第一，根据应用场景需要合理调整模型参数，即：通过剪枝、蒸馏、量化等模型优化技术对模型做减 法，减少模型参数量，从而降低成本。为什么要对模型做减法呢？这是因为模型的参数量越大，解决复 杂问题的能力就越强，然而成本也越高。正如不是所有问题都需要DeepSeek满血版来回答一样，并不 是所有应用场景都需要解决复杂问题，因此，如同"杀鸡不需用牛刀"，大部分简单的应用场景是需要对 模型做减法的。然而，模型参数的减少必然会带来模型性能的下降，这就需要研发人员充分理解应用场 景和需求，好好权衡成本与性能，选择最优的平衡点，简而言之——不用复杂的模型解决简单的问题， 需要找到不多不少刚好能解决业务场景问题的模型参数量，按照这个参数量来调整模型，从而达到最优 的性价比。 谷歌开发的MobileNet系列模型就是专为移动设备设计的轻量化模型。该系列模型正是通过模型优化技 术，减少计算量，在智能手表、智能眼镜等计算资源有限的移动设备上实现了高效的图像分类任务。我 们可以认为——通过优化技术减少参数量的模型是专注于解决一类应用问题的轻量化模型，虽然牺牲了 一部分性能，但对于某类问题依旧能够胜任解决，而解决的这类问题正是产品的核心卖点 ...