混合推理是近年移动 AI 架构的主流实践：设备端运行轻量模型负责高频、低延迟、强隐私的任务，当请求复杂度或模型能力超出端侧上限时，再由应用将脱敏后的输入发送到云端大模型处理，最后把结果回传并可在本地缓存。