课程导入：学习目标、适用人群、课程整体框架与学习路径

欢迎来到《Edge AI功耗Profiling从零开始到优化落地指南》的第一章。在开始任何技术深潜之前，我们需要先回答三个根本性问题：为什么要学功耗Profiling？这门课适合谁？以及我们将沿着怎样的路径抵达终点？ Edge AI（边缘人工智能）正从“能跑模型”迈向“跑得好、跑得省”的阶段。功耗不再是硬件工程师的专属话题，它已经成为算法工程师、嵌入式软件工程师、产品经理乃至企业决策者必须面对的核心约束。本章将为你绘制一张完整的课程地图，明确学习收益、目标人群画像、章节逻辑关系以及最佳学习路径，确保你在后续29章的学习中始终方向清晰。

1.1 学习目标：从“能跑”到“跑得省”的认知跃迁

本课程的学习目标不是让你记住几个功耗公式或工具命令，而是帮助你建立一套系统化的功耗工程思维。我们将从物理层的基础功耗模型出发，逐步上升到系统级的软硬件协同优化。完成本课程后，你将具备以下核心能力：

• 测量能力：熟练使用功率分析仪、电流探头、板载采样电阻等硬件工具，以及perf、powertop、TegraProfiler等软件工具，准确获取不同粒度（整板、子系统、芯片、算子）的功耗数据。
• 分析能力：能够从海量Profiling数据中提取关键特征，区分静态功耗、动态功耗、浪涌功耗和待机功耗，并定位到具体的代码模块、硬件外设或AI算子。
• 优化能力：掌握从算法层（模型剪枝、量化）、架构层（算子融合、内存复用）到电路层（DVFS、电源门控）的多层次优化手段，并理解每种手段的适用边界和代价。
• 工程落地能力：能够设计自动化的功耗回归测试流程，将功耗指标纳入CI/CD流水线，确保产品在迭代过程中功耗不劣化。

1.2 适用人群：谁需要这门课？

Edge AI功耗问题具有典型的交叉学科属性，因此本课程面向以下四类核心人群，并针对每类人群提供了差异化的学习侧重点：

无论你属于哪类人群，本课程都假设你具备基本的C/C++编程能力、了解嵌入式系统的基本组成（CPU、内存、外设）、对机器学习推理有概念性认识。如果你暂时缺乏某些前置知识，课程中会提供必要的背景补充和延伸阅读指引。

1.3 课程整体框架：四阶段递进式结构

本课程共30章，按照“基础→分析→优化→落地”四个阶段组织，每一阶段都有明确的能力产出。这种设计遵循了“先会测量，再会分析，然后会优化，最终能落地”的工程能力成长规律。

阶段一：基础概念与测量（第1-5章）

这一阶段解决“功耗是什么、怎么测”的问题。你将学习功耗的基本物理定义（P=V×I）、动态功耗与静态功耗的构成、Edge AI设备的典型功耗特征。在测量部分，我们会深入讲解从毫秒级瞬态功耗到小时级平均功耗的测量方法，包括硬件仪器的选择与连接、软件采样率的设置、以及测量数据的校准与去噪。第5章将带领你完成第一次完整的端到端Profiling实操，建立初步的感性认识。

阶段二：深度分析与定位（第6-15章）

这一阶段解决“功耗消耗在哪里、为什么”的问题。我们将从系统级逐步下钻到算子级：先分析CPU/GPU/NPU等计算单元的功耗特性，再深入内存子系统的访问功耗，接着讨论无线通信模块（Wi-Fi/BLE/蜂窝）的功耗模型，最后覆盖传感器、显示屏、音频等外设的功耗特征。第12-14章专门针对AI推理场景，分析卷积、全连接、注意力机制等算子的功耗热点，并介绍如何使用硬件计数器与性能监视单元（PMU）进行关联分析。第15章将教授如何构建功耗热点地图，实现可视化定位。

阶段三：优化策略与实施（第16-25章）

这一阶段解决“如何降低功耗”的问题。优化手段分为三个层次：算法层（模型剪枝、知识蒸馏、低比特量化）、架构层（算子融合、内存复用、计算换存储）、硬件层（DVFS调频、电源门控、外设休眠）。每章都会结合真实案例，展示优化前后的功耗对比数据，并讨论优化带来的精度损失、延迟增加等副作用。第24-25章将介绍如何组合多种优化手段，实现“1+1>2”的系统级功耗优化。

阶段四：工程落地与验证（第26-30章）

这一阶段解决“如何让优化持续生效”的问题。我们将讨论如何搭建自动化的功耗Profiling流水线，将功耗测试集成到CI/CD流程中；如何设计功耗回归测试用例，防止代码迭代引入功耗劣化；如何制定功耗预算表并在项目评审中作为硬性指标。第29章将复盘三个完整的工业级案例（智能摄像头、可穿戴设备、工业边缘网关），展示从问题发现到优化落地的全过程。第30章将总结团队协作的最佳实践，帮助你推动功耗文化在组织内扎根。

1.4 学习路径建议：三种模式适配不同需求

考虑到学员的背景差异和时间约束，我们设计了三种学习路径。你可以根据自己的目标选择最适合的模式，也可以混合使用。

1.5 常见误区与学习心态建设

在多年的功耗优化实践和教学中，我们发现学员容易陷入以下误区，在此提前预警：

• 误区一：迷信单一工具——认为只要用了一个高级Profiling工具就能解决所有问题。实际上，工具只是辅助，理解功耗产生的物理机制才是根本。本课程强调“先懂原理，再用工具”。
• 误区二：只关注平均功耗——很多产品问题出在瞬态尖峰功耗上（例如启动瞬间、无线发射瞬间），这些尖峰可能导致电池电压跌落、系统复位。本课程将专门讲解瞬态功耗的捕捉与分析。
• 误区三：优化就是降频——简单降低CPU频率确实能省电，但可能导致任务执行时间变长，反而增加总能耗（能量=功率×时间）。真正的优化是在满足性能约束下的最小能量消耗。
• 误区四：忽视测量误差——采样率不足、探头接触电阻、地线干扰都会导致测量数据失真。第4章将专门讲解测量误差的来源与消除方法。

1.6 课程配套资源与实验环境准备

为了获得最佳学习效果，建议你提前准备以下软硬件环境。虽然课程中的理论部分可以独立学习，但动手实验是巩固知识的关键。

如果你暂时没有硬件条件，课程中的案例数据和实验指导仍然具有参考价值。你可以先通过阅读和模拟练习建立知识框架，待条件具备后再进行实操验证。记住，功耗Profiling是一门实践性极强的学问，纸上得来终觉浅。