2、基础知识：待机功耗定义、功耗组成、sleep mode基本概念与分类
在Edge AI设备的研发与产品化过程中，待机功耗（Standby Power）往往是决定产品能否通过能效认证、延长电池续航、降低散热成本的关键指标。许多工程师在调试低功耗模式时，常常陷入“代码进了sleep但电流依然偏高”的困境，其根源在于对待机功耗的定义边界、功耗组成颗粒度以及sleep mode的分类逻辑缺乏系统认知。本章将围绕这三个基础维度展开，建立一套可量化、可拆解、可验证的功耗知识框架，为后续章节的驱动配置、时钟树裁剪与外设隔离策略打下理论基础。
2.1 待机功耗的定义与工程边界
核心原理：待机功耗并非一个单纯的物理量，而是一个与系统状态强相关的工程定义。从IEC 62301标准角度看，待机功耗指设备连接到供电电源上，但未执行任何主要功能（如AI推理、通信传输、传感器采样）时所消耗的有功功率。对于电池供电的Edge AI设备（如智能门锁、可穿戴设备、无线传感器节点），待机功耗通常以平均电流（μA）为度量单位，因为其工作电压相对固定（如3.3V或1.8V），电流更能直观反映电荷消耗速率。
工程上需要区分三个容易混淆的概念：关机功耗（Off-mode Power）、待机功耗（Standby Power）与空闲功耗（Idle Power）。关机功耗指设备完全断电（电池断开或PMIC关断）时的残余漏电；待机功耗指设备保持可唤醒状态但无任务执行时的功耗；空闲功耗则指CPU运行在低负载循环（如RTOS的IDLE任务）时的功耗。在Edge AI场景中，待机功耗的优化目标通常是将系统从空闲功耗（可能高达mA级）降至μA级甚至nA级。
2.2 功耗组成：从晶体管到系统级
核心原理：Edge AI设备的待机功耗可分解为四个层次：硅片级功耗（包括数字核心漏电、模拟IP静态电流、SRAM保持电流）、板级功耗（包括电源转换效率损耗、上拉/下拉电阻漏电、电平转换器静态电流）、外设级功耗（传感器在sleep模式下的自耗电、无线模块的深度睡眠电流）、唤醒路径功耗（RTC振荡器、GPIO中断检测电路、电源管理单元的常开电源域）。
| 功耗组成 | 典型量级（3.3V系统） | 主要影响因素 | 优化手段 |
|---|---|---|---|
| MCU Deep Sleep电流 | 1-10 μA | 工艺节点、保留RAM大小 | 选择低漏电工艺、裁剪保留内存 |
| RTC + 32.768kHz振荡器 | 0.5-3 μA | 振荡器类型（外部晶振 vs 内部RC） | 使用低功耗晶振、间歇式计时 |
| 电源管理IC静态电流 | 2-20 μA | LDO vs DC-DC、空载功耗 | 选择低Iq的PMIC、关闭不必要LDO |
| 传感器自耗电 | 0.1-10 μA | 传感器类型、sleep模式配置 | 硬件使能引脚控制、轮询供电 |
| 板级漏电（电阻/电容） | 0.1-5 μA | 上拉电阻阻值、PCB清洁度 | 使用高阻值上拉（≥100kΩ） |
操作流程：进行功耗拆解时，建议采用“逐级断开法”：① 先测量整板待机电流；② 断开传感器供电（通过跳线或GPIO控制），记录电流差值；③ 断开无线模块电源，再次记录；④ 最后仅保留MCU最小系统（MCU + RTC + 电源），得到核心待机电流。通过这种减法，可以快速定位功耗异常点。
2.3 Sleep Mode的分类与选择逻辑
核心原理：不同MCU厂商对低功耗模式命名各异（如STM32的Sleep/Stop/Standby、ESP32的Modem-sleep/Light-sleep/Deep-sleep、nRF52的System ON/System OFF），但本质上可归纳为四个等级：Sleep（浅睡）、Deep Sleep（深睡）、Hibernate（休眠）、Shutdown（关断）。分类的核心维度有三个：CPU状态、时钟状态、RAM保持能力。
- Sleep（浅睡）：CPU时钟停止，但外设时钟（如定时器、UART）可继续运行，RAM完全保持。唤醒时间极短（μs级），适合需要频繁唤醒（如100ms周期）且对响应时间敏感的场景。典型功耗：mA级（取决于外设时钟频率）。
- Deep Sleep（深睡）：主时钟关闭，仅保留低速时钟（如32.768kHz RTC），RAM保持但外设大部分断电。唤醒时间约几十μs至几百μs。典型功耗：μA级（1-10μA）。适合秒级唤醒周期。
- Hibernate（休眠）：RAM掉电，仅保留RTC和唤醒逻辑。唤醒后系统从复位向量重新执行，需重新初始化所有外设。唤醒时间ms级。典型功耗：百nA至1μA。适合分钟级唤醒周期。
- Shutdown（关断）：除唤醒引脚（如外部中断、RTC闹钟）外，所有电源域关闭。功耗最低（nA级），但唤醒后相当于冷启动。适合极低功耗且唤醒频率极低的场景（如电池供电的资产追踪标签）。
案例拆解：以一款电池供电的AI语音唤醒设备为例，其工作周期为：每200ms进行一次语音检测（每次耗时20ms，工作电流50mA），其余时间处于待机状态。若采用Sleep模式（待机电流2mA），平均功耗为：50mA×(20/200) + 2mA×(180/200) = 5mA + 1.8mA = 6.8mA。若采用Deep Sleep模式（待机电流10μA，但唤醒恢复需额外5ms，恢复期间电流为10mA），平均功耗为：50mA×(20/200) + 10mA×(5/200) + 0.01mA×(175/200) = 5mA + 0.25mA + 0.00875mA ≈ 5.26mA。虽然Deep Sleep更优，但若唤醒周期缩短至50ms，则Deep Sleep的恢复开销占比增大，平均功耗可能反超Sleep模式。因此，必须基于实际唤醒周期建立功耗模型，而非简单选择最低功耗模式。