深度学习经过多年发展，AI 已经深入人心。在图像、文本、视频、语音等领域，AI 已在各行各业落地应用。我们熟知的自动驾驶、语音助手、智能质检，背后就大量运用了 AI 技术。
在AI产业化进程中，如何快捷落地一直是大家关注的问题。边缘开发环节，分散、轻量、低算力、异构多样是常见的基本情况。AI模型数据本身对算力、网络的要求比较高。如何在精度、性能、成本之间取得平衡是AI开发者在边缘部署过程中面临的巨大挑战。
1 五大灵魂拷问
AI 模型端部署难点在哪里？
- 灵魂拷问一：我的使用场景需要我将模型部署到端上，但是端上开发可能会面向嵌入式设备，操作系统也可能是Android、iOS，有一定的上手成本，怎样才能更轻松地把模型落地到硬件设备上？
- 灵魂拷问二：这些年出了好多加速芯片、加速卡、边缘计算盒，价格便宜还不占地，我想知道它们跑模型能达到什么样的精度和性能，帮助我进行选型。
- 灵魂拷问三：我训练好的模型适配XX芯片，要在各种模型格式之间转来转去，有点头大，好不容易模型格式对齐了，又有算子OP不支持，我该怎么办才能让它跑起来？
- 灵魂拷问四：我想换个芯片，却发现怎么各家芯片的端上推理模型格式都不一样，又得从头适配，模型转起来想想就头大。
- 灵魂拷问五：费了九牛二虎之力，模型在端上跑起来了，可是速度不是太理想，我想让它跑得更快，更省内存。听说量化、剪枝、蒸馏这方面挺有用，但是好像自己研究代码耗时太久。
2 EasyEdge
提供最广泛的硬件平台适配
上述问题是开发者在端上部署模型时经常遇到的难点，为了解决这些问题，百度推出了EasyEdge端与边缘AI服务平台。通过EasyEdge，开发者可以便捷地将AI模型部署到各式各样的AI芯片和硬件平台上。
大家可以从上图中看到，EasyEdge提供最广泛的硬件和平台适配，30 种AI芯片与硬件平台，4大主流操作系统。
- 你想把模型部署到Windows PC上？没问题，安排！
- 发布到手机上？Android还是iOS，随便选！
- 近期新增了浏览器/小程序部署，也将为广大用户在部署方面提供更多选择！
