• 唤醒词识别塞进单片机:为什么只盯准确率会踩坑

    带语音的设备里,有一段代码是从不掉线的。麦克风一直开着,唤醒词检测一直在跑,等你说出那一句话。这个功能叫关键词识别,英文缩写 KWS,它的功耗直接决定了设备要靠多大的电池。把这件事塞进单片机执行,约束就更紧了。一篇被 IEEE Sensors 2025 收录的论文把这条流水线从头到尾测了一遍,得出的结论有点反直觉:光看模型准确率,选出来的方案可能并不省电。

  • 能量采集器件:解锁物联网传感器无电池新未来

    随着物联网技术深度渗透工业、农业、智慧城市、环境监测等领域,海量分布式传感器节点构成了万物互联的基础感知网络。目前,绝大多数物联网传感器依赖传统化学电池供电,但电池固有的短板已成为制约物联网规模化、长效化部署的核心瓶颈。续航有限、更换成本高、废旧电池污染环境、极端工况稳定性差等问题,极大限制了偏远区域、密闭设备、高危场景下传感器的应用落地。在此背景下,可捕获环境微能源的能量采集器件快速迭代,逐步成为替代传统电池、实现物联网传感器自供电的核心方案,为无源物联网发展提供了全新路径。

  • 提速赋能产业落地:加速降压转换器在工控、5G与物联网中的规模化应用

    随着工业自动化深度升级、5G全域组网与物联网终端海量普及,电子供电系统正向高密度、低时延、高可靠、低功耗方向快速迭代。降压转换器(Buck)作为板级电能变换的核心器件,承担着高压总线电压精准降压、为各类终端芯片与模块稳定供电的核心职能,是工控设备、5G通信单元、物联网感知终端稳定运行的电力基石。当前行业普遍面临设备工况复杂、电源适配性差、调试周期长、高低负载能效失衡等问题,制约了产业规模化落地。通过技术架构优化、场景化参数定制、标准化设计、量产方案精简等多重手段,可大幅加速降压转换器在三大核心领域的渗透应用,为智能制造、5G通信、万物互联产业升级提供高效电力支撑。

  • 最大化嵌入式控制系统电池寿命的低功耗模拟技术

    在物联网终端、无线传感节点、便携采集设备与无人值守嵌入式控制系统中,电池续航是决定产品实用性与运维成本的核心指标。多数低功耗嵌入式设计过度依赖软件休眠、数字时钟裁剪等数字节能手段,却忽略了模拟电路长期静态漏电、有源器件偏置冗余、采样损耗等隐性功耗问题。实际上,模拟前端、电源管理、传感采样与基准电路的静态功耗,是设备待机耗电的主要来源,往往占据整体功耗的七成以上。依托低功耗模拟技术对电源、采样、偏置与唤醒链路进行底层优化,能够从硬件根源削减无效能耗,大幅拉长嵌入式设备电池使用寿命,是实现数年长效免维护运行的核心技术路径。

  • 面向工业4.0的IIoT模块化叠加网络设计与数据处理优化方案

    工业4.0的核心是设备互联、数据互通、智能决策与柔性生产,而工业物联网(IIoT)作为数据采集与传输的核心载体,面临设备协议异构、数据冗余量大、传输时延高、网络扩容难等行业痛点。传统工业扁平化网络架构软硬件耦合度高,新增设备、升级算法需整体改造,无法适配柔性生产线动态调整需求,海量原始数据上传云端还会造成带宽拥堵、算力浪费与决策滞后。为此,适配工业场景的**模块化叠加网络**成为最优解决方案,通过分层模块化叠加架构,实现数据就地筛选、分层处理、按需传输与弹性扩容,全方位优化IIoT数据处理效率,支撑工业智能化、实时化、轻量化升级。

  • 当今物联网领域广泛应用的无线通信传输技术浅析

    物联网作为数字世界与物理世界互联互通的核心载体,依靠各类传感器采集环境、设备状态等海量数据,而无线通信传输技术正是连接终端感知层与云端平台的关键纽带。伴随工业物联网、智慧家居、智慧城市、远程设备监测等场景持续落地,单一通信技术已经无法覆盖多样化的物联网需求。不同无线技术在传输距离、功耗、带宽、成本、时延等方面各有取舍,形成了长短距离互补、高低功耗并存的技术体系。各类无线传输技术共同支撑起庞大的物联网网络,推动万物互联从概念走向大规模工程应用。

  • 融合边缘分析与操作数据,最大化释放物联网核心价值

    物联网作为数字经济的核心基础设施,已广泛渗透于工业制造、智慧城市、能源电力、智能交通等诸多领域。海量物联网终端全天候采集设备状态、环境参数、运行工况等海量数据,成为产业数字化转型的核心数据源泉。但传统物联网架构普遍存在“重采集、轻分析,重上云、轻落地”的问题,大量原始传感数据上传云端集中处理,不仅存在时延过高、带宽冗余、数据安全风险等问题,还导致海量操作数据无法及时转化为可落地的决策价值。将边缘分析技术与现场操作数据深度融合,实现数据就近处理、实时研判、闭环赋能,成为突破物联网价值瓶颈、最大化挖掘数据潜能的关键路径。

  • 势在必行的移动世界——不受束缚的无线电源世界!

    从智能手机、可穿戴设备到智能家居、低空无人机、自动驾驶汽车,现代社会早已迈入全面移动化、智能化的时代。万物互联的核心诉求,是自由、便捷、无束缚的使用体验。然而,长期以来,繁杂的电源线、固定的充电位置、受限的供电方式,始终是制约移动设备自由运行的最大枷锁。有线供电的刚性束缚,与轻量化、移动化、智能化的产业发展趋势格格不入。在此背景下,摆脱线缆依赖、实现全域自由供电的无线电源技术快速崛起,成为新时代科技升级的必然选择,一个不受束缚的无线电源时代已然势不可挡。

  • 边缘智能正在崛起,低功耗AI芯片才是未来!

    人工智能产业正迎来结构性迭代,算力中心正从云端大规模集群,逐步向终端边缘侧下沉。过去数年,AI发展高度依赖云端大算力、大模型,依靠服务器集群完成数据训练与推理,但这种模式存在延迟高、能耗大、隐私性弱、依赖网络等固有短板,难以适配万物智能的落地需求。在此背景下,无需重度云端依赖、可本地自主运算的边缘智能快速崛起,成为AI产业化落地的核心赛道。而支撑边缘智能规模化普及的核心基石,正是低功耗AI芯片。可以说,边缘智能的时代红利,最终将由低功耗AI芯片承接,低功耗、高能效、小型化的端侧算力芯片,已然成为人工智能产业的未来核心发展方向。

  • 机器人指尖的压电薄膜为什么要采到 4 千赫兹:抓稳一颗鸡蛋的关键在接触的一瞬

    让机械手抓住一个易碎的物体,难点往往不在视觉,而在接触发生的那几毫秒。压力大了会碎,小了会滑,留给控制器的判断窗口很窄。哥伦比亚大学的一支研究团队把压电薄膜和电容两种传感方式叠在同一根手指上,用 4 千赫兹的采样率去抓接触的起始和断裂瞬间,再靠基于人类反馈的强化学习去微调出力的大小,做成了以往没做到过的一件事:在灵巧手里摆弄易碎物体。

  • 一副眼镜只有 300 毫安时:常在线听和端侧算,电都花在哪了

    AI 眼镜的续航瓶颈,行业里有个大致公认的数字:整机电池容量普遍在 300 毫安时左右。这点电量要撑一整天的佩戴,还要让唤醒词检测一直在线、让端侧模型随时能跑。结果就是用户每天得充两三次电。要解决这个矛盾,先得搞清功耗都花在哪几个模块上,而这几个模块的账,各自有各自的算不清。

  • 机器人与人协作搬东西:力的信号要怎么和动作一起学

    两台机器人一起抬一件东西,或者一台机器人与人各抬一端,动作对不对不看轨迹像不像,看的是力。人往左使劲,机器人的手要跟着让一点,否则东西会被拧。这条判断线在视觉里看不出来,在力矩传感器里是明摆着的。

  • 把水印记进小模型:不增加一字节的推理开销

    把模型烧进微控制器之后,它不再是一个可以随时更新的云端服务,而是一件被安装在设备里的实物。复制一份的成本,取决于设备被拆开之后能不能把权重读出来。训练这样一个模型要花几十万条数据、几周时间和一大笔算力,而一次成功的模型提取可能只要几天。这种投入产出上的不对称,是模型水印这门技术存在的理由。

    端侧AI
    2026-09-24
    AI 端侧AI
  • 边缘AI联邦训练:省原始数据还是保收敛

    数据留在设备上,解决的是原始样本集中上传的问题,并不自动保证模型能收敛或更新不可泄露。边缘AI采用联邦训练时,统计偏置与协议容错必须同时成立。

  • 边缘AI在线学习一启动,遗忘与闪存先受压

    让设备用现场样本继续学习,看似能快速适应环境,实际会同时改写模型知识和非易失存储。边缘AI在线更新必须守住旧能力与写入寿命两条边界。

发布文章