2、低功耗基础：理解TinyML设备功耗模型、工作模式（活跃、睡眠、深度睡眠）、功耗测量单位与典型量级

TinyML设备的本质是“在资源受限的嵌入式硬件上运行机器学习推理”，而这类设备绝大多数依赖电池供电或能量采集供电。功耗管理不是“省电技巧”的堆砌，而是建立在对设备功耗模型、工作模式切换和测量单位的系统理解之上。本章将拆解TinyML设备的功耗构成，厘清活跃、睡眠、深度睡眠三种核心工作模式，并给出可操作的测量与估算方法。

2.1 功耗模型：从“瞬时电流”到“平均能耗”

TinyML设备的功耗分析必须区分两个核心概念：瞬时功耗与平均功耗。瞬时功耗决定了电池的峰值放电能力和电源稳压器的选型；平均功耗则直接决定电池寿命。一个典型的TinyML节点（如智能门铃、振动监测器、可穿戴健康贴片）在一个完整工作周期内会经历多种模式，其平均功耗可表示为：

P_avg = (I_active × T_active + I_sleep × T_sleep + I_deep × T_deep) / T_total

其中，I_active、I_sleep、I_deep分别对应三种模式的电流，T为对应持续时间。这个公式看似简单，但实际工程中最大的陷阱在于：很多开发者只关注活跃模式的电流，却忽略了设备在睡眠/深度睡眠模式下停留的时间占比。例如，一个每10秒采集一次加速度数据并运行推理的节点，活跃时间可能只有50ms，睡眠时间却长达9.95秒。此时，睡眠电流哪怕只增加10μA，对电池寿命的影响也远大于活跃电流增加10mA。

2.2 三种工作模式的工程定义与切换代价

理解工作模式不能只看芯片手册上的名称，必须结合实际的硬件外设状态和软件栈行为。以常见的ESP32、STM32L4、nRF52840为例，三种模式在工程层面有明确差异：

• 活跃模式（Active）：CPU以最高频率运行，所有时钟使能，Flash和RAM全速访问，外设（传感器、无线模块）全部供电。此模式下电流最大，但也是唯一能完成机器学习推理、无线通信和复杂计算的阶段。
• 睡眠模式（Sleep）：CPU时钟停止或降频，但RAM保持供电，系统状态不丢失。定时器、中断控制器和部分外设（如GPIO、I2C）仍可工作。唤醒延迟通常在微秒到毫秒级，适合需要频繁快速响应的场景。
• 深度睡眠模式（Deep Sleep）：仅保留RTC（实时时钟）和少量唤醒逻辑，RAM可能掉电（或保留在低功耗SRAM中）。唤醒延迟较长（毫秒级），但电流可降至微安级别。适合长时间待机、周期性唤醒的场景。

2.3 功耗测量：从“估算”到“实测”的完整流程

功耗测量是低功耗优化的基础。很多开发者依赖数据手册的典型值进行估算，但实际电路中的漏电流、传感器静态电流、电源转换效率等因素会导致实测值与手册值相差数倍。正确的测量流程如下：

1. 准备测量工具：使用高精度万用表（如Keysight 34461A）或专用功耗分析仪（如Joulescope、Nordic PPK2）。测量动态电流时，普通万用表无法捕捉毫秒级的电流脉冲，必须使用带数据记录功能的仪器。
2. 断开电源，串联采样电阻：在电池正极与设备VCC之间串联一个10mΩ~100mΩ的精密采样电阻，用示波器或功耗分析仪测量电阻两端电压，换算为电流。
3. 分模式测量：分别强制设备进入活跃、睡眠、深度睡眠模式，记录各模式的稳态电流和持续时间。注意：测量深度睡眠时，要确保所有外设（包括LED、上拉电阻、调试接口）都已关闭。
4. 测量完整工作周期：让设备运行真实业务逻辑（如“每10秒采集一次数据并推理”），记录一个完整周期的电流波形，计算平均功耗。
5. 对比估算与实测：将实测平均电流与理论估算值对比，偏差超过20%时，需要排查漏电路径（如未关闭的GPIO上拉、传感器待机电流、电源芯片静态电流）。

2.4 常见误区与设计复盘

在低功耗TinyML设备的开发中，以下误区最为常见：

• 误区一：只关注芯片手册的“典型值”。手册值通常在理想条件下测得，实际电路中的PCB漏电流、传感器静态电流、电源纹波都会增加功耗。必须实测。
• 误区二：忽略外设的“隐性功耗”。GPIO悬空、I2C上拉电阻、LED限流电阻、电源指示灯等，在睡眠模式下可能持续消耗电流。一个10kΩ上拉电阻在3.3V下就会产生330μA电流，足以毁掉深度睡眠的优势。
• 误区三：频繁切换模式。有些开发者为了省电，在每次传感器读取后都进入深度睡眠，但忽略了唤醒和重新初始化的时间与能量开销。建议用示波器测量完整周期，确认切换开销占比。
• 误区四：忽视无线模块的功耗。LoRa、WiFi、BLE模块在发射时的峰值电流可达100~500mA，虽然持续时间短，但对电池的瞬时压力很大。需要确保电池能提供足够的峰值电流，否则电压跌落会导致系统复位。