8.3 新兴技术融合：边缘AI与无线MCU
8.3 新兴技术融合：边缘AI与无线MCU
本节摘要：单片机正在两条线上生长：一条向外——无线能力长进芯片，每个节点直接联网；一条向内——推理能力长进芯片，传感器数据在本地直接得出判断。本节讲清无线 MCU 选型的四个工程要点、端侧 AI 的资源量级与适配场景，并给出"该不该带无线与智能"的决策方法。这是全书的出口：带着判断力回看全书的知识地图。
无线 MCU：连接长进芯片里
无线 MCU 把射频收发器与协议处理和 MCU 内核集成在单芯片上（Wi-Fi 类的 ESP32 系列、蓝牙类的 nRF52 系列、多协议的各类组合型号），把"给产品加联网能力"的门槛从"射频专业团队"降到了"会用模块的普通团队"。它替代的是上一代方案——MCU 外挂独立射频模块，两颗芯片、两套固件、一堆接口调试。
选型四个工程要点。频段与协议决定一切：2.4GHz 下的蓝牙适合手机直连与低功耗传感，Wi-Fi 适合大带宽与既有网络复用，Sub-GHz（如 LoRa）适合远距离低速率，Zigbee 适合 mesh 组网的智能家居——协议选择跟着应用拓扑走，不是跟着熟悉度走。功耗画像比平均功耗数字重要：蓝牙设备的省电依赖深睡与广播节奏，Wi-Fi 的连接保活天然费电——电池设备慎选 Wi-Fi，或接受"事件触发才上线"的使用模式。认证成本常被低估：带无线的产品出货前要做所在地区的无线电认证（各国的型号核准），周期与费用都要计入项目；选已带模块级认证的型号能省下大笔认证工作。协议栈成熟度：厂商维护的协议栈质量参差，考察方式与 8.1 的开源评估一致——活跃度、文档、坑本厚度。
端侧 AI：推理长进芯片里
端侧 AI 指 MCU 在本地运行轻量神经网络推理，把传感器信号直接变成判断——声音唤醒词识别、振动异常检测、图像里的人形检测。技术底盘是专为微控制器设计的推理框架（无操作系统要求、无动态内存、运行时几十 KB 级），加上 ARM 的 AI 加速指令或专用 NPU 外设（中高端型号开始配备）。
资源量级要有数：一个能跑在 MCU 上的模型通常是 KB 级参数（十万级参数量以内），处理一秒音频或一帧小尺寸图像，推理耗时毫秒到百毫秒级。这决定了它的适配边界——端侧 MCU AI 擅长"窄而深的感知判断"：判断"是敲击还是晃动""是唤醒词还是背景噪声"，不擅长通用视觉与语言。判断你的任务是否适合，过三问：一问数据能不能采到几千条标注样本（没有数据，模型无从谈起）；二问判断逻辑是否难以用规则表达（能写 if-else 写清的别上模型——规则透明、可验证、零资源）；三问响应与隐私是否要求本地化（云端往返延迟与数据出户是硬约束时，端侧才有必答性）。
一个典型工作流演示振动监测的落地：加速度计以低速采样 → 超过阈值的片段触发高速采样 → 特征提取（时域统计量或频谱）→ 轻量模型分类（正常、磨损、撞击）→ 结果上报。MCU 侧的工程量分布也值得知道：模型训练与转换占三成，传感器前端、特征流水线与业务集成占七成——AI 项目在 MCU 上"死在集成"的远多于"死在精度"。
图 8-3：端侧推理的数据流水线与资源分布
决策方法：该不该带无线与智能
两条生长线诱惑很多，但"带不带"要按工程逻辑裁决。无线的决策三问：产品有没有联网的直接价值（远程控制、数据聚合、OTA 运维——缺了联网功能还成立的产品，别为了时髦加无线）；供电是否撑得住（电池加 Wi-Fi 的组合要先过功耗账）；认证与运维成本是否已计入。端侧智能的决策三问：数据是否可得、规则是否表达不清、本地化是否刚性——三问全过再上，否则用状态机与阈值把需求解决掉。一句话裁决：能力跟着需求走，需求跟着价值走——这与第 1.4 节的选型哲学一脉相承，全书从这里完成闭环。
下一版地图：MCU 的未来十年
收尾看一眼地平线。三个趋势的确定性较高：制程与集成继续推进——更高的能效让"纽扣电池跑十年"从卖点变常态，更多模拟与射频功能被吸收进芯片；安全成为默认配置——法规与保险驱动下，安全启动与加密引擎从高端选项变为入门标配；AI 与无线持续下沉——今天属于中高端型号的能力，五年后大概率出现在几元钱的芯片上。对工程师的意味也清晰：芯片的差异性会继续被生态与工具吸收，基本功（时序、并发、资源预算）的半衰期远长于任何一款芯片——这正是全书把七成篇幅给了原理与工程方法的理由。
无线产品功耗的一次实测复盘
把无线的功耗账落成一个真实数字案例。背景：某无线温湿度探头，承诺两节七号电池用一年，样机实测三个月就电量告警。实测曲线（采样电阻加示波器）还原了真相：设备 95% 的时间确实睡在 3µA 的停机态，账面无懈可击；但每次上报时 Wi-Fi 模组的关联与 DHCP 过程持续 1.8 秒、平均电流 85mA——均摊下来，短短的"清醒时刻"吃掉了九成电量。收敛三板斧：协议侧改用轻量二进制上报并把关联过程换成"缓存的快速重连"，单次清醒从 1.8 秒压到 0.4 秒；上报间隔与阈值联动（温湿度无变化就不上报，变化超阈值才报），清醒次数从每小时六次降到平均一次；固件升级窗口改为低电量时自动关闭。三项合计，均摊电流降到预算内，实测续航回到十四个月。复盘的通用结论值得抄录：无线功耗的大头几乎从不在"睡得不够深"，而在"醒得太频繁、醒得太久"——降功耗的主战场是通信策略与协议设计，不是睡眠模式的参数。
端侧 AI 的量级感：一个可复现的敲门实验
端侧智能听起来玄，量级感可以亲手建立。最小实验：在一块带硬件加速的中端 MCU 上跑关键词唤醒（说出预设词唤醒设备）。资源账大致是：模型几十 KB（占 Flash 的零头）、推理单次几毫秒（占 CPU 的一小拍）、内存几 KB 的特征缓冲。工程骨架则完全是本教程的老朋友：麦克风进 ADC（4.4），采样用定时器驱动加 DMA 搬运（4.3 与 6.1），推理在任务里跑、特征提取在采集侧（6.3），唤醒事件用队列投递（5.3 与 6.3）。跑通这一遍，端侧 AI 的神秘感就卸掉了大半——它是"信号处理加小型推理"的组合，地基仍是采集、搬运、调度三件传统功夫。这个实验也是判断"要不要深入"的试金石：若你享受的是把毫秒与 KB 榨到极致的调优过程，端侧智能值得深耕；若只是产品需要一个"触发词"，把模型当黑盒组件用即可，精力留给集成与测试——8.3 开头的三问在此再次生效。
问题：无线模块是选 SoC（射频进芯片）还是选模组（独立模块）？
按产品规模分两段答。小批量与验证期用模组：射频校准、认证、协议栈已由模组厂打包，代价是单件成本高、占板面积大——但省下的三个月认证周期远超差价。上量后（年货量到十万级）评估换 SoC：单件省几元，射频设计要自己扛（layout、天线、校准、产测），认证可以复用模组时的测试报告部分项目。中间还有一条务实路线：用模组厂的参考设计自己做板（折中方案，成本与风险都取中间值）。判据一句话：模组买的是确定性，SoC 买的是成本——用规模决定换不换。
本节要点回顾
- 无线选型四要点：频段协议跟拓扑、功耗画像重于均值、认证成本计入项目、协议栈按生态评估。
- 端侧 AI 的边界：窄而深的感知判断；KB 级模型、毫秒级推理；数据、规则表达不清、本地刚性三问全过才上。
- 工程量分布：模型三成、集成七成——死于集成的项目远多于死于精度。
- 能力跟需求走：无线与智能都要过"价值三问"，时髦不是需求。
- 全书闭环：芯片快速迭代，时序、并发、预算这些基本功才是工程师的长期资产。