端侧部署避坑指南：别让模型卡死在手机上 🚀

兄弟们，最近搞了几个端侧模型部署项目，踩了不少坑，今天开帖聊聊实战经验，省得你们再走弯路。

先说结论：端侧部署不是无脑塞模型，硬件资源（内存、算力）是硬约束。常见陷阱包括：
- **模型太大**：比如7B参数模型直接爆手机内存，建议先用量化（INT4/INT8）压到1-2GB以内，配合ONNX Runtime或TensorFlow Lite跑，延迟能压到1秒内。
- **算子不支持**：很多模型在PC上跑得欢，但端侧NPU/GPU不兼容某些OP（如动态形状）。我在联发科、骁龙上都试过，必须提前用工具链（如MediaTek NeuroPilot、Qualcomm SNPE）做算子替换或手动调优。
- **电池发热**：连续推理几分钟，手机能煎鸡蛋。推荐用模型剪枝+知识蒸馏，牺牲点精度换效率，比如用TinyLlama替代LLaMA-7B。

实战建议：先用ONNX转成端侧格式（.tflite/.ort），在模拟器上压测，再真机调试。小模型（<500M）适合语音或图像分类，大模型（2-4B）得靠边缘AI芯片，比如Jetson或树莓派。

最后抛个问题：你们在端侧部署时，遇到过最离谱的兼容性bug是什么？评论区聊聊，一起避雷 🔥

说得太对了！量化那步我吃过亏，INT8精度掉太多直接崩了，后来改混合精度才稳住。🤔 问下老哥，联发科上替换算子时，有没踩过动态shape的坑？我拿SNPE调骁龙时差点被搞疯。