Shopify 在 PyTorchCon 上分享 Flywheel 持续学习系统
Shopify 在 PyTorchCon 上公开了他们的 Flywheel 系统，用 PyTorch 和 vLLM 把线上失败案例变成再训练数据，以比调用前沿模型便宜的成本做到更准。自己部署过模型的团队应该看看，比单纯堆 API 有参考价值。
Shopify 工程师 Anthony Mazza 在 PyTorchCon 北美大会的主题演讲中介绍了 Shopify 的 Flywheel 系统，这是一个建立在 PyTorch 和 vLLM 之上的持续学习闭环。该系统解决的是企业部署生成式 AI 后的真正瓶颈：不是训练初始模型，而是维持和提升其在生产环境中的表现。Flywheel 的核心机制是把线上真实失败案例回收成训练信号，让模型在实际业务中不断自我改进。演讲称这套方法让 Shopify 以远低于前沿模型的成本取得更好的实际效果，完整视频已在 YouTube 发布。
对负责在生产环境运营 LLM 的团队来说，这种以失败数据驱动迭代的闭环架构，与直接调用 GPT-5 或 Claude 等前沿模型 API 的思路形成对比：前者优化的是自有业务场景的准确率与成本，而非通用基准分数。已在用 PyTorch 和 vLLM 自托管模型的企业可以参考这套工作流，把产品反馈接入再训练流程。
How does Shopify outperform frontier AI models at a fraction of the cost? During #PyTorchCon North America keynote, @cmazzaanthony of @ShopifyEng explained @Shopify's "Flywheel" a state-of-the-art continual learning loop built on top of @PyTorch and @vllm_project.
As enterprises scale generative AI, the bottleneck quickly shifts from building an initial model to maintaining and improving its performance in production. Shopify solves this by turning real-world failures into a self-improving engine.
Watch the full keynote video on YouTube to learn how this continuous learning loop operates in production: https://t.co/4qxlQ4efNr
This report is categorized under AITOP's "How-to" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Shopify, PyTorch, vLLM, 持续学习.
Source attribution: curated from PyTorch (@PyTorch).
