视觉模型在云上很准，产线等一次推理要几百毫秒外加抖动。节拍不允许排队。时延预算决定模型住在工位旁还是住在机房。边缘负责放行，云端负责训练、抽检和版本。位置选错，准确率再高也是停线源。
模型住哪里，不是架构偏好。是传送带还等不等得起。
先写时延再选位置
测量拍照到放行的允许时间。超预算必须边缘化或减输入。断网时边缘仍能按末版模型放行并缓存。云端更新要可回滚，不得在高峰静默推送。
- 在线学习不要直接写进放行路径。
- 抽检与疑难件可以上云，节拍件必须本地。
- 边缘设备有健康检查，风扇和磁盘与产线同级维护。
边缘放行，云端进化
XYN 数智化系统把质检结果写回工单，推理位置按工位时延配置。住对地方，智能才是节拍的一部分；住错地方，智能是节拍的对手。
用秒表量一次拍照到放行。超预算，先搬边缘，再谈换更大的云端模型。
