低功耗IoT节点端侧AI推理：模型量化与功耗实测

在电池供电的工业IoT场景中，将推理全部放在云端常受限于网络时延、断联风险与通信功耗。本实验以Cortex-M4级MCU为载体，验证在低功耗节点上直接运行轻量化模型的可行性。团队选取设备启停状态识别作为验证任务，对浮点模型完成INT8量化与算子裁剪后部署至端侧。阶段性结果如下：1. 量化后模型体积由约480KB压缩至130KB，验证集准确率下降控制在1.2%以内，单次推理耗时约35ms；2. 采用“定时唤醒—采样—推理—休眠”调度策略，节点平均电流降至毫安级以下，估算两节干电池可支撑12个月以上连续运行。实验同时发现，端侧推理对采样一致性较敏感，传感器噪声会明显放大误报率。下一步计划引入端侧自适应滤波，并打通OTA模型更新链路，为批量部署做工程准备。