边缘AI网关模型热更新：断网续传与版本回滚

智能硬件实验室本周围绕边缘AI网关的模型热更新做了一轮工程实验。现场网关多为ARM+NPU（2~8TOPS），上面跑着视觉质检与振动异常检测两类模型，工艺一变就要迭代；但现场网络以4G为主、丢包断网常见，此前把模型当固件整包烧写，失败往往需要返场处理。

实验方案：升级前做存储与算力自检，模型以分片方式断点续传，写入备用分区；升级后先用固定样本集跑一遍推理，输出与原版本逐项比对，差异在阈值内才切换主分区，否则自动回滚，全过程不影响产线采集。

• 进展：30台网关试点（4G，丢包5%~15%），模型升级成功率由92%提升至99.3%，单次平均升级耗时由约14分钟降至4.5分钟，自检不通过的回滚在90秒内完成。
• 下一步：接入设备影子做灰度分组，按站点与固件版本分批放量；同时补充NPU内存碎片与长期运行下的温度漂移观测。

我们认为，边缘侧的AI迭代瓶颈更多在“可安全地换掉一个模型”，而不是模型本身精度。