3、功耗基础概念：动态功耗、静态功耗、能量与功率的区别、mW与mJ等关键指标

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、散热与部署可行性。然而，许多工程师在 profiling 时只盯着“电流读数”，却混淆了功率与能量、动态与静态功耗的边界，导致优化方向错误。本章从物理定义出发，厘清功耗的构成与度量单位，为后续定位推理瓶颈打下基础。

3.1 动态功耗与静态功耗：物理本质与工程意义

动态功耗（Dynamic Power）是芯片在工作时因晶体管开关、电容充放电而产生的功耗。其经典表达式为 P_dyn = α·C·V²·f，其中 α 是活动因子（即每个时钟周期内发生翻转的晶体管比例），C 是负载电容，V 是供电电压，f 是时钟频率。在 TinyML 推理过程中，MAC（乘累加）运算密集，数据在寄存器、SRAM 与总线之间频繁搬运，α 和 C 都处于高位，因此动态功耗通常占据总功耗的 70%～90%。

静态功耗（Static Power）则源于晶体管的漏电流，即使芯片处于空闲状态也会持续消耗。其表达式为 P_static = V × I_leakage，其中 I_leakage 包括亚阈值泄漏、栅极泄漏和结泄漏。在先进工艺节点（如 28nm 以下）或高温环境下，静态功耗占比会显著上升。对于 TinyML 设备而言，如果推理任务只是间歇性触发，大部分时间处于待机状态，静态功耗反而可能成为续航的“隐形杀手”。

3.2 功率与能量：mW 与 mJ 的本质区别

功率（Power）是单位时间内消耗的能量，单位是瓦特（W）或毫瓦（mW），描述的是“消耗的速率”。能量（Energy）是累计消耗的总量，单位是焦耳（J）或毫焦（mJ），描述的是“消耗的总量”。两者的关系为：E = P × t。在 TinyML profiling 中，这个区别至关重要——一个设备可能瞬时功率很高（例如 500mW），但推理只需 10ms，总能量仅 5mJ；另一个设备瞬时功率只有 50mW，但推理需要 200ms，总能量却达 10mJ。从电池续航角度看，后者反而更耗电。

在实际 profiling 中，工程师常犯的错误是只记录平均功率而忽略推理延迟。例如，优化前平均功率 80mW、推理时间 30ms，能耗为 2.4mJ；优化后平均功率 100mW、推理时间 15ms，能耗为 1.5mJ。虽然功率上升了 25%，但能量反而下降了 37.5%，这才是真正的优化。因此，所有功耗优化都应围绕“能量”而非“功率”展开。

3.3 关键指标解读：从数据手册到实测数据

MCU 数据手册中通常会给出多个功耗参数：工作模式下的 mA/MHz、深度睡眠模式的 μA、以及不同电压下的静态电流。这些参数是理论参考，但实际值会因温度、代码路径、外设状态而偏离。在 profiling 时，应关注以下关键指标：

• 工作模式功耗（Active Mode）：CPU 运行时的功耗，通常以 mA/MHz 表示。例如某 Cortex-M4 内核在 3.3V 下为 0.3mA/MHz，运行在 80MHz 时电流约 24mA，功率约 79mW。
• 睡眠模式功耗（Sleep Mode）：CPU 停止但 SRAM 保持时的功耗。TinyML 推理间隙应尽快进入此状态。
• 深度睡眠功耗（Deep Sleep）：仅 RTC 和少量唤醒逻辑工作，通常在 μA 级别。这是待机状态的目标功耗。
• 外设功耗：传感器、无线模块（BLE/WiFi）、LED 等外设的功耗往往超过 MCU 本身。例如 BLE 广播峰值电流可达 15mA，远超 MCU 核心。

3.4 案例拆解：一次“功率正常但续航短”的排查

背景与约束： 某智能传感器节点采用 STM32L4 系列 MCU，运行一个 20KB 的 CNN 模型进行关键词识别。设备由 200mAh 纽扣电池供电，设计要求待机电流低于 10μA，可连续工作 6 个月以上。实际测试发现，设备充满电后仅工作 3 周便耗尽。

初始现象与数据： 使用 Joulescope 测量整个工作周期（每 5 秒唤醒一次，每次推理约 40ms）的电流波形。测得平均电流为 1.2mA，远高于设计预期的 0.05mA。进一步拆解：推理期间平均电流 25mA（持续 40ms），待机期间电流 0.8mA（持续 4960ms）。

分析判断过程： 待机电流 0.8mA 明显异常——STM32L4 的 STOP 模式理论待机电流应低于 5μA。通过逐项排查发现，GPIO 引脚 PA2 被配置为模拟输入但未连接外部电路，导致引脚悬空，产生约 0.5mA 的漏电流；同时，I2C 总线上的温湿度传感器未进入睡眠模式，额外消耗 0.3mA。

实际操作步骤：

1. 将悬空 GPIO 配置为数字输出并拉低，消除引脚漏电。
2. 在推理完成后，通过 I2C 命令将传感器置于睡眠模式。
3. 在代码中增加 __WFI() 指令，确保 CPU 在等待期间进入 STOP 模式。
4. 重新测量：待机电流降至 4μA，平均电流降至 0.21mA。

结果对比： 优化前平均功率 = 1.2mA × 3.3V = 3.96mW；优化后平均功率 = 0.21mA × 3.3V = 0.693mW。电池理论续航从 200mAh / 1.2mA ≈ 166 小时（约 7 天）提升至 200mAh / 0.21mA ≈ 952 小时（约 40 天）。虽然仍低于 6 个月目标，但已大幅改善。后续通过降低推理频率（每 30 秒一次）和优化模型（将 CNN 从 20KB 压缩至 12KB，推理时间从 40ms 降至 25ms），最终达到设计目标。

风险与代价： 降低推理频率会牺牲实时性；模型压缩可能带来 1%～2% 的准确率损失。此外，GPIO 拉低后若外部电路需要高电平信号，可能引发功能异常，需仔细核对原理图。

复盘经验： 功耗 profiling 不能只看“工作时的功率”，必须将待机功耗纳入总能量计算。本案例中，待机功耗占总能耗的 94%（0.8mA × 4960ms vs 25mA × 40ms），优化待机比优化推理效率更关键。

3.5 常见误区与总结复盘