模型上线后最可怕的故障不是"崩溃"而是"悄悄变差"——模型还在正常返回结果，但准确率已经从 95% 降到了 80%，而没人注意到。这就是"数据漂移"：真实世界的数据分布变了，但模型还是用旧分布训练的参数。一个经典案例是 2020 年新冠疫情期间，大量推荐模型的点击率骤降——因为用户行为模式彻底改变了。监控数据漂移的最简单方法是跟踪输入特征的统计量(均值、方差)，一旦偏离训练时的分布就报警。