「你們這個 AI 裝到我的車上，為什麼完全不動？」
這句話在我們接到測試回報的當下，第一反應通常是：解析度不夠、模型太小、參數沒調好。這三個懷疑方向都合理，排查也都做了。但最後讓辨識率從 17% 跳回 76% 的，既不是調大解析度，也不是換更重的模型——而是換了一個更根本的問題意識：訓練資料住的地方，跟模型被部署的地方，是同一個嗎？
這篇文章記錄的是一個 AI 模型在換硬體後「近乎失效」的完整診斷過程，以及最後讓它復活的決策邏輯。如果你或你的團隊正在把 AI 模型從開發環境搬進真實硬體，這個故事很可能值得你讀完。
問題的樣子：17% 不是「差一點」，是「根本沒用」 #
我們在自研的行車輔助系統裡訓練了一個紅綠燈辨識模型，在原本的硬體（以下稱 C4）上效果不錯。後來系統換了一台新的行車記錄器（以下稱 C3），模型原封不動地部署過去。
測試結果讓人難以接受：有號誌燈出現在畫面裡的情況下，模型只有 17–23% 的機率能抓到燈。換句話說，十次有八次是靜默錯過——既不報錯、也不輸出結果，就是沒看到。
17% 不是「效果不穩定」，是「基本不可用」。這個數字意味著若把模型交給真實駕駛輔助場景，它在大多數有燈的路口什麼都不會做。
第一個直覺：一定是解析度問題。C3 的畫面也許是用比較小的尺寸丟給模型，把燈縮太小了。
「改大解析度就好了吧」——第一條死路 #
我們按照直覺排查了解析度。把 C3 的輸入畫面從裁切後的較小尺寸，換成接近全解析度的輸入。
結果：辨識率從 17% 爬到 30%。
有進步，但從「完全沒用」變成「幾乎沒用」，並沒有真正解決問題。
這個結果帶來兩個訊息：
- 解析度確實有一點影響，所以不是完全無關的假說
- 但影響遠遠不夠大，從 17% 到 30% 的改善量，說明根本原因在別的地方
這時候我們做了一件重要的事：停下來不繼續調參數，先問「為什麼」。
根本原因：模型從未見過 C3 的世界 #
訓練 C4 模型時，資料集裡的所有畫面都來自 C4 的鏡頭。C4 有它自己的安裝位置、鏡頭角度、焦段、色調、畫面比例、光線處理方式。模型學習的是：「在 C4 拍出來的畫面裡，紅綠燈長這個樣子。」
C3 是一台不同的設備。它的安裝位置不同、鏡頭仰角不同，廣角程度可能也不同。同一個路口的號誌燈，在 C4 的畫面裡可能佔據中央區域、輪廓清楚；在 C3 的畫面裡可能偏小、偏邊、透過稍微不同的色溫和鏡頭畸變呈現。
這就是機器學習領域裡的 domain shift（域偏移）：模型的訓練分佈（source domain）與實際部署分佈（target domain）不一致。模型在訓練時沒有見過 C3 的視角，自然無從辨識 C3 畫面裡的燈。
這個問題不是解析度能解決的，因為解析度只改變「畫面有多細」，不改變「鏡頭的視角與安裝方式」。C3 就算輸入全解析度，模型看到的仍然是一個它沒訓練過的世界。
為什麼這個問題沒有被更早發現 #
有一個值得特別說明的背景：「先找燈、再判色」的兩階段方案，九月時就評估過，當時被否決了。
九月評估的脈絡是：在 C4 上，用端到端單一模型直接辨識燈色，與用「先偵測燈的位置、再分類顏色」兩階段做法，找燈能力幾乎一樣。既然效果相當，就沒有理由增加架構複雜度。
這個決策在 C4 上是合理的。問題是它隱含了一個沒有明說的假設：「C4 上沒差別，換機器也不會差別。」
現實是差了四倍。
C3 上，端到端模型的找燈率只有約 17–23%；換成通用 YOLO11n 只找燈（不判色），找燈率跳到 76%。四倍的差距，構成了重新評估九月決策的新證據。
這是一個值得記住的決策模式：「在 A 條件下沒差別」的實驗結果，不能直接推論「在 B 條件下也沒差別」，除非你確認 A 和 B 的分佈足夠相近。
轉折點：放棄端到端，改用通用小模型 #
重新評估之後，我們選擇了 YOLO11n——Google、Meta、或任何「我只需要一個好的物件偵測器」都可能知道這個系列。YOLO11n 是目前 YOLO 系列中最輕的變體，參數量極小，但在通用物件偵測基準上訓練資料涵蓋面廣。
關鍵取捨在於：YOLO11n 不是用某一台特定行車記錄器的畫面訓練的，它是用數百萬張各種場景的圖片訓練的。它對「紅綠燈這個物體在各種視角下長什麼樣子」的學習，遠比我們的 C4 專屬模型更廣。
這正好對應了 C3 的問題：C3 畫面是 C4 模型從未見過的視角，但 YOLO11n 見過太多種視角，C3 的角度也在它的訓練分佈之內。
換上 YOLO11n 只偵測燈的位置（不判顏色），結果：找燈率從 17% 跳到 76%。
這個改善沒有任何魔法，它是「把正確的工具用在正確的問題上」的結果。
兩階段 pipeline 的復活：為什麼九月否決的方案現在成立 #
YOLO11n 只找燈，不判色。燈在哪裡，它知道了；但是紅燈還是綠燈，還需要另一個步驟。
這裡我們設計了一個兩階段 pipeline：
第一階段：YOLO11n 偵測燈框 輸入：原始行車畫面 輸出：畫面裡每個號誌燈的位置與邊界框
第二階段：輕量判色器分類 輸入：YOLO11n 裁出的燈框 輸出：紅 / 黃 / 綠 / 不確定
第三步：連續幀投票確認 單一幀的誤判率高，但燈的顏色不會在 0.1 秒內切換。連續蒐集 3–5 幀的判色結果，以多數決作為最終輸出，可以大幅過濾誤判。
這條 pipeline 目前的狀態是：YOLO11n 找燈已驗證到 76%，判色器已有前期訓練結果，兩段的接合與連續幀投票邏輯尚未完成上車測試。但架構已經確定。
這個架構在九月被否決、在十月被重啟，理由前面說過了：改變了的不是方案本身，而是評估條件。在 C3 上，找燈能力的差距讓兩階段的架構額外複雜度完全值得。
踩過的坑：那些讓我們繞了一圈的診斷路徑 #
坑一：解析度是誘人的假說 #
解析度是最容易想到的懷疑對象，因為它可以被量化、可以被測試、而且確實有一點影響。17% 到 30% 的進步讓人覺得「方向對了，繼續調」。
但這裡有一個診斷陷阱：有改善 ≠ 是根本原因。解析度稍大了，燈在畫面裡的像素數多了幾個，模型偶爾能看到一些 C4 訓練特徵的殘影，所以有一點改善。但這是症狀緩解，不是病因治療。
如果我們沿著「調解析度」的路繼續走，接下來會試更大的 crop size、試不同的 resize 策略、試 multi-scale augmentation，花掉大量時間，最終會發現全部都只在 30% 附近徘徊。
正確的診斷時機是：當你的「有改善但幅度遠不夠」的實驗結果出現時，停下來問「這真的是根本原因嗎」，而不是繼續在同一個方向推進。
坑二：把「在 A 上沒差別」誤解為「在任何地方都沒差別」 #
九月否決兩階段方案的那個決策，原則上是正確的：在有充分實驗支持的前提下選擇較簡單的架構。問題不是決策邏輯，而是實驗邊界條件沒有被明確記錄。
如果當時的紀錄明確寫著「此結論僅適用於 C4 訓練域，換設備後需重新評估」，那麼 C3 的問題出現時，我們會立刻知道要往哪裡看。
決策紀錄裡缺少了「這個結論在什麼條件下成立」，才讓我們繞了一段路。
坑三：「通用模型」聽起來像是在走回頭路 #
選用 YOLO11n 這個決策，在工程直覺上有阻力：我們花了時間訓練一個針對「行車燈辨識」的專用模型，現在要回頭用一個通用的物件偵測器，感覺像是退步。
但這個直覺在這裡是錯的。專用模型的優勢是在目標域上的精細化；通用模型的優勢是訓練分佈的廣度。C3 遇到的問題正是後者能解決的：YOLO11n 見過的世界比我們的 C4 專用模型大得多，它的泛化能力在跨硬體部署的場景下是真正的競爭優勢。
「通用 vs 專用」的取捨，不是「哪個更好」的問題，而是「你的問題是什麼類型」的問題。部署到新硬體、訓練資料無法快速補齊的場景，通用模型往往是更務實的起點。
從這個案子抽出來的方法論 #
這套診斷邏輯不只適用於行車記錄器，任何「把 AI 模型從開發環境搬進新硬體或新場景」的工作都可以套用。
第一步：先問「訓練資料的家在哪裡」
當模型表現急遽下降時，在調任何參數之前，先確認：訓練資料的採集環境，和現在的部署環境，是否為同一個感知視角？鏡頭角度不同、安裝位置不同、光線條件不同、畫面色調不同，都可能構成足夠大的域偏移，讓模型接近失效。
第二步：用「最小可行通用模型」做基準測試
在你懷疑有域偏移的情況下，找一個在大規模通用資料上訓練的現成模型，在新環境下跑一遍。如果通用模型的效果遠好於你的專用模型，那幾乎可以確認是域偏移問題，而不是模型能力不足或任務本身過難。
這步的成本很低，但能快速排除大量其他假說。
第三步：評估三條路，選對應的
確認是域偏移之後，有三條路可走：
| 路線 | 適用情境 | 代價 |
|---|---|---|
| 補採新域資料重訓 | 新環境資料容易取得、任務高度特化 | 時間成本高，但長期最準 |
| 使用通用模型 + 精調 | 通用模型在新域效果可接受，只需小量資料 | 中等成本，平衡泛化與精度 |
| 切換任務分解架構 | 端到端模型泛化差，但子任務有通用解 | 架構複雜度增加，但部署風險分散 |
本次選擇的是第三條：把「找燈」切給通用模型（YOLO11n），把「判色」留給專用輕量模型。這樣的好處是：找燈這個步驟的泛化問題被徹底解決，判色器因為輸入已經是裁切後的燈框，受域偏移影響較小，也更容易在新硬體上快速補資料微調。
第四步：記錄實驗邊界條件
每次做出「A 和 B 效果相當，選 A」的決策時，要明確記下「此結論的適用前提是 X」。下次 X 改變了（換了硬體、換了場景、換了使用者群），這條記錄會讓你在五分鐘內知道該重新評估哪個決策，而不是重新從頭診斷。
結尾：把模型帶出「訓練的家」時，要先問它準備好了嗎 #
AI 模型在開發環境裡表現優秀，在真實部署後失效——這是落地 AI 最常見的失敗模式之一，但它很少被系統性地討論，因為表面症狀（準確率低、錯誤率高）看起來跟「模型能力不夠」一模一樣。
區分這兩種根本原因的關鍵問題只有一個：「訓練資料的分佈，和我現在部署的環境，有多不一樣？」
這個問題在換硬體時最容易被忽略，因為硬體切換看起來是工程問題，不是資料問題。但對模型來說，換一台鏡頭角度不同的設備，跟換一個完全不同的場景，在感知上的影響是一樣的：它看到的是它從未見過的世界。
如果你的團隊正在把 AI 模型從開發環境推向生產，或是準備跨設備部署，我們在這個過程積累了不少診斷與架構設計的實戰經驗。有這類問題歡迎找我們談。