3. 评估报告总体框架

TinyML评估报告不是简单的测试数据堆砌，而是一份面向决策的工程文档。它需要回答三个核心问题：模型在目标硬件上能否达到预期精度？资源消耗是否在预算之内？部署到实际产品中存在哪些风险？本章围绕报告的五段式结构（摘要、模型指标、资源指标、部署风险、结论），解析各部分的内在逻辑与编写方法论，帮助读者构建一份结构严谨、结论可信、可追溯的评估报告。

上图展示了评估报告的核心逻辑：四个主体章节（模型指标、资源指标、部署风险）各自独立又相互关联，最终汇聚到结论。摘要位于最前端，是结论的浓缩；结论位于最后端，是前三章的综合判断。编写时需遵循"数据先行、分析居中、结论殿后"的原则，确保每个结论都有数据支撑，每个数据都有分析解读。

3.1 报告结构：五段式的设计逻辑与适用场景

核心原理

TinyML评估报告采用五段式结构，并非随意划分，而是基于工程决策的认知流程设计。摘要解决"快速了解"需求，模型指标回答"模型好不好"，资源指标回答"跑不跑得动"，部署风险回答"敢不敢用"，结论回答"最终怎么办"。这种结构符合从整体到局部、从数据到判断的思维习惯，也便于不同角色的读者各取所需——管理层看摘要和结论，工程师看指标细节，项目经理看风险清单。

各部分的定位与边界

编写原则

• 摘要后写法：摘要应在全文完成后提炼，而非先写。先完成主体章节，再浓缩核心结论。
• 数据可追溯：每个指标必须标注测试环境、硬件版本、软件版本、数据集来源，确保可复现。
• 结论有依据：结论中的每个判断必须引用前文具体数据，禁止无数据支撑的主观评价。
• 风险要量化：风险不能只写"存在风险"，要标注概率等级（高/中/低）和影响程度（严重/一般/轻微）。

3.2 各部分逻辑关系：从数据到决策的推理链

核心原理

评估报告的本质是一条推理链：模型指标和资源指标是"事实层"，部署风险是"分析层"，结论是"决策层"。事实层提供客观测量数据，分析层识别潜在问题，决策层综合权衡后给出判断。这三层之间不是简单的顺序关系，而是存在交叉验证——例如，模型精度达标但资源指标超标，可能导致部署风险中的"内存溢出风险"升高，进而影响结论。

交叉验证关系

• 模型指标 ↔ 资源指标：量化后的模型精度变化与内存占用存在权衡。INT8量化可能降低0.5%精度但节省60% Flash，这种关联必须在报告中明确体现。
• 资源指标 ↔ 部署风险：Flash占用接近上限时，OTA升级风险显著增加；RAM余量不足时，系统稳定性风险上升。
• 模型指标 ↔ 部署风险：模型对特定场景（如光照变化、噪声环境）的鲁棒性不足，直接转化为部署后的误判风险。

编写操作流程

1. 先列数据：将模型指标和资源指标的原始测量数据整理成表格，确保数据完整。
2. 再找关联：分析两组数据之间的相互影响，识别潜在的冲突点（如精度与内存的权衡）。
3. 后评风险：基于数据关联，评估可能出现的部署问题，形成风险清单。
4. 最后下结论：综合所有信息，给出明确的决策建议。

3.3 案例拆解：一份智能家居关键词唤醒模型的评估报告

案例背景与约束

某智能音箱产品需要部署一个关键词唤醒模型（唤醒词"小智小智"），目标硬件为Cortex-M4F内核MCU，主频80MHz，Flash可用空间256KB，RAM可用空间64KB。产品要求：唤醒准确率≥95%，误唤醒率≤1次/24小时，响应延迟≤300ms。团队已完成模型训练和量化，现需编写评估报告。

初始数据

分析判断过程

从数据看，INT8模型在Flash、RAM、延迟方面均满足要求，但误唤醒率超标20%。进一步分析发现，误唤醒主要发生在电视背景音场景。团队对量化模型进行了层级分析，发现第3层卷积层对噪声敏感度较高，量化后特征分布偏移导致误判。通过将该层保留为FP16计算（增加8KB Flash），误唤醒率降至0.9次/24h，但仍略高于目标。

实际操作与结果

// 混合精度配置示例（伪代码）
model_config = {
  "global_quantization": "INT8",
  "exception_layers": [
    {"layer_id": 3, "dtype": "FP16", "flash_extra": 8}
  ]
}
// 调整后实测：误唤醒率0.9次/24h，Flash占用150KB，RAM占用33KB

调整后所有指标均达标，但Flash余量从114KB降至106KB，OTA升级空间仍然充足。最终报告结论为"有条件通过"，附加条件为"需在固件升级时保留混合精度配置，并增加针对电视背景音的专项测试用例"。

复盘经验

• 量化模型的精度变化不能只看整体准确率，必须关注细分场景（如噪声环境）的表现。
• 资源指标与模型指标存在强耦合，报告编写时需同步分析，不能孤立看待。
• 风险章节应包含缓解措施，而非仅罗列问题。本例中"混合精度"就是有效的缓解手段。

3.4 常见误区与总结复盘

误区一：摘要与结论重复

摘要和结论虽然都包含结论性内容，但侧重点不同。摘要是"电梯演讲"，用最精炼的语言说明结论和关键数据；结论是"最终判决"，需要给出明确的决策建议和附加条件。避免将摘要写成结论的完整版，也避免结论只是摘要的简单复制。

误区二：指标罗列无分析

只列出测量数据而不做分析，是评估报告最常见的败笔。例如，仅写"Flash占用142KB"，而不说明"占用率55.5%，余量充足，满足OTA升级需求"，读者无法判断该数据是好是坏。每个指标都应附带"数据+解读+判断"三段式分析。

误区三：风险描述模糊

"存在一定的部署风险"这种表述毫无价值。风险描述必须包含：风险现象、触发条件、发生概率、影响程度、缓解措施。例如："在高温环境（>60℃）下，芯片降频可能导致推理延迟从145ms升至180ms，发生概率中，影响程度一般，缓解措施为增加散热设计或降低唤醒阈值。"

误区四：结论模棱两可

结论必须明确：通过、有条件通过或不通过。避免使用"基本满足要求""问题不大"等模糊表述。对于"有条件通过"，必须列出具体条件、验证方法和验证周期。