Edge AI 生产全景：两赛道 + 流水线总图

移动推理赛道见 赛道首页 目标检测赛道见 赛道首页 部署流水线见 端侧部署流水线 跨赛道见 YOLO 到 端侧

调研元信息

一句话定位

把 E 线全部研究串成一张图：两个赛道（移动推理 + 目标检测）如何通过部署流水线连接，犀牛鸟参赛者如何定位自己的贡献点。

全景总图

graph TB
    subgraph OD[目标检测赛道]
        OD1[YOLO-Master<br/>MoE 创新]
        OD2[Ultralytics<br/>工程标杆]
        OD3[mmdetection<br/>算法动物园]
        OD4[YOLOv10<br/>去NMS]
        OD5[RT-DETR<br/>Transformer]
    end
    
    subgraph Pipeline[部署流水线]
        P1[导出: ONNX/PNNX/TorchScript]
        P2[转换: onnx2ncnn/MNNConvert]
        P3[量化: INT8/INT4/混合精度]
    end
    
    subgraph MI[移动推理赛道]
        MI1[ncnn<br/>极简+Vulkan]
        MI2[MNN<br/>全栈+LLM]
        MI3[ORT Mobile<br/>标准API]
        MI4[TNN/PaddleLite/MACE]
    end
    
    OD1 -->|蒸馏后| P1
    OD2 -->|一键export| P1
    OD3 -->|mmdeploy| P1
    OD4 --> P1
    OD5 -->|Attention限制| P1
    
    P1 --> P2
    P2 --> P3
    
    P3 --> MI1
    P3 --> MI2
    P3 --> MI3
    P3 --> MI4

犀牛鸟：ncnn vs YOLO-Master 双选 vs 单选

选择分析

双选路径建议

gantt
    title 犀牛鸟双选时间规划（8周）
    dateFormat  YYYY-MM-DD
    section YOLO-Master
    环境+GFI PR(agent/docs)     :ym1, 2026-07-01, 7d
    MoE诊断工具改进             :ym2, after ym1, 7d
    pruning.py蒸馏验证          :ym3, after ym2, 7d
    section ncnn
    编译环境+文档阅读           :nc1, 2026-07-01, 7d
    Issue复现+FAQ PR           :nc2, after nc1, 7d
    PNNX算子或Python PR        :nc3, after nc2, 14d
    section 跨赛道
    蒸馏模型ncnn部署教程        :ct1, after ym3, 7d

推荐阅读顺序

已有 11 篇精读

E 线新增文档

建议阅读路线

对于犀牛鸟备赛者，建议按以下顺序：

1. 全景：本文（edge-ai-production-landscape）建立整体认知
2. 深入推理：deep-dive-mnn（正在学）然后 mnn-vs-ncnn-bridge 然后 deep-dive-ncnn
3. 深入检测：deep-dive-yolo-master 然后 deep-dive-ultralytics
4. 贡献指南：根据选择读 ncnn-contribution 或 yolo-master-contribution
5. 跨赛道：mobile-deployment-pipeline 然后 cross-track-yolo-to-mobile
6. 按需补充：challenges + landscape + 其他精读

证据等级