在昇思学习营的模型推理和性能优化模块中，我对 AI 模型落地环节有了更清晰的认识。
我了解到模型推理是 AI 产生业务价值的关键步骤，性能优化则直接影响用户体验与成本。在昇思 MindSpore 支持下，我掌握了模型导出、数据预处理等推理基础流程，通过标准化处理和批量操作提升了数据输入效率。
性能优化方面，我学会了算子融合、内存优化和并行推理技术。算子融合减少数据传输开销，内存优化降低资源占用，并行推理通过多线程提升吞吐量。
学习中也遇过挑战：算子融合曾导致精度下降，经调试掌握规则后实现精度与性能平衡；并行推理需反复调整线程数以达最优效果，让我体会到理论结合实践的重要性。
此次学习让我掌握了核心技术，也认识到其在智能客服、自动驾驶等领域的应用价值。未来我会将所学用于实际项目，探索昇思框架更多优化可能，提升 AI 落地效果