#前言

随着AIGC能力快速发展和迭代, 探索AI在物联网领域的应用也越来越多。AI 增强了设备之间的互联互通能力。通过自然语言处理（NLP）、计算机视觉与和AIGC等技术，设备可以更直观地与用户进行交互，并与其他设备协调工作。为了满足越来越多的客户和开发者在AI 领域的应用需求, 涂鸦 AI 应用开发方案以端到端的协同为核心架构，打通云端、设备端与 App 端的 AI 能力链路，为开发者提供覆盖完整业务链路的 AI 解决方案，帮助其快速落地 AI 硬件与 AI 应用，无需具备深厚的 AI 开发背景。

#核心特点

• 完整的链路：提供了端到端的AI品类解决方案能力介绍, 帮助开发者快速了解并应用AI能力。
• 场景化AI能力：提供了各品类场景化的AI能力, 开发者无需具备AI的开发能力，即可为设备和方案接入AI能力。
• 丰富的模板：提供了在场景化下的面板模板, 可以快速上手并完成应用开发。
• 多类型分发：不仅可以用于设备面板, 也可以用于智能小程序等应用场景。为设备和产品方案接入AI能力。

#端到端AI协同

#云端 AI

提供大模型与小模型双轨能力：大模型面向复杂推理与生成需求，接入主流 LLM 与多模态模型；小模型针对品类场景微调，推理高效、成本可控，适合高频垂直场景。

#设备端 AI

将 AI 推理能力部署至硬件设备本地，实现离线可用、实时响应。适用于网络受限或对隐私敏感的场景，典型能力包括本地唤醒词识别、端侧视觉检测、离线语义理解等，有效降低对云端的依赖与数据传输成本。

#On-App AI

在移动 App 上运行轻量化推理模型（On-App AI），实现本地实时 AI 能力，补充云端与设备端在移动交互层的空白。支持模型在线动态更新、低延迟本地计算、隐私数据不出端，并提供丰富的 AI 场景模板，快速完成应用集成。

On-App AI 能力包含以下核心优势亮点：

• 轻量化与动态化：采用移动端优化的轻量级模型在 App 上运行，支持模型在线下载、更新、部署等按需加载的机制，提高运行效率，达到更灵活的 AI 架构。

• 实时性和高效率：依托本地高效计算，确保流畅无延迟的用户体验，实现用户快速响应与实时处理，达到更优的用户体验。

• 低成本和隐私保护：本地化低成本处理、减少不必要的 Token 消耗。应用内数据生产，保护用户隐私安全，达到更安全的算力成本。

• 丰富的模板：提供丰富的 AI 场景化模板，让开发者能够快速上手并完成应用开发，达到软硬一体化的 AI 竞争力方案。