AI端侧模型完整汇总表

模型类型

模型具体名称

模型属性

模型应用

目标检测模型（视觉类）

YOLOv5

CNN架构，INT8/FP16量化，参数量0.5M-20M，推理速度快，适配ARM CPU/NPU，开源可商用；适配版本：YOLOv5s（端侧首选）、YOLOv5n（纳米级）、YOLOv5m（中端平衡）

移动端实时检测、智能摄像头识别、车载障碍物检测、可穿戴设备异物检测、AI智能眼镜基础识物

YOLOv8

优化C2f骨干网络，动态量化，低内存占用，适配手机/嵌入式设备，支持微调；适配版本：YOLOv8n、YOLOv8s、YOLOv8l（端侧常用n/s版）

智能眼镜场景检测、工业缺陷检测、移动端人脸检测、IoT目标计数、AI智能眼镜实时识物

YOLOv11

轻量化骨干+检测头优化，INT8/FP16量化，参数量与YOLOv8n同级，推理速度提升，端侧离线推理，开源可商用；适配版本：YOLOv11n（端侧首选）、YOLOv11s、YOLOv11m

智能眼镜实时识物、移动端高精度检测、工业小目标检测、车载轻量感知、AI智能眼镜核心识物

YOLOv11_obb

支持倾斜/旋转目标检测，轻量化设计，参数量与YOLOv8同级，端侧离线推理；适配版本：YOLOv11n-obb、YOLOv11s-obb（旋转目标适配）

智能交通车牌检测、工业零件倾斜检测、无人机不规则目标识别、AI智能眼镜旋转物体识物

YOLOv26

新一代极致轻量化架构，INT4/INT8双量化支持，参数量较YOLOv11n进一步精简，推理速度提升20%+，低内存，适配ARM Cortex-M/A、低算力NPU，开源可商用；适配版本：YOLOv26n（端侧首选）、YOLOv26s

AI智能眼镜核心识物、超便携设备实时检测、可穿戴设备低功耗感知、嵌入式微型摄像头目标识别

图像分类模型（视觉类）

MobileNetV2

线性瓶颈+反转残差结构，深度可分离卷积，13.9M参数量（1.0版），量化适配，低功耗；适配版本：MobileNetV2-1.0（基础）、0.75（裁剪）、0.5（极致轻量化）

手机相册分类、智能手表场景识别、工业产品分类、可穿戴设备图像预处理、AI智能眼镜基础品类识物、入门级眼镜核心识物

MobileOne

结构极简，无残差/无注意力机制，推理速度快，2.1M-14.8M参数量，INT4量化适配；适配版本：MobileOne-S0（最小）、S1、S2（端侧常用S0/S1）

嵌入式设备快速分类、智能摄像头场景切换、可穿戴设备实时识别、AI智能眼镜精细品类识物、低功耗眼镜识物

MobileVit

融合CNN高效性与Transformer全局建模能力，轻量化设计，2.3M-15M参数量，图像分类准确率高于传统轻量CNN；适配版本：MobileVit-XS（端侧首选）、S、M

手机高清图像分类、智能眼镜精细识别、车载环境分类、AI智能眼镜物体品类精细化识物、复杂场景分类

姿态估计模型（视觉类）

YOLOv8-pose

基于YOLOv8架构扩展，支持人体17/21关键点检测，轻量化优化，推理速度快，支持实时姿态捕捉，适配端侧设备；适配版本：YOLOv8n-pose、YOLOv8s-pose、YOLOv8m-pose（端侧常用n/s版）

智能健身设备动作纠正、可穿戴设备人体姿态监测、工业工人操作规范检测、车载驾驶员疲劳姿态识别、AI智能眼镜人体姿态捕捉

语义分割模型（视觉类）

YOLOv8-seg

结合目标检测与语义分割，轻量化设计，支持像素级分割，参数量低，推理延迟小，适配移动端/嵌入式；适配版本：YOLOv8n-seg、YOLOv8s-seg（端侧主流）

车载路面分割（区分路面、行人、车辆）、工业缺陷区域分割、智能摄像头场景分割（前景/背景分离）、AI智能眼镜场景语义理解

OCR识别模型（视觉类）

LPR

专注车牌识别，轻量化优化，支持倾斜车牌、模糊车牌识别，推理速度快（单帧识别≤50ms），适配嵌入式/车载设备；适配版本：LPR-Lite（端侧轻量）、LPR-Plus（高精度）

车载ETC辅助、停车场车牌识别、道路监控车牌抓拍识别、AI智能眼镜车牌快速识别

PP-OCR

百度开源，支持中英文、多语言文本识别，轻量化设计，支持INT8量化，参数量小，支持离线识别；适配版本：PP-OCRv3-Lite（端侧首选）、PP-OCRv4-Lite（最新轻量）

手机拍照翻译、智能眼镜文本朗读、工业设备表盘识别、快递面单信息离线提取、AI智能眼镜文本识别与播报

视觉语言模型（视觉类）

CLIP

图文多模态融合，零样本分类能力强，轻量化优化，参数量精简至原版本1/10，支持端侧离线图文匹配；适配版本：CLIP-Lite、CLIP-ViT-B/32-Lite（裁剪版）

智能眼镜图像检索（拍图查物）、移动端离线图文内容分析、商品识别导购、AI智能眼镜零样本识物、生僻物品识别

YOLO-World

结合目标检测与视觉语言理解，支持开放词汇检测（自定义目标类别），轻量化优化，适配端侧设备，支持实时推理；适配版本：YOLO-World-v2-Lite、v3-Lite（端侧适配）

智能眼镜自定义目标识别、移动端开放域物体检测、车载自定义路标识别、工业自定义缺陷检测、AI智能眼镜语音指令识物

MobileSAM

SAM（Segment Anything Model）的端侧适配版，参数量从1.1B精简至6.8M，支持实时图像分割、任意目标分割，适配移动端/嵌入式；适配版本：MobileSAM-Base（基础）、MobileSAM-Tiny（极致轻量化）

智能眼镜任意物体分割（圈选识别）、移动端图像编辑（精准抠图）、工业任意缺陷分割、AI智能眼镜物体轮廓提取与识物

语音模型

Conformer

融合Transformer与CNN优势，轻量化优化，支持INT8量化，低延迟、高准确率，适配移动端/嵌入式，支持离线语音识别；适配版本：Conformer-Tiny（端侧首选）、Small、Base（常用Tiny/Small）

智能手表语音输入、车载离线语音控制、可穿戴设备语音命令识别、嵌入式设备语音交互、AI智能眼镜语音指令识别

VAD

轻量级，低功耗运行，支持实时检测语音/非语音，适配移动端、可穿戴设备，可搭配语音识别模型使用，减少无效计算；适配版本：VAD-Lite（低功耗）、VAD-Pro（高精度）

智能耳机语音唤醒辅助、可穿戴设备语音录制降噪、车载语音交互触发（避免误唤醒）、AI智能眼镜语音唤醒辅助

VITS

基于变分自编码器与Transformer，合成语音自然度高，轻量化优化，参数量精简，支持端侧离线合成，低延迟；适配版本：VITS-Tiny（端侧轻量）、VITS-Lite（平衡）

智能眼镜语音播报（识物结果、文本内容）、移动端离线语音助手、可穿戴设备语音反馈、嵌入式设备语音提示

Sepformer

基于Transformer架构，轻量化优化，支持单通道/多通道语音分离，可分离人声与背景噪音，适配端侧低算力设备；适配版本：Sepformer-Tiny（端侧首选）、Sepformer-Small

智能耳机降噪（分离人声与环境噪音）、车载语音交互降噪、可穿戴设备语音录制去干扰、嵌入式设备清晰语音采集

ResNet（语音类）

基于ResNet架构，专注说话人特征提取，轻量化优化，支持INT8量化，低算力消耗，适配移动端/嵌入式；适配版本：ResNet-18-Speaker（端侧轻量）、ResNet-34-Speaker（高精度）

智能设备说话人验证（手机语音解锁）、车载个性化语音交互、可穿戴设备身份验证、AI智能眼镜说话人身份识别

语言模型

Punc（标点恢复）

轻量级，KB级-MB级参数量，推理速度快，支持中英文标点恢复，适配端侧离线场景，可搭配语音识别模型使用；适配版本：Punc-Lite（端侧轻量）、Punc-Base（高精度）

语音转文字后标点补充（可穿戴设备语音笔记、车载语音记录）、移动端离线文本编辑、嵌入式设备语音转写优化

TransformerLM

基于Transformer解码器架构，轻量化优化，参数量精简，支持端侧离线推理，擅长文本生成、上下文预测；适配版本：TransformerLM-Tiny（端侧首选）、TransformerLM-Small

移动端输入法联想、可穿戴设备短文本生成（语音助手回复）、嵌入式设备文本补全、离线短文本摘要