AWS SageMaker SDK v3 发布支持端侧全生命周期管理的参考架构

AWS ProServe 工程师 Kiowa Jackson 在官方博客中发布了基于 Amazon SageMaker Python SDK v3 的端侧计算机视觉全生命周期管理参考架构。该方案针对工业产线多相机场景，提供了一套从训练、质量门控、边缘编译到注册的自动化流水线，旨在解决单模型无法适配千台设备差异及人工运维成本过高的问题。

核心工程细节在于将模型验证与编译环节前置并固化在流水线中。不同于传统流程先注册再分发，该架构要求模型必须先导出为 ONNX 格式并通过质量门控（如 AUROC≥0.8），随后立即调用 SageMaker Neo 进行设备特定优化，最后才注册至 Model Registry。这一“门控 - 编译 - 注册”的不变性逻辑确保了注册库中的每一个包都包含可直接运行的设备优化 artifact，消除了因环境差异导致的部署失败风险。此外，SDK v3 引入了构建时的 IAM 角色验证，强制开发者在合成阶段确认权限，避免了运行时才发现配置错误的情况。

在规模化运营层面，方案利用 DynamoDB 原子操作实现信号量控制，限制并发执行数以适配 AWS 账户配额，并通过 SQS 队列缓冲请求。Model Registry 的设计采用共享包组配合 CameraId 元数据过滤，实现了跨设备的“热启动”微调能力，使每台相机能基于自身历史数据进行增量更新。整个流水线运行一次合成数据的成本约为$0.07，且完全开源在 GitHub 仓库 aws-samples/sample-sagemaker-fleet-cv-pipeline 中供复用。