C Lab在全球三大机器学习学会之一“ICML 2026”的官方研讨会上发表了视觉人工智能（AI）轻量化研究论文。
16日，C Lab表示，此次研究聚焦解决作为AI产业最大议题与壁垒的“基础设施建设及运营成本”问题。现有的大型AI模型存在局限，仅能在配备昂贵图形处理器（GPU）的服务器及数据中心环境中顺畅运行。相较之下，在闭路电视监控中心、智能工厂、零售门店等实际应用AI技术的现场，能够让低配置设备也运行高性能AI的“端侧AI”轻量化技术必不可少。
C Lab注意到，若将大语言模型（LLM）等语言AI领域作为标准使用的压缩技术直接应用于视频AI，便会出现性能下降现象。研究团队查明，原因并非压缩技术本身存在错误，而在于“训练标准”，并提出将其转换为知识蒸馏方式的替代方案。
实验结果显示，作为分析对象的5个视频模型均呈现显著的性能恢复趋势。尤其是面向边缘设备的小型模型，压缩后曾降至18.79%的识别准确率大幅升至67.11%，恢复至压缩前性能的92%水平，且运算速度并未下降。
随着此次技术研发完成，企业无需额外引进昂贵的GPU服务器，也能在现有现场设备上实时运行高性能视频分析AI，预计可大幅降低基础设施投资成本。由此，C Lab证明其在基于数字孪生的合成数据生成、Sim2Real训练、量化及轻量化部署等物理视觉AI核心三阶段流程的全流程中，均具备全球水平的技术成熟度。
C Lab首席技术官Song Yujin表示：“此次研究的意义在于，证明了端侧视觉AI的实用性——在不损失速度的情况下，保持接近原始模型的准确度，同时大幅缩小模型体积。未来将支持客户无需追加基础设施投资，即可在现场设备上立即运用高性能视频AI，进一步提升市场竞争力。”
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
