，一张图看懂

图2  三阶段不是三个孤立部门：准备阶段减少错误投入，实施阶段形成可运行系统，深化阶段把一次成果变成长期能力。

三阶十二步把工业小模型项目划分为准备、实施、深化三个阶段。每个阶段各有四个步骤，也各有一个阶段门。团队可以局部迭代、回退补证，但不应在缺少关键证据时跨过阶段门。