推荐语
AI在移动端落地时，如何平衡性能与体验？一线开发者揭秘用户最在意的五个关键指标。核心内容： 1. AI功能开发中常见的跨团队冲突场景 2. 用户真实需求分析：爽点、痛点与痒点理论 3. 移动端设备碎片化带来的性能挑战与解决方案
杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家
引言：AI 正深刻影响客户端产品的体验与逻辑。本文来自一线客户端开发者的真实思考，从离用户最近的视角出发，聊聊 AI 究竟是让产品变得更加好用，还是在落地过程中带来了新的问题。
一个真实的冲突场景
这种场景你们熟不熟悉：
AI同学："我们的新模型精度提升了10个点，识别更准了！"
3D同学："等等，你这模型多大啊？"
AI同学："也就60MB，还行吧。"
3D同学："那推理时间呢？
AI同学："大概增加了30-40ms……"
客户端同学心里咯噔一下："完了，这玩意儿肯定得出事。"
产品经理："太好了！竞品最近上了很多AI功能，我们也得跟上！"
具体数字每次不太一样，但这个对话的"味儿"，基本就是这样。
功能上线or demo演示第二天，用户反馈：
手机烫得要命
电池一小时掉30%
卡顿严重，没法用
领导问："怎么回事？不是说AI很智能吗？"我们说："AI是很智能，但用户的手机不够智能。"
所以今天我想和大家聊聊，怎么避免这种"好心办坏事"。
这就是梁宁说的"系统思维"缺失，每个人都是对的：
AI团队追求精度，这没错
3D团队追求画面，这也没错
产品追求竞争力，更没错
但系统错了。
梁宁说，"很多时候，你觉得是做加法，但对用户来说是做减法。"AI功能加上去了，但用户体验减下来了。
用户真正要的是什么？——梁宁的"爽点、痛点、痒点"
梁宁的理论我是这么理解的
爽点：即时满足痛点：恐惧、焦虑痒点：满足虚拟自我放到移动端AR里：用户的爽点：
手势一挥，虚拟物体就出现（延迟<50ms）
AR识别又快又准
效果炫酷，朋友圈能装逼
用户的痛点：
手机发烫（恐惧：会不会炸？）
电池狂掉（焦虑：等会儿没电了）
卡顿延迟（愤怒：什么破玩意儿！）
应用被杀后台（崩溃：我刚才做的全没了）
用户的痒点：
AI在这里的定位是什么？
很多人以为AI是爽点。但实际上，AI做不好，就是最大的痛点。为什么？因为用户不关心你用了多牛逼的模型，他只关心：
快不快？（延迟）
准不准？（准确率）
烫不烫？（功耗）
掉不掉电？（续航）
卡不卡？（帧率）
AI如果让这5个变差，用户不会夸你智能，只会骂你智障。
设备碎片化有多恐怖？
最大的感受就是：不要用你自己的iPhone15Pro来代表用户
真实情况是：
约10-15%用户：iPhone 15/16/17 Pro，小米15Pro，华为meta 70/80pro（土豪）
约50-60%用户：iPhone 12/13/14，中端安卓（大多数）
约30%用户：iPhoneX，老安卓（学生党、爸妈辈）
同一个AI模型：
旗舰机：推理20ms，丝滑
中端机：推理60ms，凑合
老设备：推理150ms，根本跑不动
性能差距：接近10倍！
场景碎片化
移动端的独特挑战：
1、多任务干扰
2、环境不可控
室内外光线差异极大（影响AR识别）
移动网络不稳定（影响云端AI）
用户使用时长不确定（5分钟 vs 30分钟）
3、发热和电量焦虑
AR全开运行，手机30分钟必然发热
发热后CPU/GPU降频20-40%
用户对"耗电"和"发烫"的应用极度敏感
从我的观察和行业数据来看，使用特点：
移动端AR不像VR，用户很少长时间沉浸
大部分使用场景是"短平快"（几分钟到十几分钟）
经常被打断（来电、通知、切换应用）
用户容忍度：
启动慢：如果3秒内没响应，大量用户会放弃
卡顿：即使偶尔卡一下，用户也会很敏感
发热/耗电：这是移动端用户最敏感的两个点
根据应用商店评论和用户反馈，负面评价主要集中在：卡顿、发热、耗电。
梁宁说的"确定性"在哪里？
梁宁强调，好产品要给用户确定性。什么叫确定性？就是用户知道会发生什么，并且确实发生了。
反例：只为高端设备优化
高端用户：哇，好流畅！（20%的人爽）
普通用户：卡成PPT……（80%的人骂）
用户体验：不确定、分裂、崩溃
正例：分层体验
高端用户：用高级功能
中端用户：用标准功能
低端用户：用基础功能
所有人都能用，只是精细度不同
用户体验：确定、可预期、没有绝对的失望
1. AI的三个常见误区
误区1："模型越大越好"这是技术人的执念。AI同学会说："我们的模型精度提升了5个点！"但用户不会说："哇，精度从89%提升到94%，我好感动！"用户只会说："为什么我的手机这么烫？"梁宁视角：你在追求技术指标，用户在追求情绪稳定。
误区2："端侧AI就是先进"很多团队为了宣传，强调"本地AI、保护隐私"。但真相是：
端侧AI：功耗高、发热大、速度看设备
云端AI：功耗低、速度稳定、但需要网络
没有绝对的优劣，只有场景适配。实时交互（如手势识别）：必须端侧非实时分析（如场景理解）：可以云端，梁宁视角：不要为了"先进"而先进，要为了"用户体验"而先进。
误区3："AI失败了就提示用户"最常见的做法：
AI识别失败
→ 弹窗："识别失败，请重试"
→ 用户：？？？
这是最烂的体验，更好的做法：
AI识别失败
→ 自动降级到传统方案
→ 用户无感知
→ 核心功能继续可用
梁宁视角：别让用户承担你的技术缺陷。技术的不确定性，不应该转嫁给用户。
2. AI在移动端的正确打开方式
梁宁说，"产品要克制"。我对AI的理解也是：克制。
原则1：轻量化优先
案例：手势识别模型优化
原始模型：60MB，精度94%
→ 量化后：15MB，精度92%（损失2%）
→ 剪枝后：8MB，精度89%（损失5%）
→ 蒸馏后：3MB，精度85%（损失9%）
决策：
3MB版本给所有设备（100%可用）
8MB版本给中高端设备（70%可用）
15MB版本给旗舰设备（20%可用）
牺牲9%精度，换来100%覆盖率。梁宁视角：让80%的人满意，比让20%的人惊艳更重要。
原则2：优雅降级
永远不要让用户看到"功能不可用"。
分层设计：
L1（保底）：所有设备都能跑
L2（标准）：中高端设备体验更好
L3（高级）：旗舰设备极致体验
动态监控：
运行中监控：
帧率<50fps → 降一级
温度>45度 → 降一级
电量<15% → 降到L1
用户感受：
不会突然"卡死"
不会看到"加载失败"
体验平滑降级，几乎无感知
梁宁视角：确定性= 用户知道最坏会怎样，并且最坏也还能接受。
原则3：端云协同
不是所有AI都要端侧跑。
实时场景（端侧）：
非实时场景（云端）：
网络不好时：
云端功能降级
端侧保底继续跑
用户核心体验不受影响
梁宁视角：系统要有冗余，有备份，不能把所有鸡蛋放一个篮子。
3. AI不是炫技，是解决问题
梁宁说，"用户要的不是你的产品，是他问题的解决方案。"用户的问题是：
想用手势操作虚拟物体（问题）
不是：想体验最先进的AI模型（手段）
所以：
如果ARKit原生手势能解决80%场景→ 用它
如果简单的传统算法能解决→ 用它
只有必须用AI才能解决的，才上AI
AI是工具，不是目的。
假设场景：我们要做一个AR应用的手势交互。
第一反应：用ARKit手部追踪，系统级能力。
但需要考虑这些问题
设备兼容性：
ARKit手部追踪需要A12+（这是官方要求）
老设备怎么办？放弃，还是提供替代方案？
性能开销：
手部追踪会增加系统负载（这是必然的）
如果AR场景本身就很重，还跑得动吗？
用户会不会觉得卡？
功能适配：
系统能力很好，但有边界。
我们需要：
重新设计：分层适配
梁宁说，"要理解不同用户的不同需求。"我们设计了三层：
L1：传统交互（100%用户）
L2：ARKit手势（60-70%用户）
iPhoneXS+自动启用
点击、抓取、滑动
这是主流体验
L3：自定义AI（10-20%用户）
iPhone14 Pro+
复杂手势、品牌定制
这是高端差异化
动态降级：核心逻辑
用户使用过程中，设备状态会变化：
刚开始：电量足，设备凉→跑L2/L3
20分钟后：发热，电量降→ 自动降级
每秒检测：
帧率<50fps → 降一级
温度>45度 → 降一级
电量<15% → 强制L1
用户感受：
不会突然功能消失
平滑切换
给个温馨提示："手势已暂停（性能保护）"
结果
这种分层设计的结果：
✅ 100%用户可用（这是底线）
✅ 大部分用户能体验到手势交互（60-70%）
✅ 卡顿投诉显著下降
✅ 帧率更稳定，体验更流畅
梁宁视角：这叫"分层满足"
高端用户有高端体验，普通用户有稳定体验，所有人都没有被抛弃。
洞察1：AI是提效工具，不是门槛
正例（基于行业观察），一些做得好的AR应用会这样设计：
高端设备：精细建模+实时光影
中端设备：简化建模+基础光影
低端设备：2D贴图+手动调整（无AI也能用）
这种分层设计的效果：
所有用户都能用
应用评分和口碑明显提升
负面评价大幅下降
梁宁视角：AI应该降低门槛，而不是提高门槛。
洞察2：免费≠无成本
ARKit虽然"免费"（不用下载模型），但：
系统能力也有成本，不要以为调个API就完事了。
洞察3：80%能用 > 20%完美
梁宁说，"不要让完美成为好的敌人。"移动端开发最大的教训：
别追求在旗舰机上的极致体验
要追求在大部分设备上的可用体验
精度从94%降到85%，换来设备覆盖率从20%提升到100%，值不值？值。因为用户要的不是你的精度数字，是"能不能用"。
洞察4：保底方案决定产品下限
梁宁说，"产品要有底线思维。"AI会失败，这是确定的。所以：
每个AI功能都要有PlanB
每个智能交互都要有传统备选
每个高级体验都要有基础保底
60%用户好体验+ 40%用户能用，远比80%用户都不够好更明智。
站在AI视角
理解：客户端不是服务器。提供：
轻量版模型（<10MB，所有设备能跑）
标准版模型（15-20MB，主流体验）
完整版模型（可以放云端）
最重要的是轻量版！因为它决定了产品的下限。
站在3D引擎视角
理解：GPU是共享资源。提供：
3档渲染方案（高/中/低）
GPU占用率监控API
动态降精度能力
我们一起守护用户的帧率。
站在产品视角
理解：不是所有功能都要加。思考：
这个功能解决什么用户痛点？
在中低端设备上体验如何？
如果功能失败，用户怎么办？
我们愿意为了这个功能牺牲什么？
梁宁说："产品要克制。"
感悟1：技术是为人服务的
刚入行时，我追求技术极致。现在我明白，技术的价值在于让更多人受益。80%的人能用，比20%的人惊艳更重要。
感悟2：不要只做功能，要做体验
十年前，产品说加功能，我就加。现在我会问：
这解决什么问题？
中低端设备怎么办？
失败了用户怎么办？
感悟3：客户端是用户的守门员
梁宁说，"产品经理要有同理心。"我想说，客户端开发也要有同理心。我们最懂用户的真实设备和使用场景。所以我们有责任说：
"这个方案在他们的设备上真的能用吗？"
"这会不会让大部分用户体验变差？"
"我们有保底方案吗？"
我们不只是写代码，是为用户体验把关。
回到标题这个问题，答案是：用得好
用得不好：AI让设备卡顿发热、提高使用门槛和用户体验变差。这不是AI的错，是我们用AI的方式。
关键在于：
梁宁说："好的产品，是克制的产品。"我说："好的AI集成，是克制的AI集成。"
最后的话：
这次分享的核心信念：> 技术的价值不在于"我们能做到多先进"，而在于"我们能让多少人受益"。移动端开发的本质：> 在约束中找到最大公约数，让大部分人满意。这需要：
对用户的深刻理解
对技术的务实态度
对团队的有效协调
对长期的负责任
粤ICP备14082021号
免费POC，
零成本试错
