企业官网建设流程全解析

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-2-2.7B，Q4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1/4，INT4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QDQ（Quantize-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-LLM：NVIDIA 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。
• OpenVINO：Intel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OOM（Out 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：

1. 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。

2. 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。

3. 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。

4. 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。

5. 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 AI：

1. 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”！