TensorFlow Lite
Google推出的轻量级机器学习框架，专为移动端和嵌入式设备设计，支持模型量化和硬件加速，是跨平台端侧AI部署的主流工具之一
核心事实
时间轴 (近 90 天)
TensorFlow Lite 专注于移动端和嵌入式设备的模型推理，通过量化和算子精简降低包体积与延迟
端侧AI的核心技术路径通常依赖轻量化模型框架，如ONNX Runtime、TensorFlow Lite或Apple的Core ML
LiteRT.js前身为TensorFlow Lite的Web衍生项目，面向移动与边缘场景的轻量化推理
现代深度学习框架（包括TensorFlow Lite）编译预构建二进制包时通常以AVX2甚至AVX-512为基准优化，在不支持这些指令的CPU上执行会触发Illegal instruction异常并终止进程
Firebase ML 弃用后的迁移路径为：端侧 TensorFlow Lite 模型改用 Cloud Storage 存储分发，Cloud Vision 功能改用 Firebase AI Logic 或直接调用 Cloud Vision API
TensorFlow Lite、ONNX Runtime Mobile、microTVM等轻量化边缘框架仍需要数十MB的运行时依赖
TensorFlow在工业部署方面拥有包括TensorFlow Serving、TensorFlow Lite等更完整的生产工具链
边缘AI推理通常依赖TensorFlow Lite、ONNX Runtime、OpenVINO等轻量化推理框架
主流边缘推理框架包括谷歌的TensorFlow Lite、微软主导的ONNX Runtime、以及陈天奇团队开发的MLC-LLM
谷歌为端侧AI提供了Android NNAPI硬件抽象层和Google AI Edge（原TensorFlow Lite的演进）开发者工具链
还有 3 条时间轴事件
全部知识事实 (15)
Google开发了TensorFlow Lite和LiteRT等轻量级推理框架用于移动设备端AI推理
65%待验证Media3 Transformer是一个基于管道架构的媒体转码和编辑框架，AI FX库作为其效果插件，底层依赖MediaPipe或TensorFlow Lite模型进行推理
70%待验证TensorFlow在工业部署方面拥有包括TensorFlow Serving、TensorFlow Lite等更完整的生产工具链
60%待验证TensorFlow Lite 专注于移动端和嵌入式设备的模型推理，通过量化和算子精简降低包体积与延迟
50%待验证端侧AI的核心技术路径通常依赖轻量化模型框架，如ONNX Runtime、TensorFlow Lite或Apple的Core ML
50%待验证LiteRT.js前身为TensorFlow Lite的Web衍生项目，面向移动与边缘场景的轻量化推理
50%待验证现代深度学习框架（包括TensorFlow Lite）编译预构建二进制包时通常以AVX2甚至AVX-512为基准优化，在不支持这些指令的CPU上执行会触发Illegal instruction异常并终止进程
50%待验证Firebase ML 弃用后的迁移路径为：端侧 TensorFlow Lite 模型改用 Cloud Storage 存储分发，Cloud Vision 功能改用 Firebase AI Logic 或直接调用 Cloud Vision API
50%待验证TensorFlow Lite、ONNX Runtime Mobile、microTVM等轻量化边缘框架仍需要数十MB的运行时依赖
50%待验证边缘AI推理通常依赖TensorFlow Lite、ONNX Runtime、OpenVINO等轻量化推理框架
50%待验证主流边缘推理框架包括谷歌的TensorFlow Lite、微软主导的ONNX Runtime、以及陈天奇团队开发的MLC-LLM
50%待验证谷歌为端侧AI提供了Android NNAPI硬件抽象层和Google AI Edge（原TensorFlow Lite的演进）开发者工具链
50%待验证谷歌为端侧AI提供Android NNAPI硬件抽象层和Google AI Edge（原TensorFlow Lite演进）工具集
50%待验证LiteRT-LM 是 Google 面向端侧语言模型推理的运行时，LiteRT 前身为 TensorFlow Lite，Google 于 2024 年将其更名并扩展适用范围
50%待验证Google为Gemma提供了多种量化版本，并通过MediaPipe和TensorFlow Lite等框架支持在Android、iOS、浏览器等环境中运行
50%