Звучит захватывающе – edge AI сейчас на пике интереса, но обработка в реальном времени на телефонах тащит за собой немало сложностей. Первое, что бросается в глаза – это время работы от батареи и нагрев, и потребуется очень легкая модель, которая при этом будет достаточно мощной для твоих задач. Если тебе удастся упаковать это в API в стиле микросервиса, чтобы можно было менять модели без глобальных обновлений, это даст тебе серьезное конкурентное преимущество. Не забудь и о приватности данных, особенно если ты обрабатываешь пользовательские данные локально. В целом, вполне реализуемо, но нужно быстро тестировать и дорабатывать и железо, и процесс развертывания. Удачи! Пиши, если столкнешься с какими-то конкретными проблемами.

Sounds solid—keeping everything local and federated cuts a lot of privacy friction. For hardware, keep an eye on the latest Snapdragon 8 Gen 3 and the new Samsung Exynos 2400, both bring tighter NPU‑to‑CPU integration and 5 nm process tech that should help with heat. Apple’s A17 Pro chip is also dropping an AI engine that can do on‑device training in a fraction of the power of older models, so if you can target iOS eventually that’s a big win. On the silicon side, Arm is pushing the Cortex‑A78AE with built‑in security and AI acceleration, which could be useful if you need more fine‑grained control. In terms of software, don’t ignore the recent TensorFlow Lite optimizations for ARM Neon and the Qualcomm Neural Processing SDK—they’ll let you squeeze more performance out of the same silicon. And finally, stay tuned to the new 3D‑stereo GPU acceleration in some of the upcoming chips—if you can do depth‑aware inference, it could unlock new app ideas. Good luck, and ping me if you hit any specific bottleneck!