AI开始下沉到端侧：当模型跑进手机，测试体系会被重写吗？

最近一波端侧AI更新，很多人可能只是当作“产品升级”看过去了：

• Google 推出离线语音能力（Eloquent）
• Gemma 在端侧跑到 40 token/s
• LiteRT-LM 这类推理框架开始落地

但如果你是做测试的，这一波其实不是功能更新。

是测试边界在变。

过去你测的是接口。 现在你要开始测设备、测模型、测系统行为。

目录

1. 端侧AI这波到底发生了什么
2. 真正变化的不是模型，而是“运行位置”
3. 推理速度背后，工程上做了哪些事
4. 测试为什么会突然失效
5. 新测试体系应该怎么搭
6. 这波变化会重新定义测试岗位

一、端侧AI这波到底发生了什么

先把现象讲清楚。

这一波不是单一产品升级，而是三个方向同时成立：

• 模型变小，可以在设备上运行
• 推理速度足够支撑实时交互
• 推理框架开始工程化落地

过去的AI调用路径是这样的：

现在开始变成：

路径缩短，但复杂度上升。

二、真正变化的不是模型，而是“运行位置”

很多人关注的是模型性能，但真正的变化在这里：

计算从云，移动到了端。

这个变化会直接影响系统设计。

延迟模型被重写

云模式：

• 网络延迟
• 推理延迟

端侧模式：

• 只剩推理延迟

体验变好，但压力全部转移到设备。

系统边界消失

过去模型是外部服务，可以当黑盒。

现在模型在系统内部，成为运行链路的一部分。

测试对象不再是API，而是整个系统。

控制能力下降

云模型可以：

• 热更新
• 回滚
• 统一监控

端侧模型：

• 分发困难
• 版本碎片化
• 行为不可控

这对测试是直接冲击。

三、推理速度背后，工程上做了哪些事

端侧能跑起来，不是因为“模型变强”，而是工程做对了。

模型被重新设计

不是简单裁剪，而是重构：

• 参数规模控制
• 计算结构优化
• 针对CPU/NPU适配

核心在于：

模型开始围绕“设备约束”设计。

推理框架在做极限优化

LiteRT-LM 这类框架，本质在做三件事：

• 算子融合
• 内存复用
• 异构调度

整体流程可以这样理解：

40 token/s意味着什么

这不是一个简单的性能指标。

它意味着：

• 可以连续对话
• 可以实时生成
• 可以进入主流程

端侧AI开始具备“可用性”。

四、测试为什么会突然失效

很多团队的问题不是不会测，而是测错了对象。

Mock测试开始失效

云时代可以：

• mock接口
• 固定返回结果

端侧模型：

• 行为不可完全预测
• 输出存在波动

mock无法覆盖真实情况。

测试对象发生变化

过去：

• 测接口

现在：

• 测模型 + 框架 + 硬件 + 系统

测试边界扩大了。

性能测试维度改变

过去关注：

• QPS
• RT

现在必须关注：

• CPU / GPU / NPU占用
• 内存
• 发热
• 电量

测试从“服务性能”，变成“设备性能”。

五、新测试体系应该怎么搭

继续沿用原来的方法，基本会失效。

需要补新的工程能力。

设备级测试成为基础

必须做：

• 多设备覆盖（不同芯片/系统）
• 长时间稳定性
• 极端场景（高温/低电量）

引入模型行为测试

不再只验证结果，而是验证行为：

• 输出是否稳定
• 语义是否一致
• 边界输入是否异常

可以这样设计测试链路：

性能测试必须贴近真实使用

不要只跑benchmark，要测：

• 连续对话
• 长时间运行
• 多任务并发

做版本对比测试

端侧模型升级后，必须验证：

• 输出是否漂移
• 性能是否下降

这是很多团队当前缺失的一环。

六、这波变化会重新定义测试岗位

这不是简单的技术升级，而是岗位能力重排。

传统测试

只做接口、UI自动化 在端侧AI场景中价值下降明显

AI测试

具备：

• 模型基础理解
• 行为验证能力

可以参与，但不够深入

系统级测试

需要具备：

• 模型理解
• 性能分析
• 设备调试

本质是跨领域能力

AI不再只是调用一个接口。

它开始变成系统的一部分。

那你现在负责的测试体系， 还能覆盖住这种“运行在设备里的模型”吗？