边缘 AI 最容易被低估的地方，是它并不是“把模型塞进设备里”这么简单。真正决定项目成败的，通常是模型、内存、I/O、功耗、散热、日志和运维一起构成的系统约束。
这个专题为什么存在
HDRP 需要一个稳定的聚合入口，把散落在资讯、讨论和资源里的内容重新组织起来。边缘 AI 系统落地正适合做这个入口，因为它天然跨越了多个栏目。
这个专题要汇总什么
资讯层
关注评测口径变化、部署工具链演进、推理硬件路线和系统设计新信号。
讨论层
重点讨论板卡选型、量化收益、稳态 benchmark、工作站供电、原型闭环和实验日志规范。
资源层
整理实验室起步工具栈、样本管理方式、观测工具和部署工作流模板。
当前的核心问题
这个专题将优先围绕四个问题扩写：
- 什么时候应该优先看系统稳态，而不是峰值跑分。
- 量化和编译器优化为什么经常无法自动转化为真实收益。
- 小团队如何搭建低成本但高复用的验证闭环。
- 哪些实验基础设施最能降低后续试错成本。
HDRP 判断
边缘 AI 不缺“方向感”，缺的是把方向落成工程动作的结构。这个专题的任务，就是把这些动作按栏目和阶段重新串起来，形成可持续扩写的主轴。