嵌入式系统与 AI 结合的应用与趋势
答案要点
- 嵌入式AI即在MCU、MPU或带NPU的SoC上本地推理,优势是低延迟、省带宽、保护隐私
- 典型应用:关键词唤醒、异常检测、手势姿态识别、图像分类和人形检测
- 挑战是RAM、Flash、算力和功耗受限,需要量化、剪枝、蒸馏和轻量网络
- 常见工具:TensorFlow Lite Micro、CMSIS-NN、ONNX Runtime及芯片厂商部署工具
- 趋势:MCU集成专用NPU、端侧模型变大、软硬件协同优化
易错点
- 只看模型精度,不评估RAM峰值、推理延时和功耗
- 以为任何模型量化后都能直接跑,忽略算子支持和精度损失
- 把云端大模型方案照搬到资源极有限的MCU上
面试官常见追问
- INT8 量化为什么能在 MCU 上提速?
- 模型部署到 MCU 上要注意什么?
- 训练后量化和量化感知训练有什么区别?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。