结论前置：边缘AI芯片的胜负手，往往不在峰值算力

周立诚做边缘AI芯片架构已经十一年，他给团队立过一条规矩：项目立项时先写功耗账本，再谈算力指标。在他看来，边缘设备的电池容量和散热面积几乎固定，峰值算力再高，只要平均功耗压不住，产品就会在真实场景里掉链子。球帝直播技术解读栏目这次以人物故事切入，正是想把这类工程判断讲清楚。

他手头最近一次返工，来自一款智能门锁方案。样机在实验室跑分正常，装到门上却出现识别延迟和外壳发热。问题不在算法，也不在制程，而在架构阶段没有把唤醒频率、内存访问和推理精度放进同一张表里核算。

功耗账本的第一页：把唤醒次数当成交付指标

周立诚的做法是把整机功耗拆成待机、唤醒、推理、通信四段，每段再拆成静态漏电和动态翻转。他常说，边缘AI芯片的能效比不是实验室里的一组数字，而是用户一天里按了多少次门铃。

  • 待机段：感知前端常开，主控大部分时间休眠，漏电控制决定电池月耗。
  • 唤醒段：从休眠到可推理的启动延迟，直接影响用户体验和平均功耗。
  • 推理段：算力精度选择决定单次推理的能耗，定点与浮点的取舍要按任务定。
  • 通信段：上报频率与本地缓存的配合，往往比芯片本身更影响整机账本。

他把这张表贴在工位上，每周和固件、算法同事对一次数。球帝直播的读者里有不少做端侧方案的工程师，这种把功耗拆成可核对条目的方式，比单纯比较算力参数更有参考价值。

精度取舍：不是越低越好，而是错一次要花多少电

第二个故事发生在一次人脸识别门锁的误识率复盘。团队把模型从浮点降到定点后，功耗下降了，但误识带来的重试次数上升，平均功耗反而回升。周立诚的结论很直接：精度选择要算总账，单次推理省下的电，可能被重试和用户操作吃掉。

他给出的方法是先定任务容忍度，再看模型在不同精度下的稳定性，最后把重试概率折算成能耗。这套流程后来被写进团队的设计评审清单，也成为球帝直播技术解读栏目里常被提到的工程思路：算力精度不是孤立指标，它和能效比、用户体验绑在一起。

封装与互连：小芯片方案里的现实约束

到了方案后期，周立诚开始和封装团队讨论小芯片组合。边缘设备对面积和成本敏感，先进封装带来的互连密度提升固然诱人，但封装本身的功耗和良率成本也要进账本。他习惯把互连协议的开销折算成每比特能耗，再和单片方案对比。

他的判断是，边缘AI芯片短期内仍以单片集成为主，小芯片更适合需要灵活扩展的产品线。球帝直播在技术解读中多次强调，先进封装改变的是带宽账本，而账本最终要回到产品形态上核算。

三年下来，周立诚的功耗账本换过三个版本，唯一没变的是结论前置的习惯：先写清楚每一度电花在哪里，再谈架构。对关注智能芯片产业的读者来说，这或许比任何单项参数都更接近工程真相。