2. 语音唤醒基础
各位同学，欢迎来到第二章。上一章我们聊了唤醒词模型的基本概念，今天咱们来点硬核的——功耗到底从哪来，以及怎么跟性能做交易。
说实话，我刚开始做嵌入式AI那会儿，总觉得功耗就是个“电压乘电流”的事。直到有一次，我负责的智能音箱原型机，待机功耗死活压不下去。查了三天，最后发现是内存访问频率太高，CPU大部分时间都在等数据。嗯，从那以后我才真正理解——功耗不是算出来的，是设计出来的。
2.1 功耗的三驾马车：计算、存储、通信
一个唤醒词模型在芯片上跑起来，功耗主要来自三个地方。我习惯叫它们“三驾马车”。
| 功耗来源 | 典型占比（唤醒场景） | 核心问题 |
|---|---|---|
| 计算（MAC运算、激活函数） | 40% - 60% | 乘法累加操作次数多，每次翻转都耗电 |
| 存储（SRAM、Flash、寄存器） | 20% - 35% | 数据搬运比计算本身更耗能 |
| 通信（总线、DMA、外设） | 10% - 25% | 长走线、高翻转率导致动态功耗飙升 |
你想想看，这三个部分不是孤立的。计算需要从存储拿数据，数据通过总线通信进来。任何一个环节没优化好，整体功耗就上去了。
2.1.1 计算功耗：MAC操作的代价
唤醒词模型的核心是卷积或全连接层。每一层都在做一件事：乘加运算（MAC）。
一个MAC操作，背后是寄存器的翻转、组合逻辑的跳变。CMOS电路里，动态功耗的公式是：
P_dynamic = α × C_load × V² × f其中α是翻转率，C_load是负载电容，V是电压，f是频率。说白了，电压的平方项最要命。
关键洞察： 降低电压能带来平方级的功耗节省。但电压降了，频率也得降，性能就下来了。这就是功耗与性能的第一个矛盾点。
我在项目中遇到过一种情况：模型量化后精度掉了0.5%，但电压可以从1.1V降到0.9V，功耗直接砍掉33%。值不值？看你产品对精度的容忍度。
2.1.2 存储功耗：数据搬运的隐形杀手
很多人以为计算最耗电。其实不然。我做过一个实验：同样的模型，把权重从Flash搬到SRAM，再搬到计算单元，数据搬运消耗的能量是计算本身的10到100倍。
为什么会这样？因为存储器的访问功耗跟容量和带宽正相关。你想想看，一个256KB的SRAM，每次读操作要充放电一大片位线，能不耗电吗？
我的习惯： 在做功耗预算时，先把存储层次画出来。L1缓存、L2缓存、SRAM、Flash，每一级的访问代价都不一样。唤醒词模型如果能全部塞进L1缓存，功耗能降一个数量级。
2.1.3 通信功耗：总线上的每一比特都在烧钱
通信功耗往往被忽略。但你看芯片的版图，长走线的电容比门电路大得多。数据在总线上每翻转一次，就要给整条走线充放电。
举个例子：一个32位的数据总线，从DMA搬运到计算单元，如果频率是100MHz，翻转率50%，光这一条总线就能吃掉几毫瓦。对于唤醒词这种常开场景，几毫瓦已经很大了。
避坑指南： 我曾经在一个项目里，为了追求极致性能，把数据位宽从16位扩到32位。结果功耗直接翻倍。后来发现，唤醒词模型根本不需要那么高的精度。嗯，从那以后我学会了——够用就好，别贪多。
2.2 功耗与性能的权衡：没有免费的午餐
做低功耗设计，本质上是在做交易。你想省电，就得牺牲点性能；你想跑得快，就得付出功耗代价。关键是找到那个“甜点”。
下面这张图是我自己总结的权衡框架：
2.2.1 精度 vs 功耗：量化是门艺术
唤醒词模型通常用8位甚至4位量化。为什么？因为位宽每减一半，存储带宽和计算功耗都跟着降。
我做过一个对比实验：
| 量化方案 | 模型大小 | 推理功耗 | 唤醒率（95%置信度） |
|---|---|---|---|
| FP32 | 4.2 MB | 45 mW | 98.2% |
| INT8 | 1.1 MB | 12 mW | 97.8% |
| INT4 | 0.5 MB | 6 mW | 96.5% |
你看，从FP32降到INT8，功耗降了73%，唤醒率只掉了0.4%。这个交易太划算了。但再降到INT4，功耗虽然继续降，唤醒率却掉了1.3%。对于某些产品，这个损失可能就不可接受了。
我的建议： 先做INT8量化，这是目前最成熟的方案。如果功耗预算还不够，再考虑混合精度——敏感层用INT8，非敏感层用INT4。我在一个智能门锁项目里就是这么干的，效果不错。
2.2.2 模型大小 vs 功耗：小就是美
唤醒词模型不需要像大语言模型那样动辄几十亿参数。我们的目标是用最小的模型，达到可接受的唤醒率。
常用的压缩手段：
- 深度可分离卷积：把标准卷积拆成深度卷积和逐点卷积，参数量降到原来的1/8到1/10
- 通道剪枝：去掉不重要的特征图通道，我试过剪掉30%的通道，精度几乎不变
- 权重共享：让多个权重共用同一个值，减少存储需求
你想想看，模型小了，存储访问就少了，通信带宽也降了。这是一箭双雕的事。
2.2.3 延迟 vs 功耗：频率的陷阱
很多人觉得，延迟越低越好。但延迟跟频率挂钩，频率跟电压挂钩，电压跟功耗是平方关系。
举个例子：
- 跑100MHz，电压0.9V，功耗10mW，延迟50ms
- 跑200MHz，电压1.1V，功耗30mW，延迟25ms
延迟只降了一半，功耗却翻了三倍。对于唤醒词场景，50ms的延迟用户根本感觉不到。你何必多花那20mW？
避坑指南： 我曾经为了把延迟从40ms压到30ms，把频率从120MHz提到180MHz，电压从0.95V提到1.05V。结果功耗从8mW飙到18mW。后来产品经理说，用户根本分不清40ms和30ms的区别。嗯，白折腾了。
2.3 本章小结：设计从权衡开始
好了，这一章我们聊了功耗的三个来源——计算、存储、通信。也聊了三个权衡——精度、模型大小、延迟。
记住一句话：低功耗设计不是把功耗降到最低，而是在可接受的性能下，把功耗降到最低。