3. 功耗基础概念：电压、电流、功率、能量、平均功耗与峰值功耗、动态与静态功耗
TinyML 设备通常以电池供电或依赖能量采集，功耗直接决定了产品的续航时间、散热设计乃至部署可行性。在开始 profiling 之前，必须建立一套精确的功耗语言体系。本章从电路物理量出发，厘清电压、电流、功率与能量的关系，区分平均功耗与峰值功耗的工程意义，并深入剖析 CMOS 数字电路动态功耗与静态功耗的构成机理。只有理解了功耗从何而来、如何度量，才能正确解读后续 profiling 工具输出的数据，避免将“瞬时电流尖峰”误判为“平均功耗过高”等常见错误。
3.1 核心原理：从欧姆定律到能量守恒
功耗分析的起点是四个基本电学量：电压（V）、电流（I）、功率（P）和能量（E）。在 TinyML 设备中，电压通常由电池或稳压器提供（如 3.3V、1.8V 或 0.9V 核心电压），电流则是 SoC 在不同工作状态下从电源吸取的电荷流。功率定义为电压与电流的乘积，即 P = V × I，单位是瓦特（W）。能量则是功率对时间的积分，E = ∫P(t)dt，单位是焦耳（J）或瓦秒（Ws）。在电池领域，常用毫安时（mAh）表示电荷容量，乘以标称电压即得到能量容量（mWh）。
理解功耗必须区分“功率”与“能量”的工程语义。功率描述的是某一瞬间的“速率”，而能量描述的是“总量”。例如，一颗 MCU 在推理时可能消耗 50mW，持续 200ms，则单次推理能量为 10mJ。如果电池容量为 1000mAh @ 3.7V，即 3700mWh = 13.32kJ，那么理论上可执行约 133 万次推理。这个计算揭示了 TinyML 功耗优化的核心目标：降低单次推理的能量消耗，而非单纯追求瞬时功率最小化。
在数字电路中，功耗分为动态功耗与静态功耗两大类。动态功耗（P_dyn）由 CMOS 门电路在逻辑翻转时对负载电容充放电产生，表达式为 P_dyn = α·C·V²·f，其中 α 是翻转活动因子（0~1），C 是节点等效电容，V 是电源电压，f 是时钟频率。静态功耗（P_st）则源于晶体管在截止状态下的漏电流，包括亚阈值漏电、栅极漏电和结漏电，表达式为 P_st = I_leak × V。在先进工艺节点（如 28nm 以下），静态功耗占比显著上升；而在 TinyML 常用的 40nm~180nm 工艺中，动态功耗通常占主导，但待机时静态功耗不可忽视。
3.2 判断方法：如何测量与计算功耗指标
进行功耗 profiling 前，需要明确测量目标与对应方法。以下是四种典型场景的测量策略：
| 测量目标 | 所需仪器 | 测量方式 | 关键输出 |
|---|---|---|---|
| 平均功耗（长时间运行） | 万用表（高精度模式）或功耗分析仪 | 串联采样电阻，记录 10s~1min 的电流均值 | 平均电流 I_avg，P_avg = V × I_avg |
| 峰值功耗（瞬态尖峰） | 示波器 + 电流探头（带宽 ≥ 100MHz） | 触发模式捕获单次推理的电流波形 | 峰值电流 I_peak，P_peak = V × I_peak |
| 能量（单次任务） | 专用功耗分析仪（如 Joulescope、Otii） | 同步采集电压与电流，软件积分 | 单次推理能量 E_task（mJ） |
| 动态/静态功耗分离 | 可调电源 + 电流表 | 降低时钟频率至 0（或停时钟），测静态电流；恢复频率测总电流 | I_static，I_dynamic = I_total - I_static |
操作流程上，首先确保设备处于稳定工作状态，排除无线通信、外设干扰。其次，在电源路径中串入低阻采样电阻（如 0.1Ω 四端电阻），使用差分探头测量其两端电压，再除以电阻值得到电流。对于能量测量，必须同步采样电压与电流，采样率至少为信号带宽的 10 倍，否则会漏掉窄脉冲尖峰。最后，通过软件对功率曲线积分得到能量值。
3.3 案例拆解：语音唤醒设备的功耗剖析
以一款基于 Cortex-M4F 的语音唤醒设备为例，其工作状态分为四个阶段：空闲监听（麦克风开启，DSP 待机）、语音检测（VAD 算法运行）、推理识别（神经网络推理）、无线传输（BLE 发送结果）。设备使用 3.7V 锂电池供电，目标续航 6 个月以上。
初始现象：工程师测得设备平均电流为 12mA，计算平均功耗为 44.4mW。电池容量 500mAh，理论续航约 41 小时，远低于目标。初步判断是“推理功耗过高”，但进一步分析发现推理仅占 2% 的时间。
关键数据：使用 Joulescope 采集 60 秒的电流波形，统计各阶段电流与时长：
- 空闲监听：电流 8mA，时长 58.5s，能量占比 468mAs
- 语音检测：电流 15mA，时长 1.0s，能量占比 15mAs
- 推理识别：电流 45mA，时长 0.4s，能量占比 18mAs
- 无线传输：电流 20mA，时长 0.1s，能量占比 2mAs
分析判断：虽然推理阶段瞬时功耗最高（166.5mW），但其能量占比仅 3.6%。真正的能量消耗大户是空闲监听阶段，占总能量的 93%。问题根源在于系统未进入深度睡眠模式，外设（麦克风、ADC）和内核时钟仍保持全速运行。
实际操作：优化固件，在无语音输入时进入 STOP 模式，仅保留麦克风中断唤醒。将空闲监听电流从 8mA 降至 50µA，同时将 VAD 算法从 DSP 迁移到专用低功耗硬件加速器。优化后各阶段能量变为：空闲监听 2.9mAs，语音检测 12mAs，推理 18mAs，无线传输 2mAs，总能量从 503mAs 降至 34.9mAs，平均电流降至 0.58mA，理论续航提升至 860 小时（约 36 天）。
复盘经验：功耗 profiling 必须覆盖完整任务周期，不能只关注峰值阶段。平均功耗的优化优先级应基于“能量占比”而非“瞬时功率”。此外，动态功耗与静态功耗的分离帮助团队发现：即使进入睡眠模式，LDO 稳压器的静态电流（约 20µA）仍占睡眠功耗的 40%，后续更换为 DC-DC 转换器进一步降低待机损耗。
3.4 常见误区与总结复盘
在功耗基础概念的理解上，工程师常犯以下错误：
误区三：混淆“功率”与“能量”的单位。mW 是功率单位，mWh 是能量单位。电池容量标注为 mAh 时，必须乘以电压才能换算为能量。例如，3.7V 的 1000mAh 电池与 1.2V 的 1000mAh 电池，能量相差 3 倍以上。
误区四：认为静态功耗只在睡眠时存在。实际上，即使 CPU 全速运行，静态功耗也始终存在。在 28nm 以下工艺中，静态功耗可能占总功耗的 30% 以上。TinyML 设备若使用先进工艺，必须考虑漏电优化技术（如电源门控、反向偏置）。