本稿では、モバイルデバイス向けに普遍的に効率的なアーキテクチャ設計を特徴とする最新版のMobileNets、すなわちMobileNetV4（MNv4）を紹介する。本研究の核となるのは、「ユニバーサル・インバーテッドボトルネック（Universal Inverted Bottleneck: UIB）」と呼ばれる探索ブロックであり、これにより逆ボトルネック（Inverted Bottleneck: IB）、ConvNeXt、フィードフォワードネットワーク（Feed Forward Network: FFN）、および新規の拡張型深度方向畳み込み（Extra Depthwise: ExtraDW）が統合された汎用的かつ柔軟な構造が実現された。また、UIBとともに、モバイルアクセラレータに最適化されたアテンションブロック「Mobile MQA」を提案し、これにより処理速度が最大39%向上した。さらに、MNv4の探索効率を向上させる最適化されたニューラルアーキテクチャ探索（Neural Architecture Search: NAS）の手法も導入した。UIB、Mobile MQA、および改良されたNASレシピの統合により、モバイルCPU、DSP、GPU、Apple Neural EngineやGoogle Pixel EdgeTPUといった専用アクセラレータを含む幅広いハードウェアプラットフォームにおいて、ほぼパレート最適（Pareto optimal）な性能を達成する新たなMNv4モデル群が構築された。これは、これまでに検証された他のモデルでは観察されなかった特徴である。最後に、さらに精度を向上させるために、新規の知識蒸留（distillation）技術を提案する。この技術を活用したMNv4-Hybrid-Largeモデルは、ImageNet-1Kデータセットにおいて87%の精度を達成し、Pixel 8 EdgeTPU上での実行時間はわずか3.8msにまで短縮された。