一个 2 万 SKU 的退货仓，如果走传统的视觉识别路线——每个 SKU 拍 500 张训练图——那就是整整 1000 万张图。先说结论：这条路走不通。不是技术不行，是这笔账根本算不过来。
这几年找我聊视觉识别的客户越来越多，话术都差不多："我们 SKU 太多了，传统 AI 训练数据量太大，听说小样本学习只要几张图就能认，是不是我们的救星？"我的回答也差不多：是救星，但只救得了一半的场景；另一半场景，它连门都进不去。今天就把这条分界线讲清楚。
小样本到底是个什么东西
一句话讲清：传统深度学习是"死记硬背"，要把每个 SKU 长什么样从头学起，每个 SKU 都得喂几百上千张图；小样本学习（few-shot）是"认亲戚"——基座模型已经看过几千万张图，学会了形状、颜色、质感这些通用本事，你只给它每个 SKU 看 3～5 张图，它靠比对相似度来认人。
这在技术上不算新东西。学术界早就把它玩熟了：公开数据集 SKU-110K 有 1.17 万张图、170 万+个标注框、覆盖 11 万+个 SKU（CVPR 2019）；2024 年还有论文专门研究只用一张原型图就做 SKU 分类。真正的变化是最近两年基座模型够强了，落地门槛才降下来。换句话说，技术早就绪了，缺的是一线的人知道它该用在哪。
什么情况下小样本够用了
我的判断标准很简单，就看两件事：容错空间，和 SKU 更新速度。
退货质检是我见过最匹配的场景。退回来的货，SKU 又杂又散，很多长尾商品一年就卖几十件，你根本不可能给它攒几百张训练图。质检员拿着货在相机前一过，系统认出 SKU、调出商品信息，质检员看一眼确认就行。认错了？人纠正一下，这张图自动回流成新样本，系统下次就认得更准。
再一个是外观分拣的辅助场景。比如跨境仓里一批无条码的裸装商品，或者条码贴歪了扫不上的，小样本视觉做"第二意见"。注意我说的是辅助——它给出候选，人或者扫码做最终确认，别让它拍板。
这两个场景的共同点：低速、低频、后面有人兜底。SKU 越多、单个 SKU 样本越少、长尾越长，小样本的相对优势就越大。传统路线在这种场景下不是"贵一点"，是根本干不了——你不可能为一年卖 30 件的长尾 SKU 去拍 500 张图。
什么情况下千万别碰
先说最直接的：高速分拣线。分拣机一分钟过几百件，对准确率的要求极高（具体以实测为准），这种场景你指望一个只看过 3 张图的模型？别做梦。高速场景的老实做法是全量标注训练，或者干脆别用视觉，用条码加重量加尺寸多传感器融合。速度越快，小样本的容错空间越小，这是物理规律，不是调参能解决的。
第二个坑：长得太像的 SKU。比如同品牌同系列、只有净含量不同的两款洗发水，包装几乎一模一样，只差一个数字。小样本靠"认亲戚"，恰恰在这种细粒度区分上最弱。我见过有团队在这上面栽过：模型信心满满地认错，人还得一张张复核，最后比纯人工还慢，还多花了一套设备的钱。
第三，拍摄条件不稳定的地方。仓库现场跟实验室是两回事，传送带上方装个相机，灯一闪、箱子一歪，准确率就掉。样本本来就少，一张拍糊了等于废掉五分之一的训练数据。所以小样本对拍摄规范的要求反而更高——后面我会讲怎么落地。
落地怎么干：四步走
第一步，选基座模型，别自己从头训。现在开源和商用的视觉基座模型都够用，关键是选在商品图上表现好的，而不是在通用榜单上刷分的。拿你自己的货实测，top-1 准确率以实测为准，别信厂商 PPT。这一步花两周做实测，比后面返工便宜得多。
第二步，定拍摄规范。这是整个项目里最被低估的一环：固定机位、固定光源、固定背景，每个 SKU 拍 3～5 张不同角度。样本少，所以每张都得是有效样本。我的建议是把拍摄规范写进 SOP，打印出来贴在质检台旁边，换人也不走样。
第三步，bad case 回流。系统认错的、置信度低的，自动进一个待复核队列，人确认后正确的标签回流成新样本。这个闭环跑起来，模型是越用越准的。这是小样本方案相对传统方案最大的运营优势：传统方案加一个新 SKU 要重新攒数据、重新训练；小样本加一个新 SKU，就是拍几张照片的事，几分钟上线。
第四步，永远留人工兜底。置信度低于阈值的，一律转人工。这条线不能省，省了就是事故。AI 在仓库里最好的位置永远是"副驾驶"，方向盘在人手里。
算一笔账：三种路线对比
先看全量标注训练。按公开的标注服务报价，基础图片分类标注大概 $0.03～$0.10 一张（basic.ai 的行业报价指南）。听起来便宜？但别忘了采集成本：拍照、整理、质检、版本管理全是人力。2 万 SKU × 500 张 = 1000 万张，这个量级的人力投入，中小仓库根本扛不住。这条路只适合 SKU 少、极其稳定、准确率要求极高的场景。
小样本路线：每个 SKU 3～5 张，2 万 SKU 就是 6～10 万张，数据量级直接掉两个数量级。标注成本几乎可以忽略——拍照的时候顺手就把标签定了。真正的成本在基座模型选型验证和拍摄规范落地的人力上，一次性投入，后面越跑越省。
第三条路很多人忘了：条码和规则方案。如果你的商品都有规范条码，老老实实扫码，视觉识别纯属多余。我一直跟客户说：能用扫码解决的，别上视觉；能用规则解决的，别上学习。AI 解决不了管理问题——SKU 主数据一团糟、条码贴得歪七扭八，先整顿流程再谈 AI，这个顺序不能反。
退货这个场景为什么值得单独说
NRF 和 Happy Returns 的报告：2024 年美国零售退货预计达到 8900 亿美元，占零售商年销售额的 16.9%。退货仓是仓库里 SKU 最杂、人最贵、流程最乱的一块。质检员要认货、要判断成色、要决定退回上架还是报废——其中"认货"这个环节，小样本视觉是最划算的切入点，因为退货的 SKU 分布天然就是长尾的。
但有一点要提前打预防针：退货质检的难点不只是认 SKU，还有成色判断（全新、轻微使用、损坏），这部分今天的小样本模型还做不好，别被厂商忽悠。先做 SKU 识别，成色判断留给人，分两步走。一步一个坑，别想着一口吃成胖子。
明天就能动手的一件事
如果你仓里有退货质检台，明天就可以做一件事：挑 50 个最常见的退货 SKU，每个拍 5 张不同角度的照片，拿一个开源视觉基座模型跑一遍相似度检索，看看 top-1 准确率到多少。这个实验一下午就能做完，成本几乎为零，但它能告诉你：你们家这条路，到底走得通还是走不通。数据自己会说话，比听十场厂商路演都管用。
