AIMO（AI Model Optimizer）是 APLUX 的 AI 模型转换与部署优化平台。开发者可以在 Web 界面上传模型、选择目标芯片与运行时、配置优化参数并下载结果，也可以通过 Python SDK 将这些步骤集成到自动化工作流中。
| 方式 | 说明 |
|---|---|
| SaaS | 使用 AIMO 在线服务。 |
| 私有部署 | 支持 Docker 部署方案，通过 APLUX 商务获取。 |
| Python SDK | 要求 Python 3.9 或以上，并使用开发者账号的个人 API Key。 |
Web 使用流程为上传源模型、选择目标芯片与 Runtime、配置量化及校准数据、提交任务、检查结果并下载。优化任务的耗时与模型及参数设置有关，应查看实际任务状态。
需要自动化集成时，可在符合要求的 Python 环境中安装客户端：
pip install aplux_aimo -i https://mirrors.aidlux.com/simple/
随后按 Python SDK 文档从账号页面获取 API Key，初始化 AimoApi 并登录，再创建模型任务、配置目标平台和优化选项。密钥应从本地环境变量或受保护配置读取，不应写进共享示例或提交到仓库。
量化后的模型应使用实际业务数据重新评估。转换成功不等于业务精度已达标，也不能将平台日志中的转换耗时视为设备推理性能。
使用 AIMO 额外算子库生成、包含 UDO 算子的模型时，需要配合 AidLite SDK 推理。转换失败时应先检查执行日志和 FAQ，核对源模型、算子支持以及目标运行时。