工业网关边缘AI部署：MCU端时序异常检测实测

在硬件IoT方向，我们把时序异常检测模型从云端下移到工业网关与传感节点，目标不是替代云端分析，而是把响应时间压到毫秒级、把上行流量降下来。

实验平台为一台 Cortex-M4 采集节点加一台四核 A55 边缘网关。节点采集三轴振动与电机电流，本地做特征提取（均方根、峭度、频带能量），输入约 120KB 的轻量 1D-CNN（INT8 量化）。节点侧只上传特征与判定结果，原始波形按需回传。

阶段进展：

• 量化后模型在 MCU 上单次推理约 9ms，内存占用低于 200KB；相比原始波形全量上传，链路流量下降约 92%；
• 本地初筛与网关侧完整判定的结论一致率约 96%，分歧集中在启停过渡段，已用状态机做门控抑制；
• 节点平均功耗增加约 4mA，电池供电场景仍需重新评估续航。

下一步：补齐变工况与启停阶段的误报统计，并验证 OTA 模型更新的灰度与回滚机制，确保端侧模型可运维。