yolo11n vs yolo11s · W8A16 · SM8850

把 S23 那一轮原样搬到 SM8850（Snapdragon 8 Elite Gen 5，Hexagon v81） 上重测： 同一批量化模型（不重新量化；C 臂用打过框解码补丁的版本）、同样三个切点、同样 fp32 / uint16 两种 I/O、每个编译产物 profile 3 次。变的只有设备。

结论

延迟（SM8850 实测）

3 次 profile 的中位（括号里是范围）。

yolo11nyolo11sfp32 I/O

和 S23（SM8550）对比

同一个量化模型，两代 NPU 上的延迟（fp32 I/O，3 次中位）。「加速」= S23 / SM8850。

内存

context binary 是确定值，最可靠；推理峰值内存取区间上沿、3 次的中位（括号里是范围）。

峰值内存在 SM8850 上不区分模型：12 个编译产物的峰值上沿全部落在 9.6–11.3 MB，n 的 backbone 和 s 的全模型几乎一样 —— 这更像是这一代 runtime 的固定预分配，而不是模型本身的工作内存（S23 上同一批模型是 2.7–24 MB，差别明显）。 在 SM8850 上比较内存，看 context binary。

精度损失

量化模型与 S23 那一轮完全相同，所以本地 QDQ 的精度数字不变（各自相对自己的 FP32）；新增的是在 SM8850 真机上对拍，确认新一代 NPU 的算子实现没有带来额外偏差。

SM8850 真机对拍（40 张板球图）

口径

设备：AI Hub「Snapdragon 8 Elite Gen 5 QRD」（chipset sm8850，Hexagon v81）—— 高通参考机，非三星定制的 SM8850-AD。
模型：S23 轮的量化产物原样复用（W8A16，校准 128 张，默认 range_scheme）；A/B 臂直接取 quantize job 的输出，C 臂是 quant_patch_decode_encoding.py 修补后的 QDQ。
编译：--target_runtime precompiled_qnn_onnx（± --quantize_io），为 SM8850 单独编译；每个产物 profile 3 次。
真机对拍：A 臂与 C 臂（fp32 I/O）各 40 张，端上输出 vs 本地 QDQ vs FP32。
脚本：python scripts/quant_y11s_device_sweep.py --device "Snapdragon 8 Elite Gen 5 QRD" --tag sm8850 → quant_y11s_build_viewer.py。