先根据团队和数据条件选方向
希望由 OrdVista 承担模型训练与迭代工作，可以优先评估云端训练模式；希望在工厂内建设模型训练能力，并能承担数据、算力与维护工作，可以评估工厂本地训练模式。最终范围以所选版本、现场验证及双方约定为准。
这是一份选型说明，不是某一客户现场的交付证明。具体硬件配置、相机数量、训练时长和吞吐能力，需要结合目标场景验证。
两种模式，六个关键区别
模型在哪里训练
云端训练在 OrdVista 控制的云环境、服务器或工作站训练，不特指某一家公有云。
工厂本地训练在工厂内的模型生产环境训练，需配置本地训练与评估资源。
工厂需要哪些能力
云端训练工厂部署现场管理、实时检测和系统监控，不部署模型管理。
工厂本地训练在上述能力之外增加模型管理，承担资料整理、训练评估和模型版本管理。
现场数据如何使用
云端训练默认不自动上传现场视频；需要训练样本时，先确认授权、用途、范围和保留期。
工厂本地训练数据在工厂受控环境中用于本地训练；如需出厂，同样必须单独确认授权。
断网时怎样运行
两种模式共同要求现场生产应支持离线与断网运行。云端训练不等于现场检测持续依赖公网，断网条件应纳入项目验收。
更新与支持模型交付、样本反馈和维护方式需另行约定，不把远程联网当作默认前提。
算力和维护由谁承担
云端训练训练资源由 OrdVista 侧提供；工厂仍需满足现场推理、媒体存储与备份要求。
工厂本地训练除现场推理资源，还需训练、评估与存储资源，并明确本地维护人员和工作窗口。
模型如何更新
云端训练模型在 OrdVista 侧完成训练与评估，经约定的交付方式进入现场。
工厂本地训练模型在工厂侧完成训练与评估。两种模式都应在现场验证、确认后启用新版本，导入不等于立即切换。
这些数值，不能仅凭模式名称确定
- GPU、显存、CPU、内存与磁盘：取决于算法、输入分辨率、数据量及同时运行的任务。
- 工位、相机和产线规模：需要在目标负载下验证延迟、稳定性与资源占用。
- 训练时长与更新频率：还受样本准备、评估、人员确认与现场切换窗口影响。
没有适用版本和实测条件的数值，不作为通用承诺；某个演示成功，也不能直接推算整条产线的能力。
沟通方案前，准备这四类信息
- 要解决的工位问题，以及正常、异常和完成条件。
- 相机画面、光照遮挡、作业节奏与可授权样本。
- 数据是否允许出厂、断网要求及现场可用资源。
- 谁负责工艺确认、人工复核、日常维护和模型更新。
如果关键步骤不在画面内、异常标准尚未明确，或资料授权未确认，应先解决这些前提，再讨论模型和部署模式。