端侧 AI · 部署
本地 AI 部署流程：从任务到真机验证
先定任务、运行时和 artifact，再做下载、生命周期与真机验收。
主查询：本地 AI 部署流程 · 核验：2026-09-16 · 事实卡：ARCH-01, GEMMA-MOBILE-01, BENCHMARK-01
先给结论
这不是一篇替你猜性能或设备兼容的文章。它把「本地 AI 部署流程」拆成可执行步骤，并告诉你什么证据足以支持结论。没有真机记录时，只给方法和待验证项。
需要先收集的证据
至少把下面三项与同一个 artifact、运行时和任务绑定：
- 任务验收集
- 固定 artifact 与运行时
- 目标设备完成与失败记录
若缺一项，就把它写成未知，不要用模型参数、芯片宣传或网上截图代替。
实施流程
- 先写任务和最大输入
- 确定运行时与 artifact 格式
- 固定 revision 与发布清单
- 做最小可复现工程
- 在目标设备跑代表任务
- 记录失败、回退与清理
每一步都要能失败并恢复。错误记录保留阶段、artifact、运行时与脱敏上下文，不记录用户原始照片、音频、文档或 prompt。
最容易写错的地方
- 先下模型再选运行时
- 只跑 hello world
另外要防止静默回退、未固定 revision、只留成功结果、把一次运行推广为所有设备支持。
最小复现记录
| 层 | 必须记录 |
|---|---|
| 设备 | 型号、芯片、系统、RAM 档位 |
| 软件 | App 版本与 git commit |
| 模型 | 家族、变种、revision、格式、长度、hash、量化 |
| 运行时 | 版本、请求后端、实际后端证据 |
| 任务 | fixture、输入 hash、prompt hash、输出规则 |
| 结果 | 完成、失败、取消、回退与恢复 |
发布检查单
- 目标查询已在开头直接回答。
- 所有数字都能回到事实卡或原始记录。
- artifact、runtime、设备与任务没有混淆。
- 失败、取消、清理与回退都被测试。
- 隐私和网络边界单独说明。
- 结论只适用于记录中的配置。