我站在机房门口看着一排边缘节点机箱的指示灯整齐地闪着绿光。它们已经跑了三年 mostly 在跑CDN缓存、日志归集、Web加速。三年前客户会为离用户更近买单现在他们问的是能不能在这些盒子里跑AI我把手里的巡检平板塞回兜里忽然觉得这些绿灯像是在催我做点新东西。这个念头不是今天才有的。过去半年已经有三个客户问过我类似的问题边缘能不能做人脸识别能不能做语音识别能不能跑一个小一点的对话模型我每次都回答需要评估算力然后就没有然后了。我不是不想做是我不知道怎么做。一、做了四年边缘节点发现客户不再为更近买单了我在边缘计算领域干了四年从CDN边缘节点运维做到边缘应用开发。四年前边缘计算还是个热门概念大家讲5G 边缘“低延迟”“离用户更近”我觉得这个方向大有可为。我第一份边缘计算的工作是在一家CDN公司。我们的边缘节点分布在全国各地每个节点是一台或几台服务器跑的是缓存、负载均衡、DDoS清洗、日志采集。我的工作就是保证这些节点稳定监控带宽、处理告警、升级软件、排查故障。后来转到一家做边缘云的公司开始接触更复杂的应用。我们给客户提供边缘容器、边缘函数、边缘存储。我参与了边缘K8s平台的搭建学会了怎么用kube-edge、K3s这些东西在资源受限的边缘设备上跑容器化应用。那几年我挺有成就感的。我们能帮客户把Web应用的响应延迟从100ms降到20ms能帮直播平台节省回源带宽能让游戏玩家的对战延迟更稳定。客户愿意为这些价值付费。但从2023年开始我明显感觉到边缘计算的传统业务在放缓。CDN和缓存越来越 commoditized商品化。云厂商的价格战打得很凶边缘带宽和存储的价格越来越低利润空间被压缩。Web加速和日志归集这些需求还在但增长有限。客户开会时不再兴奋地问延迟能不能再低10ms而是问你们能不能做点更智能的更智能的三个字很模糊但我渐渐听懂了他们想要在边缘跑AI。一家连锁零售商客户想在全国几千家门店做客流分析。他们的方案是摄像头采集视频传到云端做人脸检测和计数再把结果传回来。问题是视频流量太大高峰期带宽成本吃不消云端延迟也高。客户问“能不能直接在门店的盒子里做分析只把结果传回云端”一家工厂客户想做人机协作安全监控。工人和机械臂离得太近时系统要立刻报警。这个场景对延迟极度敏感不能等数据传到云端再处理。客户问“能不能在边缘设备上跑一个视觉模型”这些需求我接不住。因为边缘设备上的AI推理和传统边缘应用完全不同。模型大小、内存占用、推理延迟、功耗、散热每个都是新问题。二、转折点一台8GB内存的边缘盒子试图跑大模型让我真正决定转型的是一次内部POC项目。老板不知道从哪搞来一台边缘盒子ARM架构8GB内存没有独立GPU功耗只有15W。他在群里我“你看这玩意儿能不能跑一个7B大模型客户想做一个边缘智能客服。”我当时的第一反应是7B模型单权重文件就要14GB这盒子连装都装不下。我回复说“理论上跑不动得量化或者换小模型。”老板回“那你就去研究一下量化和小模型。”我愣了一下。换成以前我可能拒绝或者拖延因为这不是我的舒适区。但那天我没有。我回复好的然后把那台盒子抱回工位。接下来两周我疯狂地补课。我查了一箩筐资料模型量化、剪枝、蒸馏、ONNX Runtime、TensorRT-LLM、llama.cpp、GGUF格式。我发现原来边缘AI已经是一个很热的方向有很多人在研究怎么在资源受限设备上跑大模型。我用llama.cpp在一个普通笔记本上跑了一个Q4_0量化的Llama 2-7B模型推理速度大概每秒10个token。虽然慢但真能跑。我又试了一个更小的模型比如Phi-2-2.7BQ4量化后在CPU上能跑到每秒25个token。虽然质量不如7B模型但做一些简单的FAQ问答已经够用了。我把测试结果汇报给老板。他听完说“你能跑通说明这个方向有戏。客户要的不是所有问题都能答是常见问题的即时响应。边缘设备上跑小模型正合适。”那一刻我知道自己边缘计算的底子可以派上用场但前提是我必须学会端侧AI部署。三、补端侧AI的三块硬骨头量化、运行时、内存管理我开始系统学习端侧AI部署。我发现这块和云端AI推理很不一样。云端追求的是高吞吐、低延迟、高可用硬件资源相对充足端侧追求的是模型够小、跑得够快、功耗够低、内存别爆。我重点补了三块。第一块模型量化。量化是把模型权重从高精度比如FP32降到低精度比如INT8、INT4从而减小模型体积和显存/内存占用。INT8量化能把模型大小降到原来的1/4INT4能降到1/8。代价是精度有所下降但很多任务上下降不明显。我动手试了几个量化方案ONNX Runtime的QDQQuantize-Dequantize量化把PyTorch模型转成ONNX再用calibration数据集做INT8量化。适合视觉模型在ARM CPU上能加速2-3倍。llama.cpp的GGUF量化把大模型转成GGUF格式支持Q4_0、Q5_K_M、Q8_0等量化级别。我测过Llama 2-7B Q4量化后大约4GB在8GB内存的盒子上能跑起来。TensorRT-LLM的INT4/INT8量化这个需要NVIDIA GPU但如果有边缘设备带Jetson或T4效果会好很多。我在一台Jetson AGX Orin上部署了一个INT8量化的模型推理吞吐比CPU版本高了近一个数量级。第二块推理运行时。不同的硬件和场景需要不同的推理框架。我学习了ONNX Runtime跨平台支持CPU/GPU/NPU适合通用模型部署。我在一个边缘网关设备上用ONNX Runtime部署了一个目标检测模型YOLOv8推理帧率从原来的2fps提升到12fps。TensorRT-LLMNVIDIA GPU专用适合大模型推理。如果边缘设备有NVIDIA GPU这是首选。llama.cpp轻量适合CPU推理社区活跃支持很多开源模型。OpenVINOIntel平台友好适合x86边缘设备。MNN/NCNN移动端和嵌入式设备常用超轻量。第三块边缘设备内存管理。这是最容易被忽视但最致命的问题。边缘设备内存通常只有4GB、8GB模型加载、运行时缓存、输入输出buffer、应用进程都会抢内存。我踩过好几次坑模型加载到一半OOMOut of Memory推理过程中因为其他进程占用内存导致被杀推理速度因为内存带宽不足而大幅下降。我学到的几个实战经验预分配内存池不要频繁malloc/free避免内存碎片和延迟抖动。控制并发边缘设备不要同时跑多个大模型必要时用模型切换或队列。模型切片如果模型太大可以分成多个子模型按需加载减少同时占用的内存。量化到极致在精度可接受范围内尽量用低比特量化。监控内存用cgroup限制每个容器/进程的内存避免某个模型把整机拖死。四、第一个项目给连锁门店做边缘智能盒子学了四个月后我迎来了第一个真正的端侧AI项目。客户是一家连锁零售商在全国有2000家门店每家店装一个边缘盒子。需求是本地做人流量统计、热区分析、简单异常行为检测只把统计结果上报云端不上传原始视频。这个需求非常典型边缘做推理保护隐私节省带宽降低延迟。我负责整个边缘AI方案的设计和落地。第一步是硬件选型。客户预算有限单店盒子成本不能超过2000元。我们选了一款ARM架构、8核CPU、8GB内存、128GB存储的边缘网关。没有GPU但支持NEON指令集可以做轻量推理。第二步是模型选择和优化。人流量统计用的是YOLOv8-nano目标小模型。我们先用COCO数据集预训练再拿客户门店视频做fine-tune。原始模型FP32大约6MB在ARM CPU上跑一帧要200ms。我们用ONNX Runtime做INT8量化一帧降到60ms在店铺场景下基本够用。热区分析用的是跟踪热力图生成。我们用DeepSORT做目标跟踪记录每个顾客在店里的停留位置和时间然后生成热力图。数据本地存储每小时上报一次聚合结果。这个逻辑主要不是AI而是数据处理但数据来自AI模型输出。异常行为检测我们一开始想做得很大比如识别盗窃、打架、摔倒。但受限于算力和模型能力我们最终只落地了一个跌倒检测检测店内老人或儿童是否摔倒。模型用的是基于姿态估计YOLOv8-pose 轻量分类器的两阶段方案。因为涉及隐私我们只在本地触发报警不录像不上传。第三步是内存和稳定性优化。盒子要7x24小时运行不能OOM。我们做了几件事用systemd管理服务模型推理进程崩溃后自动重启。用cgroup限制每个模型进程的内存上限比如YOLOv8进程最多用2GB姿态估计进程最多用1GB。用模型切换策略白天运行人流量和热区分析夜间切换成安全巡检模式避免同时加载多个模型。日志和监控每个盒子上跑了一个轻量agent把CPU、内存、推理延迟、检测数量等数据上报到云端。我们在云端做了一个大屏能看到全国2000个盒子的运行状态。项目上线三个月后客户给了一个数据每个门店每天产生的视频数据原本要上传到云端平均流量成本每月800元现在在边缘做推理只上传统计结果流量成本降到每月不到30元。推理延迟从云端的2-3秒降到本地的100ms以内。ROI非常明显。客户负责人在复盘会上说“这个方案真正的价值不是省了流量而是让我们敢做更多AI应用。以前不敢在门店上AI因为视频传云端太贵太慢。现在 edge 上能跑想象空间大多了。”五、从单点项目到边缘AI平台可复制性是关键项目成功后老板想把它做成可复制的产品。我们开始在多个客户场景推广比如工业质检、智慧园区、车载边缘。每个场景模型不同但底层平台能力可以复用模型管理、容器调度、推理服务化、边缘监控、OTA升级。我做了一个边缘AI推理平台核心能力包括模型仓库与版本管理。每个边缘设备可以按需拉取模型支持灰度升级。我们参考了MLflow的模型管理思路但做了轻量化改造适合边缘场景。容器化推理服务。用Docker或K3s把每个模型推理包成一个服务。K3s在资源受限设备上也能跑管理和调度比裸进程方便。模型切片与按需加载。对于大一点的模型我们支持按模块切片。比如一个多任务模型白天只需要目标检测部分就只加载这部分权重需要时再加载其他部分。这能显著降低内存峰值。联邦学习支持。有些客户数据敏感不能上传原始数据。我们做了联邦学习的原型每个边缘设备本地训练或微调只上传模型梯度云端聚合。隐私保护了模型还能持续迭代。当然联邦学习对通信和计算都有要求目前只在试点客户用但这是未来的重要方向。边缘-云协同调度。不是所有任务都适合边缘。我们把任务分成两类实时性要求高、数据敏感的任务在边缘跑需要大模型、复杂推理的任务回传云端。系统根据网络状态、设备负载、任务优先级自动决策。这个平台让我们的交付效率大幅提升。以前每个客户都要从头搭环境现在只要选择合适的模型和配置一天内部署完。六、边缘计算工程师的资源受限经验是端侧AI的核心能力现在回头看我从边缘计算转向端侧AI部署最大的体会是边缘计算不是被AI时代淘汰了而是AI时代最需要它的能力被重新放大了。云端AI是热闹的中心但真实世界有大量的场景需要在本地做推理工厂、门店、车辆、家庭、农田。这些地方有隐私、成本、延迟、网络不可靠的问题。端侧AI就是解决这些问题的。而边缘计算工程师恰恰是那些最懂资源受限环境、“分布式部署”、本地稳定运行的人。我们过去积累的很多东西在端侧AI里直接能用对ARM/x86等异构硬件的了解。对Linux系统、容器、K3s的熟悉。对网络不稳定、带宽有限、离线运行的容忍设计。对远程运维、OTA升级、监控告警的经验。对内存、CPU、功耗等资源的敏感。这些能力是云端AI工程师不一定具备的。而端侧AI恰恰就需要这些。如果你也是做边缘计算的工程师想往端侧AI方向转我有几个具体建议第一从量化开始。这是端侧AI最基础也最实用的技能。用llama.cpp跑一个量化大模型用ONNX Runtime做一个INT8视觉模型你会立刻理解什么叫在有限资源上跑AI。第二选一款边缘硬件做实验。不一定非要贵的树莓派、Jetson Nano、国产ARM开发板都可以。亲手在上面跑模型你才知道8GB内存和4核CPU是什么滋味。第三重视运行时选择。不同硬件、不同模型、不同延迟要求要选不同的推理框架。不要只会PyTorch要会用ONNX Runtime、TensorRT-LLM、llama.cpp、OpenVINO等。第四保持系统思维。端侧AI不是把模型扔上去就完事要考虑模型管理、升级、监控、稳定性、安全、功耗、成本。这些都是系统工程问题正是你的优势。上个月一个老同事问我“边缘计算还能做多久感觉风头被云AI盖过去了。”我跟他说“云AI负责思考边缘AI负责行动。未来绝大多数AI应用都要在边缘落地。你只是需要从’跑缓存’升级到’跑模型’。”他听完若有所思。我把这话也送给自己。四年前我维护的是边缘节点里的缓存和日志四年后我希望自己维护的是边缘节点里的AI模型。这些盒子还是那些盒子但里面跑的东西决定了这个职业的未来高度。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容​一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容​2026 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”