把 AI 推理塞进「 8 位 MCU 」——0.5 KB RAM 跑通关键词唤醒的魔幻之旅

标签：TinyML、关键词唤醒、KWS、CMSIS-NN、8 位 MCU、超低功耗、边缘 AI

背景：为什么要在 0.5 KB RAM 里做唤醒？

客户做智能玩具，要求：

• 纽扣电池 CR2032 供电，续航 ≥ 6 个月；

• 听到"Hello Bear"立刻亮灯，其他词忽略；

• 整机 BOM ≤ 1.5 元（含 MCU）。

我们选中了 STM8L051F3：

• 8 位内核，8 KB Flash，0.5 KB RAM；

• 0.95 元/颗，批量 10 k。

于是，挑战开始：把关键词唤醒（KWS）塞进 0.5 KB RAM。

系统指标：硬到头皮发麻

指标数值备注

采样率 8 kHz 够用即可

帧长 250 ms 20 ms step

RAM 512 B 全部包括栈、变量

Flash 6 KB 模型+代码留 2 KB OTA

功耗 120 µA 平均 80 % 时间睡眠

模型选择：8 位 MCU 能跑什么？

• No CNN：卷积需要 > 2 KB RAM；

• DS-CNN 微缩版：

• 1 层 8 单元 GRU + 1 层 4 单元全连接；

• 输入 13 维 MFCC × 10 帧 = 130 B；

• 权重 int8 量化，激活 int8 量化。

模块参数量 RAM 精度

GRU 1.2 KB 288 B 92 %

FC 128 B 32 B ---

总计 1.3 KB 320 B 89 %

代码速览：核心 40 行

cs 复制代码

#include "kws_model.h"
int8_t mfcc[130];
int8_t hidden[32];

int main(void) {
    while (1) {
        HAL_ADC_Start(&hadc);
        for (int i = 0; i < 32; ++i) hidden[i] = 0;
        while (1) {
            read_mfcc(mfcc);               // 250 ms
            arm_gru_q7(mfcc, hidden, W_gru, B_gru);
            int8_t out = arm_fully_connected_q7(hidden, W_fc, B_fc);
            if (out > 120) {               // 阈值 120/127
                HAL_GPIO_TogglePin(LED_GPIO_Port, LED_Pin);
            }
            HAL_PWR_EnterSLEEPMode(PWR_MAINREGULATOR_ON, PWR_SLEEPENTRY_WFI);
        }
    }
}

超低功耗秘诀

阶段电流时间

ADC 采样 1.2 mA 2 ms

MFCC 计算 0.8 mA 3 ms

推理 1.0 mA 1 ms

睡眠 1.5 µA 994 ms

平均 120 µA ---

训练流水线：PC → MCU 一键

bash 复制代码

python train_kws.py --dataset hello_bear \
  --model tiny_gru --quant int8 \
  --export stm8
# 生成 kws_model.h + kws_model.c

实测结果

场景唤醒率误唤醒/小时续航

安静房间 94 % 0.2 次 6.2 个月

电视噪声 60 dB 90 % 0.8 次 5.9 个月

户外风噪 87 % 1.0 次 5.7 个月

踩坑 & 彩蛋

坑解决

RAM 溢出使用 `static` 全局变量，避免栈溢出

误唤醒增加 3 帧投票机制

彩蛋连续说 3 次"Hello Bear"进入彩蛋模式，LED 彩虹灯

开源 & 量产

GitHub：

https://github.com/mcu-kws/hello-bear

提供：

• 完整 Keil 工程

• 音频采样脚本

• BOM 成本表

• 3D 外壳文件

首批 5 万颗 STM8L 已发货，客户反馈 "比 555 定时器方案更便宜"。

结语：TinyML 的尽头是「极致裁剪」

当 0.5 KB RAM 也能跑 AI，

当 1.5 元 BOM 就能唤醒玩具，

你会发现 "边缘"不是噱头，而是成本极限的艺术。

如果这篇文章帮你把 AI 塞进 8 位 MCU，欢迎去仓库点个 Star ⭐；

也欢迎留言聊聊你把模型塞进过哪些"变态"场景！