谷歌端侧机器学习套件ML Kit通常与Android Studio、Gradle、CocoaPods这类原生工程工具绑定在一起。当开发者希望像使用Vue或React那样，在HTML里加一行CDN地址就获得文本识别能力时，往往会在官方文档里找不到对应入口。这里需要先厘清一件事：ML Kit并没有提供浏览器端的CDN包，但并不意味着端侧AI能力不能在Web中通过CDN实现。
一、ML Kit的真实定位：原生移动端SDK
Google ML Kit并不是一个通用的JavaScript库。它最初作为Firebase ML Kit的一部分推出，后来独立成单独的SDK，当前支持Android、iOS和Flutter平台。核心设计目标是把谷歌在图像、文本、语音等领域训练好的机器学习模型，封装成一系列轻量级API，让移动开发者无需深入模型训练和推理框架，也能快速在应用中加入智能能力。
常见的API包括文本识别、人脸检测与轮廓点定位、条码扫描、姿态检测、自拍分割、图像标注、语言识别、智能回复以及翻译。每个功能都提供两种使用方式：一种是直接使用谷歌预置的默认模型，调用几行代码即可完成推理；另一种是使用自定义模型，通过模型压缩和转换工具把TensorFlow Lite模型接入到ML Kit的推理管线中。
端侧运行是ML Kit最重要的特征之一。默认模型会被打包进应用安装包，推理过程完全在设备本地完成，不需要上传视频帧或音频流到云端。这意味着应用在没有网络的环境下依然可以工作，延迟更低，同时也能满足隐私敏感场景的要求。例如身份证识别、医疗单据识别、儿童人脸特征处理等场景，端侧推理往往比云端API更合适。
二、为什么没有官方CDN版本？Web端的可行替代方案
在浏览器中，外部库通常通过CDN引入，例如在HTML里写一行<script>标签。但ML Kit并没有提供这样的入口。原因并不复杂：ML Kit的推理栈深度依赖Android和iOS的系统能力。它通过平台的相机管线获取图像数据，使用GPU或NPU进行硬件加速，调用原生内存管理接口，部分能力还依赖Google Play服务更新。浏览器运行时无法提供这些底层接口，因此谷歌没有为ML Kit推出面向Web的官方CDN包。
如果项目确实需要在Web端实现类似的端侧机器学习能力，可以关注三个替代方案。第一个是TensorFlow.js，它能够直接在浏览器中运行TensorFlow模型，支持WebGL和WebGPU加速，官方和社区提供了大量预训练模型。第二个是MediaPipe Tasks Vision，它是谷歌推出的视觉推理框架，提供手势识别、人脸检测、姿态检测等能力，可以通过CDN以脚本方式加载。第三个是ONNX Runtime Web，适合已经拥有ONNX格式模型的团队。这些方案虽然不等同于ML Kit，但在Web场景下能覆盖大多数高频视觉与文本任务。
下面是一个通过CDN加载TensorFlow.js和MobileNet模型进行图像分类的示例，代码可以直接运行在浏览器中。
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/mobilenet"></script>
<img id="img" src="photo.jpg" crossorigin="anonymous">
<script>
const img = document.getElementById('img');
mobilenet.load().then(model => {
return model.classify(img);
}).then(predictions => {
console.log(predictions);
});
</script>
这个例子中，模型文件通过CDN分发，推理发生在浏览器本地。相比原生ML Kit，它的加载体积和推理性能会受网络与设备影响，但优点是不需要安装应用，适合轻量级演示、在线工具和跨平台Web应用。
三、原生ML Kit集成与端侧能力示例
对于Android应用，集成ML Kit的方式是在模块级build.gradle文件中声明依赖，而不是从CDN下载库文件。以文本识别为例，添加以下依赖后同步工程即可使用。
dependencies {
implementation 'com.google.mlkit:text-recognition:16.0.1'
}
接下来在Activity或自定义视图里创建识别器，把相机帧或位图转换成InputImage，再调用处理函数。Kotlin代码示例如下：
val recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
val image = InputImage.fromBitmap(bitmap, 0)
recognizer.process(image)
.addOnSuccessListener { visionText ->
println(visionText.text)
}
.addOnFailureListener { e ->
e.printStackTrace()
}
这段代码会返回识别到的文本块，包含行、元素和角点信息。默认模型支持拉丁语系，如果要做中文识别，可以使用中文字符识别模型。ML Kit的文本识别在端侧运行，单张图片通常在几十毫秒到几百毫秒内完成，具体耗时取决于设备算力和图片分辨率。
除了文本识别，其他能力的使用模式类似：创建客户端、准备输入、注册成功与失败回调。对于实时视频流场景，可以使用相机分析器配合帧处理，把每一帧原样送回识别器，或者先做缩放和旋转以降低计算压力。ML Kit的API设计保持了较高的一致性，这也是它在移动端受欢迎的原因。
四、Web CDN方案与原生方案怎么选？
选择哪种方案，取决于产品形态和性能要求。原生ML Kit适合已经拥有Android或iOS客户端、且对实时性、离线能力、硬件加速有明确要求的项目。Web CDN方案则适合无需安装、快速试错、跨平台展示或内部工具类应用。两者的典型差异可以用下表概括。
| 对比项 | 原生ML Kit | Web CDN方案 |
|---|---|---|
| 平台支持 | Android、iOS、Flutter | 现代浏览器 |
| 离线运行 | 支持，模型打包进应用 | 支持，但首次需下载模型 |
| 硬件加速 | GPU、NPU等底层接口 | WebGL、WebGPU |
| 集成方式 | Gradle、CocoaPods等原生依赖 | script标签或ES模块CDN |
| 典型场景 | 相机实时识别、身份证扫描 | 在线演示、轻量工具 |
还需要留意一个历史概念：Firebase ML Kit曾经提供过面向Web的Beta API，但该功能已经随Firebase ML Kit向独立ML Kit迁移而停止更新。现在如果在老旧文档中看到引入firebase.mlkit的JavaScript指向，应切换到TensorFlow.js或MediaPipe等活跃维护的方案。
如果团队已经深度使用谷歌生态，同时需要覆盖移动端和Web端，也可以维持原生ML Kit做核心体验，用Web CDN方案做跨端补充。技术选型的关键不是寻找一个包打天下的库，而是让推理延迟、模型精度、开发成本和维护成本达到平衡。
总结来说，CDN与ML Kit之间没有直接的官方交集。了解这一点之后，开发者可以更清晰地规划端侧AI的技术路线：移动端优先选ML Kit，Web端通过CDN加载TensorFlow.js、MediaPipe或ONNX Runtime Web。不要在错误的方向上继续寻找不存在的CDN地址。