はじめに — 2026年、なぜ今エッジ推論なのか 読者の痛みを共感する * 「クラウドコストが急騰している。毎月のAI推論費用を見るだけで頭が痛い」 * 「データプライバシーが気になる。顧客データをクラウドに送りたくない」 * 「オフライン環境でもAIを動かしたい。インターネット接続が不安定な現場で使いたい」 * 「エッジ推論を始めたいが、どこから手を付ければいいかわからない」 本記事で得られる価値 * Raspberry Pi 5での完全なセットアップ手順: OS設定からモデルデプロイまでのステップバイステップガイド * 実測データ付きの比較検証: llama.cpp、ONNX Runtime、TensorRT Liteのパフォーマンス比較（トークン/秒、メモリ使用量、消費電力） * 最適化テクニックの実践: 量子化、キャッシュ最適化、サンプリング戦略で推論速度を2-3倍に向上させる方法 * ハードウェア最適化のノウハウ: 熱管理、電源設計、ファン制御で安定稼働を実現 * 分散推論の活用: Petals/Mooseと連携した複数Raspberry Piで