知识点 › 范式与价值
MLOps 与数据闭环
MLOps
定义
把机器学习交付工程化：数据版本、实验追踪、模型注册、自动化流水线、监控与回滚。数据闭环是 MLOps 在智驾场景的特化——多了车端、仿真、安全验证三个环节。
关键要点
- 最小可用闭环：数据版本 + 训练可复现 + 评测自动化 + 发布可回滚
- CI/CD 在智驾里要加「仿真回归门禁」，否则模型迭代就是在赌
- 别把 MLOps 说成工具采购，它的核心是「每次变更都可追溯、可复现、可回退」
面试怎么答
用「四件套（版本/复现/门禁/回滚）」回答，再说你落地了哪一件。
相关知识
- 数据闭环 — 把「真实世界产生的数据」持续转化为「车端模型能力」的工程体系：车端采集 → 回传 → 存储治理 → 场景挖掘与标注 →…