深度学习技术已经在互联网的诸多方向产生影响。该技术近几年在嵌入式领域也得到飞速发展，各种互联网产品都争相在端侧应用深度学习技术，产品对深度学习的引入也将进一步影响用户体验。随着移动设备被广泛使用，在移动互联网产品应用深度学习和神经网络技术已经成为必然趋势。

在移动端应用深度学习技术时往往存在各种各样的问题，由于移动端设备的性能以及包体积、耗电、内存都有很大的局限，这就为深入全面落地相关技术框架带来了很大难度。本次演讲主要从硬件面对的困难讲起，再到落地应用层面的问题解决，以简单搜索App为案例全面讲解从汇编到顶层架构实现。

演讲提纲：
1. 移动端 AI 现状
2. Paddle-Mobile 介绍
3. Paddle-Mobile CPU 性能优化
4. CPU 优化落地简单搜索 APP 场景案例
5. Paddle-Mobile GPU 性能优化
6. GPU 优化落地简单搜索 APP 场景案例
7. FPGA、NPU等协处理器方案
8. Paddle-Mobile 硬件支持架构描述
9. 简单搜索创新体验介绍

听众收益：

1. 从中可以了解到当下移动端AI框架的格局和发展情况
2. Paddle-Mobile做为百度移动端唯一深度学习框架的ARM CPU和Mali\Andreno GPU的性能优化
3. 对体系结构和硬件知识也可以有一定的深入了解