用途：把训练好的神经网络模型交付到手机和浏览器端，覆盖从评测、导出、量化、转换、真机测速到按需下载分发的完整链路。
主要能力与流程：
- 先建评测：准备真值、单一标量指标（如 F-measure、accuracy）和可对任意模型变体运行的脚本，保留 5–10 个留出样本作冒烟集；后续是否量化、用 fp16 还是蒸馏都由该脚本结果决定。
- 导出 ONNX：用 torch.onnx.export 按固定形状导出，每个 batch size 单独导出一次，并与原模型比对最大绝对差和评测分数；onnxruntime CPU 作为可移植基线，可跑 web（onnxruntime-web WASM）、Android（ORT mobile）和桌面。
- int8 量化：用 onnxruntime.quantization 或 ct.optimize.coreml.linear_quantize_weights 做仅权重量化，资料称通常几乎无损（20M 参数 transformer 上 F 0.872→0.871、Core ML 0.864→0.863，体积约小 4 倍），但仍需重跑评测。
- Apple 端：用 coremltools 转原生 Core ML，不要用 ORT 的 Core ML execution provider。转换 transformer 类模型常因 Python int 形状运算失败，可行修法包括：用显式 permute/reshape 替换 einops 层、把形状烘焙为常量（预热 eager 时在模块属性上捕获 tuple(int(s) for s in x.shape)）、从权重推导维度（如 linear.out_features）；每次替换后都要断言最大绝对差约为 0。定位失败算子应做图普查（dump ts.inlined_graph，按 scope 和 kind 过滤 aten::Int、aten::size、prim::NumToTensor），而非只读代码。
- 真机基准：用模型原生窗口尺寸和确定性非零输入，在目标设备上比较 cpuOnly、GPU、ANE 等计算单元；资料举例某旋转注意力 transformer 在 iPhone CPU 上比 ANE 快 2 倍，ANE 首次加载有 43 秒一次性编译开销。开发机数据不可迁移。
- 分发：以按需下载而非打包进应用，采用 FaceModelStore 式存储：下载 → MLModel.compileModel → 存入 Application Support（排除备份）→ 加载验证后才算安装完成。.mlpackage 是目录，需按文件托管在同一 base URL 下（Manifest.json、Data/com.apple.CoreML/model.mlmodel、Data/com.apple.CoreML/weights/weight.bin）并用测试固定该列表。可留调试 HTTP 端点，在真机上用一次 curl 测 N 次预测耗时。
注意事项：ONNX 追踪会固化 batch size 且静默出错（batch 1 追踪的模型接受 (4,N,D) 会返回形状像答案的错误结果）；coremltools 与 torch 版本需严格配对（如 torch 2.7.x + coremltools 9.0），torchaudio 需与 torch 次版本一致；Info.plist 中未替换的 $(MODEL_URL) 能通过 URL 解析但运行时会失败，应拒绝含 $( 的值；设备端批处理收益有限（实测 0.91–1.01x），基准测试应轮内交错变体；fp16 可能在 int8 成功处失败，不必强求。不要用 ORT Core ML EP（实测比 ORT CPU 慢 11 倍且有内存泄漏，重复运行涨到 41 GB），也不要一上来就做蒸馏。
限制：资料未提供具体安装命令、许可、收费与支持平台版本等细节。