本次查询：Quantization
中文解释：量化
常见场景：移动端部署 / 边缘计算 / 实时推理 / 资源受限环境 / 降低服务成本
一句话解释
量化就像把一本精装书换成简装版：通过降低神经网络中数字的精度（比如从32位浮点数变成8位整数），让AI模型变得更小、更快、更省电，同时尽量保持原来的“知识”和准确度。
为什么会被关注
随着百亿、千亿参数大模型成为常态，模型大小和计算需求呈爆炸式增长。量化技术能让这些“庞然大物”在手机、嵌入式设备等资源受限的环境中运行，大幅降低部署成本。特别是在边缘计算和实时应用场景中，量化已成为AI落地的关键技术。
核心逻辑
量化的核心是将连续的浮点数值映射到离散的整数区间。通常分为三个步骤：首先确定数值范围（校准），然后将浮点数线性或非线性地映射到整数（量化），最后在推理时使用整数运算（反量化可选项）。关键在于找到精度损失与效率提升的最佳平衡点，常用方法包括后训练量化和量化感知训练。
常见场景
手机APP中的图像识别、语音助手需要量化来保证响应速度；自动驾驶的边缘设备依赖量化实现低延迟决策；云计算中通过量化降低GPU内存占用以服务更多用户；物联网设备凭借量化在有限算力下运行AI模型。这些场景共同特点是：对延迟敏感、功耗受限或需要降低成本。
容易混淆的点
量化不同于剪枝（移除不重要连接）或知识蒸馏（用小模型模仿大模型）。量化专注于数据表示形式的转换，而非网络结构改变。另外，量化感知训练是在训练阶段模拟量化效果进行优化，比训练后直接量化通常效果更好。还要注意：极端量化（如二值化）可能显著损害模型能力，需要谨慎评估。