边缘感知 BOM：从 IMU 到接口，该如何选型

关键要点

• 按每个器件在本地能够做出什么决策 以及每次决策的能耗成本来定义规格，因为“在传感器内处理还是交给主机处理”这个问题，会在 BOM 的每一行反复出现。
• 始终在线功能才是真正的差异化所在：事件唤醒中断、传感器内分类器以及 FIFO 深度，决定了上游系统有多长时间可以休眠。
• 到 2026 年，存储已成为 BOM 中的一等公民， LPDDR 的带宽和供货情况对设计的影响，已几乎与传感器选型同样重要。
• I3C 正在成为默认的传感器总线， 它带来了专为事件唤醒设计而生的动态寻址和带内中断。

一种架构，七个物料项

一款边缘感知产品的成败取决于四件事：观察世界的传感器、运行模型的集线器、为模型供数的存储器，以及把整个栈连接起来的接口。若只按峰值指标来选，设计在实验台上能跑，到了电池供电环境中却可能“夭折”。配套文章 On-Device Inference Is Remaking the Sensor Stack 提出了更好的方法：把每个决策下推到能够完成它且成本最低的那一级。本文将把这条原则逐项落实为具体规格。

规格表，一次汇总

下面来看看：每一类器件需要重点敲定哪些规格、哪些边缘 AI 功能值得为之买单，以及常见接口是什么。

IMU：量程、噪声与“免费”分类器

惯性测量单元（IMU）是可穿戴设备、资产跟踪器和状态监测的主力器件，也是传感器内 AI 最成熟的实例。以下四类规格决定了哪款 IMU 才是合适的选择：

• 并发满量程范围。 双量程器件可以同时捕捉 16 g 的运动细节和 80 g 的冲击，或 256 g 的工业冲击，从而不再需要在分辨率与量程余量之间二选一。
• 噪声密度和陀螺零偏稳定性。 这两项决定了航位推算漂移，而消费级活动分类对这两者的容忍度远高于导航应用。算法需要什么等级，就买什么等级。
• 传感器内引擎。 免代码决策树和状态机无需固件即可完成事件分类，而 可编程传感器内 DSP则可运行定制网络。请确认工具支持情况，以及实际能容纳多少棵树或多少个状态。
• FIFO 深度与中断。 更深的 FIFO 让主机能够批量读取并延长休眠时间，而事件唤醒引脚则是分级唤醒真正落地的关键。

STMicroelectronics 在传感器内智能方面处于领先地位，TDK InvenSense、Bosch Sensortec 和 Analog Devices 则覆盖了从消费级到工业级的广泛区间。对于汽车和长生命周期设计，AEC-Q100 认证状态和 10 年供货计划也是可筛选的关键规格。

飞行时间：分区、环境光与模块化优势

飞行时间（ToF）传感器输出的是距离而不是图像，这正是它从手机扩展到笔记本电脑、机器人和家电，成为兼具隐私优势的存在检测与手势传感器的原因。直接 ToF（dToF）在片上测量光子返回时间，并向主机输出距离及置信度；间接 ToF 则以更高功耗换取更密集的深度图。可以用以下三项规格来筛选产品：

• 分区数。 从单区测距到 8x8 多区阵列，可覆盖存在检测、姿态和手势识别，而 最新模块可达到 54 x 42 分区，在最远 9 m 的范围内进行深度映射。
• 真实环境光下的测距能力。 相较于被动红外（PIR），dToF 在抗阳光干扰方面更有优势，但仍应确认数据手册中在产品实际暴露光照条件下的测距范围，以及视场角和照明视场。
• 模块封装。 大多数器件将发射器、单光子雪崩二极管（SPAD）阵列和光学器件共同封装在数毫米见方的尺寸内，把原本需要多条 BOM 物料的功能压缩为一项。选择分立方案还是模块方案，既是工程决策，也是供应链决策。

60 GHz 雷达：先决定分类在何处运行

毫米波雷达能够在视距范围内、黑暗环境中，并且无需捕获可识别图像的情况下，检测宏观运动和微运动（包括呼吸）。有些器件充当前端，执行 FMCW（调频连续波）扫频并在片上 FIFO 中存储数据，再由主机上的轻量模型进行分类；另一些则在芯片内集成 DSP，直接在传感器端运行分类器。一旦这个决策确定下来，就应重点关注以下三项规格：

• 扫频带宽， 它决定距离分辨率和微运动灵敏度。
• 通道数与封装天线， 它们决定角分辨率，并免除了射频布局负担。
• 占空比控制与动态重配置， 它们使器件能够按需在存在检测和手势识别配置之间切换，而始终在线功耗预算往往就在这里见分晓。

供应商格局按应用领域分化明显。Infineon 在消费电子和楼宇自动化方面领先，而 TI 则主导汽车舱内感知。模块供应商还提供了另一种选择：支付更高溢价，即可获得已预先完成天线与匹配设计的方案。

MEMS 麦克风：SNR 只说明了一半

麦克风是始终在线功耗故事开始的地方，而信噪比（SNR）只是规格表的一部分。还要检查以下几点：

• SNR 与声学过载点（AOP）要一起看。 再大的事件，只要发生削波，模型就无法识别，无论噪声底有多低。因此，厂商现在在提升 SNR 的同时也提高 AOP；高端数字器件可将 SNR 推近 70 dBA，并保持 133 dB SPL 的过载点。
• 输出类型。 脉冲密度调制（PDM）简单且应用广泛；I2S 和 TDM 则无需外部编解码器即可向主机提供干净的数字音频流。在选型前，先匹配主机的音频外设。
• 声音唤醒。 声学活动检测可在约 20 µA 的电流下运行，只有在确实有声音可听时，才唤醒关键词检测和主机本身。
• 阵列匹配。 波束成形要求各器件之间的相位和灵敏度匹配；请对照单体指标检查匹配规格。

传感器集线器与主机算力：买的是吞吐量

主机负责汇聚传感器数据流、打时间戳并进行同步，运行传感器本身无法完成的任务，并且只有在下层各级发出信号时才被唤醒。单看 TOPS 指标很容易误导，因此在器件选型时你应该：

• 确认模型装得下。 片上 SRAM 是否足够容纳激活数据、内存带宽、算子支持以及编译器成熟度，共同决定了最终可交付吞吐量。在确定选型之前，先用厂商工具链跑一遍真实网络。
• 明确始终在线域的规格。 在传感器集线器仍保持唤醒时的深度休眠电流，才是电池真正长期承受的负载。
• 像评估硅片一样评估工具链。 无论团队采用哪家厂商流程或第三方平台，软件成熟度通常才是卡脖子的关键项。
• 对于工业设计， 还应将安全启动、模型保护和生命周期承诺加入清单。

如今主机这一层本身也横跨了很宽的范围。低端方面，配备 NPU 的微控制器，例如 ST 的 STM32N6，已把加速视觉与音频能力带入 MCU 的功耗和成本预算。再往上一档，基于 Arm 的 Ethos-U85构建的器件，已可把 transformer 算子带到端点。高端则有边缘 SoC，例如 Qualcomm 的 Dragonwing Q-8750，能够运行多模态流水线和小型语言模型。应根据产品当前要运行的最重模型来匹配这一层级，同时为明年要运行的模型留出余量。

存储器：如今决定预算的那一项

内存决定设计是否可行，而到了 2026 年，它也决定产品能否在预算内顺利出货。对于 MCU 级推理而言，片上 SRAM 才是真正的上限，因为激活数据和工作缓冲区都必须装得下，典型容量范围为 256 KB 到 512 KB。Flash 用于存放量化模型， 在降至 8 位后，体积通常约为其 32 位原始模型的四分之一，此外还要为 OTA 更新和 A/B 分区预留余量。一旦引入视觉处理流水线或小型语言模型，就需要外部 LPDDR；此时决定加速器实际表现的，不仅是容量，还有以 GB/s 计的带宽。

不过，指定内存参数只是容易的部分。DRAM 产能已经 转向 AI 数据中心，推高了 LPDDR 价格并拉长了交期。在 BOM 冻结之前，务必检查供货情况、生命周期状态以及第二来源。在当前这个周期里，这项检查本身就是规格定义的一部分。

接口：在成本变高之前先整形流量

总线决定了引脚数量、功耗，以及有多少传感器可以共用一条线路。接口的存在，是为了在数据到达系统中昂贵的部分之前先对流量进行整形，而实现这一目标的默认选择已经发生了变化：

• I3C 正在成为传感器总线的基线。 动态寻址让多个 ToF 传感器或 IMU 能够共用一条总线，而无需来回处理地址冲突。带内中断非常适合事件唤醒型设计，而对 I2C 的向后兼容也降低了迁移难度。越来越多的新型传感器开始在提供 SPI 的同时也支持它。
• SPI 仍然用于高吞吐任务， 尤其是雷达 FIFO 读取和高数据率 IMU 流传输。
• PDM、I2S 和 TDM 承载音频， 其中 TDM 通道可扩展到麦克风阵列。
• MIPI CSI-2 用于连接摄像头以及图像级 ToF 到本地视觉处理流水线，因此向上游传输的只剩特征和元数据。

从规格书到采购

来自 On-Device Inference Is Remaking the Sensor Stack 的原则适用于 BOM 的每一项：尽可能在栈的更底层解决每个决策，并优先选择传输结果而非原始采样数据的器件。

以上每一项规格同时也都是一个搜索关键词。满量程、SNR 和片上内存都可以映射到 Octopart 的参数筛选器上；而当某项规格比筛选条件更新时（例如分区数量或传感器内置 NPU），也可以从同一结果页一键直达数据手册。按照休眠功耗预算来定义规格，并围绕决定该预算的关键参数进行筛选，那么边缘感知 BOM 最终就会汇聚成一套连贯一致的体系架构。