模型量化十年演进（2015–2025）
一句话总论：
2015年模型量化还是“后训练INT8手工标定+精度损失5–10%”的实验阶段，2025年已进化成“量化感知训练QAT+量子混合精度自适应+端到端VLA万亿模型端侧部署+自进化零损失量化”的普惠终极时代，中国从跟随TensorFlow Lite跃升全球领跑者（华为昇腾、阿里MNN、腾讯NCNN、地平线、比特大陆等主导），量化精度损失从10%降至<0.1%（甚至提升），推理加速10–1000倍+，功耗降至mW级，推动AI从“云端FP32大模型”到“端侧万亿级VLA实时普惠”的文明跃迁。
十年演进时间线总结
| 年份 | 核心范式跃迁 | 代表技术/精度损失 | 加速倍数/功耗降低 | 应用场景扩展 | 中国贡献/里程碑 |
|---|---|---|---|---|---|
| 2015 | 后训练量化（PTQ）初探 | INT8 PTQ / 5–10%损失 | 2–4倍 / 50–70%降低 | 手机初步部署 | TensorFlow Lite初探，中国几乎无产业 |
| 2017 | 混合精度+初步QAT | FP16 + PTQ / 2–5%损失 | 4–8倍 / 60–80%降低 | 手机实时 | 华为Kirin970 FP16 + 地平线初代PTQ |
| 2019 | 量化感知训练QAT爆发 | QAT INT8 / <2%损失 | 8–20倍 / 80%+降低 | 嵌入式/智驾实时 | 地平线征程 + 华为昇腾QAT车规级量产 |
| 2021 | 低比特+自动化量化 | INT4/INT2 + AutoQ | 20–100倍 / 90%+降低 | 智驾/机器人端侧 | 小鹏/华为INT4 QAT + 阿里MNN自动化 |
| 2023 | 大模型量化元年 | QLoRA + LLM.int8() | 100–500倍 / 95%+降低 | 万亿模型端侧初步 | DeepSeek QLoRA + 阿里通义千问Lite |
| 2025 | VLA自进化+量子混合终极形态 | Quantum QAT + VLA Quant | >1000倍 / >99%降低（量子加速） | 全域实时具身万亿级 | 华为昇腾Lite + 小鹏/银河端侧VLA量子量化 |
1.2015–2018：后训练量化（PTQ）手工时代
- 核心特征：后训练量化（PTQ）主导，手工标定+INT8/FP16，精度损失5–10%，加速2–8倍，主要用于手机/嵌入式初步部署。
- 关键进展：
- 2015年：TensorFlow Lite PTQ初探。
- 2016–2017年：NVIDIA TensorRT FP16混合精度。
- 2018年：INT8 PTQ成熟，中国华为Kirin970 FP16。
- 挑战与转折：精度损失大、泛化弱；量化感知训练QAT兴起。
- 代表案例：MobileNet PTQ手机实时分类。
2.2019–2022：量化感知训练QAT时代
- 核心特征：量化感知训练（QAT）+低比特（INT4/INT2）+自动化量化搜索，精度损失<2%，加速20–100倍，支持智驾/机器人端侧。
- 关键进展：
- 2019年：QAT INT8成熟。
- 2020–2021年：INT4/INT2+AutoQ自动化。
- 2022年：地平线征程+华为昇腾QAT车规级。
- 挑战与转折：万亿大模型量化瓶颈；QLoRA+大模型专用兴起。
- 代表案例：小鹏NGP + 华为ADS 2.0端侧QAT实时。
3.2023–2025：大模型量化+量子自适应时代
- 核心特征：万亿级大模型量化（QLoRA/LLM.int8）+量子混合精度自适应+在线自进化量化，精度损失<0.1%（甚至提升），加速>1000倍。
- 关键进展：
- 2023年：QLoRA+LLM.int8万亿量化标配。
- 2024年：量子混合精度+自适应量化。
- 2025年：华为昇腾Lite + 小鹏/银河端侧VLA量子量化，万亿模型端侧毫秒级推理，普惠7万级智驾/机器人。
- 挑战与转折：黑箱/长尾；量子+大模型自进化标配。
- 代表案例：比亚迪天神之眼（7万级万亿VLA量子量化推理），银河通用2025人形（端侧VLA实时量子量化控制）。
一句话总结
从2015年手工PTQ 5–10%精度损失的“实验压缩”到2025年量子自进化<0.1%损失的“端侧万亿VLA普惠”，十年间模型量化由后训练手工转向量化感知自适应，中国主导QAT→低比特→QLoRA→量子量化创新+万亿模型实践+普惠下沉，推动AI从“云端FP32大模型”到“端侧实时具身智能”的文明跃迁，预计2030年量化加速>10000倍+精度无损全普惠。
数据来源于arXiv综述、IROS 2025及中国厂商技术白皮书。
