01
国产推理引擎概述
定义、发展背景、市场驱动力与核心应用场景
概念宏观
02
主要玩家图谱
百度飞桨Paddle Lite、华为MindSpore Lite、阿里MNN、腾讯TNN、旷视MegEngine Lite、OpenVINO（国产化适配）、瑞芯微RKNN、地平线OpenExplorer
生态全景
03
百度飞桨Paddle Lite深度解析
架构设计、模型压缩工具链、端侧部署实战
百度端侧
04
华为MindSpore Lite深度解析
全场景协同、昇腾芯片适配、自动并行与量化
华为昇腾
05
阿里MNN深度解析
轻量化设计、iOS/Android性能优化、工业级应用案例
阿里移动端
06
腾讯TNN深度解析
跨平台统一推理、GPU加速、游戏与社交场景实践
腾讯GPU
07
旷视MegEngine Lite深度解析
训练推理一体、动态图与静态图融合、学术研究支持
旷视训练推理
08
OpenVINO在国产芯片上的适配
Intel生态与国产替代、模型优化与异构计算
Intel异构
09
瑞芯微RKNN
端侧AI芯片的推理引擎、NPU驱动、智能硬件落地
瑞芯微NPU
10
地平线OpenExplorer
自动驾驶与边缘计算、征程芯片协同、工具链成熟度
地平线自动驾驶
11
推理引擎核心技术对比（上）
模型格式与转换、算子库、内存管理
技术对比
12
推理引擎核心技术对比（下）
量化策略（INT8/FP16）、图优化、运行时调度
量化优化
13
性能基准测试方法论
延迟、吞吐量、内存占用、功耗的测量与解读
测试性能
14
模型部署流程
从训练到推理的完整链路、ONNX中间表示、跨引擎迁移
部署ONNX
15
端侧推理挑战
碎片化适配、算力受限、功耗与发热控制
端侧挑战
16
云侧推理挑战
高并发、弹性伸缩、GPU/NPU集群调度
云侧集群
17
国产推理引擎的生态建设
社区活跃度、文档质量、企业支持
生态社区
18
开源与商业化的博弈
各引擎的开源策略、商业版增值服务
开源商业化
19
安全与隐私
模型加密、数据脱敏、TEE环境下的推理
安全隐私
20
推理引擎与硬件协同设计
NPU/DSP/GPU的指令集优化、算子融合
协同硬件
21
行业应用案例（上）
智能手机、智能家居、安防监控
应用行业
22
行业应用案例（下）
自动驾驶、工业质检、医疗影像
应用行业
23
推理引擎选型决策框架
技术维度、业务维度、成本维度
选型决策
24
未来趋势（一）
大模型端侧推理、模型剪枝与蒸馏的新进展
趋势大模型
25
未来趋势（二）
多模态推理、语音与视觉融合引擎
多模态融合
26
未来趋势（三）
推理引擎与RISC-V生态的结合
RISC-V生态
27
国产替代政策影响
信创要求、供应链安全、自主可控
政策信创
28
开发者体验对比
SDK易用性、调试工具、社区支持
开发者体验
29
推理引擎的测试与验证
精度对齐、稳定性测试、压力测试
测试验证
30
总结与展望
国产推理引擎的黄金十年、个人学习路径建议
总结展望