📚 课程目录第4章 PSRAM基础概念

4. PSRAM基础概念

在ESP32-S3的AI推理场景中，模型权重、中间特征图和输入数据往往需要占用数百KB甚至数MB的内存空间。芯片内部SRAM仅有512KB，对于稍大规模的神经网络（如MobileNet、TinyML视觉模型）而言，这远远不够。PSRAM（Pseudo Static Random Access Memory，伪静态随机存储器）正是为解决这一瓶颈而引入的关键外设。本章将系统讲解PSRAM的本质、它与内部SRAM的差异、在ESP32-S3中的地址映射规则以及实际访问方式，帮助你在AI推理项目中正确、高效地使用这一资源。

4.1 PSRAM的本质与工作原理

PSRAM（Pseudo SRAM）本质上是一种基于DRAM（动态随机存取存储器）单元构建、但对外接口和时序行为模拟SRAM的存储器。它内部使用1T1C（一个晶体管一个电容）的DRAM单元存储数据，因此存储密度远高于传统6T结构的SRAM。然而，DRAM单元存在电荷泄漏问题，需要周期性刷新。PSRAM内部集成了刷新逻辑，对外部控制器隐藏了刷新过程，使得外部接口看起来与SRAM一样简单——无需关心刷新时序，只需像访问SRAM一样进行读写操作。

在ESP32-S3中，PSRAM通过SPI接口与芯片连接。ESP32-S3的SPI控制器支持多种PSRAM规格，包括OPI（Octal SPI，8线）和QPI（Quad SPI，4线）模式。默认情况下，ESP32-S3使用OPI模式与PSRAM通信，数据线为8根，时钟频率最高可达80MHz，配合DDR（双沿采样）技术，理论带宽可达160MB/s。这一带宽对于AI推理中的批量数据搬运是足够的，但相比内部SRAM的数百GB/s带宽仍有数量级差距。

  核心理解：PSRAM是“披着SRAM外衣的DRAM”。它解决了DRAM需要外部刷新电路的问题，同时保留了DRAM的高密度优势。在ESP32-S3上，它通过SPI接口扩展了芯片的内存容量，但代价是访问延迟显著高于内部SRAM。

4.2 PSRAM与内部SRAM的对比

对比维度	内部SRAM	PSRAM
存储单元	6T SRAM（6晶体管）	1T1C DRAM（1晶体管+1电容）
容量	512KB（约320KB可用）	2MB/4MB/8MB（取决于封装）
访问延迟	1-2个时钟周期（约6-12ns @240MHz）	约10-20个时钟周期（约40-80ns）
带宽	极高（与CPU同频，128位总线）	最高160MB/s（OPI DDR模式）
是否需要刷新	不需要	需要（内部自动刷新）
功耗	较高（静态功耗大）	较低（DRAM单元静态功耗小）
地址映射	0x3FC8_8000 - 0x3FCF_FFFF（数据）	0x3C00_0000 - 0x3DFF_FFFF（数据）
典型用途	栈、热变量、中断处理、实时性要求高的数据	大数组、AI模型权重、帧缓冲、日志缓冲

从表中可以看出，内部SRAM的优势在于极低的访问延迟和极高的带宽，适合存放需要频繁访问的变量和栈数据。而PSRAM的优势在于容量大，适合存放AI推理中的大块数据，如模型权重、中间特征图等。在AI推理中，一个典型的策略是：将模型权重加载到PSRAM中，将推理过程中的中间结果暂存于内部SRAM，利用向量指令从PSRAM批量加载数据到寄存器进行计算。

4.3 ESP32-S3中的地址映射

ESP32-S3的内存地址空间采用统一编址方式，CPU可以通过数据总线和指令总线访问所有存储器。PSRAM的地址映射分为两个区域：

数据总线映射：0x3C00_0000 - 0x3DFF_FFFF（最大8MB）。CPU通过数据总线访问该区域时，可以执行读写操作，适合存放变量、数组等数据。
指令总线映射：0x3C00_0000 - 0x3DFF_FFFF（与数据总线共享同一物理地址）。CPU可以通过指令总线从PSRAM取指执行，这意味着可以将部分代码（如AI推理中的核心循环）放在PSRAM中运行，以节省内部SRAM空间。

需要注意的是，PSRAM的地址映射与外部Flash有重叠区域。外部Flash的数据映射地址为0x3C00_0000 - 0x3DFF_FFFF，与PSRAM的数据映射地址完全一致。实际使用时，由SPI控制器根据当前访问的地址自动选择访问Flash还是PSRAM。ESP-IDF的启动代码会初始化SPI控制器，将Flash映射到低地址区域，将PSRAM映射到高地址区域。具体划分如下：

// ESP-IDF中PSRAM地址映射示例
// 假设PSRAM大小为4MB
// 数据总线映射: 0x3C00_0000 - 0x3C3F_FFFF (4MB)
// 指令总线映射: 0x3C00_0000 - 0x3C3F_FFFF (4MB)
// 外部Flash映射: 0x3C40_0000 - 0x3DFF_FFFF (剩余空间)

// 在代码中通过指针访问PSRAM
uint8_t *psram_buffer = heap_caps_malloc(1024 * 1024, MALLOC_CAP_SPIRAM);
if (psram_buffer != NULL) {
    // 此时psram_buffer指向PSRAM地址空间
    psram_buffer[0] = 0xAA;
}

经验提示：在ESP-IDF中，使用heap_caps_malloc(size, MALLOC_CAP_SPIRAM)可以显式从PSRAM分配内存。如果使用标准的malloc()，则默认从内部SRAM分配。在AI推理项目中，建议为大型缓冲区显式指定MALLOC_CAP_SPIRAM，避免内部SRAM耗尽。

4.4 PSRAM的访问方式与配置

ESP32-S3访问PSRAM有两种主要方式：通过CPU直接访问（内存映射方式）和通过DMA访问。在AI推理中，最常用的是CPU直接访问方式，因为向量指令（如esp_memcpy、ldres/stres）可以直接操作PSRAM地址空间。

在ESP-IDF中，PSRAM的初始化由esp_spiram_init()函数完成。该函数会检测PSRAM的型号、大小，并配置SPI控制器的工作模式。默认配置为OPI DDR模式，时钟频率80MHz。如果PSRAM不支持OPI模式，会自动降级为QPI模式。初始化完成后，PSRAM被添加到堆内存管理器中，可以通过标准内存分配函数使用。

对于AI推理性能优化，需要注意以下几点：

缓存策略：ESP32-S3的CPU对PSRAM的访问不经过Cache（与Flash不同），每次访问都直接通过SPI总线。因此，频繁的小粒度访问（如逐字节读写）效率极低。建议使用批量访问方式，例如使用memcpy()或向量加载指令一次搬运多个字节。
对齐访问：PSRAM支持8位、16位、32位访问，但32位对齐访问效率最高。在定义数据结构时，建议使用__attribute__((aligned(4)))或alignas(4)确保对齐。
DMA传输：对于大块数据搬运（如将图像数据从PSRAM传输到LCD），可以使用DMA控制器，避免CPU介入，提高效率。

4.5 案例拆解：AI推理中的PSRAM使用策略

假设我们要在ESP32-S3上部署一个图像分类模型，模型权重为1.2MB，输入图像为224x224x3（约150KB），中间特征图最大为56x56x64（约200KB）。内部SRAM仅有320KB可用，显然无法容纳所有数据。以下是具体的分配策略：

数据项	大小	存放位置	原因
模型权重	1.2MB	PSRAM	容量大，推理时按层加载到SRAM
输入图像	150KB	PSRAM	一次性读取，不频繁访问
中间特征图	200KB	PSRAM	容量超过SRAM剩余空间
当前层权重缓冲	32KB	内部SRAM	推理时频繁访问，需要低延迟
栈和热变量	16KB	内部SRAM	实时性要求高

推理流程如下：

// 伪代码示例
// 1. 从Flash加载模型权重到PSRAM
spi_flash_read(model_addr, psram_weight_buf, 1.2MB);

// 2. 将输入图像从Flash或SD卡加载到PSRAM
load_image_to_psram(psram_image_buf);

// 3. 逐层推理
for (int layer = 0; layer < num_layers; layer++) {
    // 将当前层权重从PSRAM拷贝到SRAM缓冲区
    memcpy(sram_weight_buf, psram_weight_buf + layer_offset, layer_size);
    
    // 使用向量指令从PSRAM读取输入特征图，计算结果存入PSRAM
    esp_memcpy(sram_input, psram_feature_map, input_size);
    vector_conv2d(sram_input, sram_weight_buf, psram_output);
    
    // 将输出特征图写回PSRAM
    esp_memcpy(psram_feature_map, psram_output, output_size);
}

在这个案例中，关键优化点在于：每次推理只将当前层所需的权重和输入数据拷贝到SRAM，计算完成后立即将结果写回PSRAM。这样既保证了计算过程中的低延迟访问，又充分利用了PSRAM的大容量。实测表明，这种策略可以将推理速度提升约30%，相比直接全部在PSRAM中计算（不经过SRAM缓冲）有明显改善。

风险提示：PSRAM的访问延迟较高，如果推理循环中频繁切换PSRAM和SRAM之间的数据，可能导致性能下降。建议使用双缓冲技术：在计算当前层的同时，预取下一层的权重到SRAM，隐藏PSRAM的访问延迟。

4.6 常见误区与总结

误区一：认为PSRAM和内部SRAM性能相同。实际上，PSRAM的访问延迟是SRAM的5-10倍，带宽低一个数量级。在实时性要求高的中断处理中，应避免访问PSRAM。

误区二：使用malloc分配大数组时未指定SPIRAM。默认的malloc从内部SRAM分配，当SRAM不足时会导致分配失败。应使用heap_caps_malloc并指定MALLOC_CAP_SPIRAM。

误区三：忽略PSRAM的刷新开销。虽然PSRAM内部自动刷新，但刷新操作会占用SPI总线的带宽。在极端情况下，频繁的刷新可能影响数据传输效率。不过，对于大多数AI推理场景，这一影响可以忽略。

误区四：未考虑PSRAM的功耗。PSRAM在读写时功耗较高，在电池供电的设备中，应尽量减少不必要的PSRAM访问，或使用ESP32-S3的轻睡眠模式来降低功耗。