1️⃣ 训练后量化（Post-Training Quantization, PTQ）——最快见效的路径。无需重新训练即可压缩模型，立刻获得延迟与吞吐量的提升。
2️⃣ 量化感知训练（Quantization-Aware Training, QAT）——针对低精度进行微调。当 PTQ 的精度下降不可接受时，用它来恢复/提升准确率。
3️⃣ 量化感知蒸馏（Quantization-Aware Distillation, QAD）——把量化与蒸馏结合，在尽量保持质量的前提下，实现超低精度推理。
4️⃣ 推测式解码（Speculative Decoding）——通过“折叠”顺序解码步骤来大幅降低解码延迟；无需重新训练。
5️⃣ 剪枝/裁剪 + 蒸馏（Pruning + Distillation）——在保留模型行为的同时，永久性减少模型体积与成本，适用于更专用的应用场景。