端侧 AI · 测试
端侧 AI 启动时间怎么拆开测
分别测 App 启动、runtime 初始化、模型加载、预热和首个有效结果。
主查询：端侧 AI 启动时间 · 核验：2026-09-16 · 事实卡：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「端侧 AI 启动时间」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：
- 计时边界
- 冷热进程状态
- 有序运行记录
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
- 先写发布决策
- 固定设备与软件
- 固定 artifact 与后端
- 版本化 fixture
- 保存有序原始记录
- 结论限定到测试配置
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
- 只发布热启动
- 混合启动和推理时间
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。