TinyML

定义

TinyML（微型机器学习）指在资源极度受限的微控制器（通常内存以KB计、功耗毫瓦级）上部署和运行机器学习模型的技术领域，目标是让传感器端设备无需联网即可完成智能推理。

原理

核心手段包括模型压缩三件套：量化（将浮点权重转为8位整数）、剪枝与知识蒸馏，以及针对MCU的推理框架，如TensorFlow Lite for Microcontrollers、Edge Impulse平台、CMSIS-NN加速库等。模型典型体积仅数十至数百KB，常配合传感器做「常开」（always-on）监听，仅在检测到目标事件时唤醒主系统。

应用

典型应用有关键词唤醒（如语音助手的本地唤醒词）、异常振动检测（预测性维护）、手势识别、简单视觉分类与野生动物声学监测。

优缺点

优点是隐私数据不出设备、时延极低、电池寿命长、单位成本低；缺点是模型能力受限于算力内存，开发调试工具链仍不如云端成熟。