035.移动端部署探索：将YOLO模型部署到Android/iOS的可行性分析

上周在客户现场调试，遇到一个典型场景：客户拿着台旧款Android手机，要求实时跑我们训练的YOLOv5检测模型，帧率不能低于15fps。现场导出模型、转换格式、集成进Demo，一跑起来——内存直接飙到800MB，帧率不到5帧。客户眉头一皱：“你们这模型不是轻量化的吗？” 那一刻我就知道，移动端部署这潭水，比想象中深得多。

一、移动端部署的本质矛盾

移动端部署的核心矛盾在于：模型的计算复杂度与移动设备的有限资源之间的对抗。YOLO系列虽然相对轻量，但即便是YOLOv5s，参数量也有7.2M，算力需求约2.7G FLOPs（以640x640输入计）。这放在服务器上不算什么，但在手机上就是另一回事了。

内存占用是第一个拦路虎。很多工程师只关注模型文件大小，却忽略了运行时内存。模型加载后，中间激活值、特征图缓存、预处理后的图像张量，这些才是吃内存的大户。我见过有人直接把原始YOLO模型用ONNX Runtime跑在iOS上，512MB的图片输入，中间层一展开，内存直接爆掉——这里踩过坑，移动端推理必须严格控制中间张量的生命周期。

二、平台差异：Android与iOS的生态隔阂

Android和iOS的推理生态几乎是两个世界。

Android这边，选项多但碎片化严重。你可以用TFLite（Google亲儿子），也可以用NCNN（腾讯开源），或者MNN（阿里出品）。TFLite对TensorFlow系模型友好，但自定义算子支持有时候让人头疼。NCNN的ARM汇编优化做得狠，实测在麒麟芯片上比TFLite快20%，但文档你得硬啃。