推理固然重要，但持续的传感器数据却会限制内存、带宽和功耗。compressionKIT™ 从源头减少数据量，从而实现更高效、可扩展的边缘 AI 系统。
过去几年，边缘 AI 的发展极大地提高了推理效率。曾经需要服务器级硬件才能运行的模型，如今已经能够在端侧芯片上运行，只需纽扣电池级别的功耗，就能在几毫秒内完成推理。
但还有另一个较少被关注到的成本来源：持续传感器数据处理所带来的系统开销。
Always-on 设备不仅运行推理，还会持续不断地产生数据。智能手表传输PPG数据时，不会在心跳间隙暂停；ECG 贴片也不会进入休眠状态。智能戒指、可穿戴音频设备以及其他传感器都会持续生成需要存储、传输或处理的数据。
这也带来了系统层面的负担：
- 本地存储的数据会迅速填满有限的内存
- 无线传输的数据会成为功耗的主要来源
- 发上传至云端的数据会增加带宽和基础设施成本
在大规模部署下，这些成本会随着数百万台设备持续累积，而且往往与运行推理本身的成本相当甚至更高。
compressionKIT 是 Ambiq 针对这一挑战推出的解决方案。这是一款基于 AI 的压缩编解码技术，可在数据被存储、传输或分析之前，在源头压缩连续的传感器数据流，同时保留后续处理所需的信号结构。欢迎观看我们的演示视频，或阅读下方的技术概述。
compressionKIT™ 的工作原理
compressionKIT 使用基于真实信号条件训练的模型，将原始传感器数据编码为更紧凑的数据表示形式。与传统固定数学变换方式不同，它能够学习信号中哪些部分包含关键有效信息，并在压缩过程中优先保留这些特征。
解码器则会根据选定的压缩等级重建信号——可从接近无损到高压缩比的数据表征，同时依然保留后续处理所需的核心波形结构。
压缩率与信号保真度的平衡控制
compressionKIT™ 支持可调节的压缩率，目标范围从 2倍 到 16倍（结合熵编码最高可达约 20倍）1。随着压缩率提升，数据量会进一步减少，但同时也会引入一定程度的重建误差。
我们使用 PRD（Percent Root-Mean-Square Difference，均方根误差百分比）来评估这种权衡关系，用于衡量重建后信号与原始信号之间的偏差程度：
- 2 倍压缩：误差约为 4.8%，视觉上与原版无异
- 更高压缩等级：误差会相应增加，但核心信号结构依然能够保持完整
这使开发者能够根据具体应用需求，在数据大小、信号质量与系统资源限制之间选择最合适的平衡方案。
在 16倍压缩率下，误差会提升至约 11%，但基础信号结构依然保持完整，可将传输数据量减少约 95%，并显着降低系统功耗。
由于 BLE（蓝牙低功耗）传输通常是可穿戴设备中最大的功耗来源之一，因此减少数据量能够直接延长电池续航时间。对于信号保真度要求极高的应用，例如临床级可穿戴设备与诊断贴片，较低的压缩率设置可将误差控制在 5% 以下，同时显著降低带宽与内存占用。
兼具降噪能力的压缩技术
AI 编解码技术的一大优势，在于其能够有效处理噪声。
传统编解码器会压缩信号中的所有内容——包括有意义的结构和不需要的伪影。相比之下，compressionKIT 使用包含各种噪声条件的真实世界数据进行训练，使其能够区分值得保留的信号特征和可去除的噪声。
因此，压缩和去噪在一次处理中即可完成——无需额外的处理或计算。
在现场演示中，向输入的PPG信号中添加基线漂移和高斯噪声，会产生明显失真的波形：
重建后的输出信号依然保持清晰稳定：
无需额外的降噪处理，也无需额外的计算资源，编解码器即可同时完成压缩与降噪。对于在实际应用环境中运行的可穿戴设备而言，运动伪影与电气干扰始终存在，因此与传统的固定变换式压缩方案相比，这种方式具有明显的优势。
灵活的部署方式
compressionKIT 支持两种实现路径：一种是结合 DSP 与 ML 的混合方案，可实现高效的端侧部署；另一种则是AI 优先的神经压缩模式，用于实现更高的数据压缩率。
这些压缩后的数据表示形式可应用于多种场景：
- 直接在设备上对压缩数据进行推理
- 压缩后上云以进行更深入的分析和模型优化
- 云、边、端结合，平衡延迟、功耗和算力
这种灵活性对于构建长期健康监测与传感应用的团队来说尤其重要。
连续传感器数据在大规模部署下，不仅存储成本高昂，传输效率也相对较低。compressionKIT™ 通过在源头压缩数据，能够以更低的存储与带宽成本，实现长达数周甚至数月的连续数据记录。
设备端性能
compressionKIT 提供一个实时可视化仪表板，可通过 USB 直接从 Ambiq 硬件端串流数据，让开发团队能够使用自己的设备，即时评估压缩与重建后的信号表现，而不仅仅依赖预先录制的数据集。
典型性能表现（演示）：
- 编码延迟：4.1毫秒
- 功耗： 31.7 mW / 单次推理
- 内存占用：~21 KB
借助如此轻量化的规模，compressionKIT 能够以极低的系统负担整合至现有的传感器处理流程中，对系统调度与资源预算的影响极小。
信号支持与应用前景
compressionKIT 反映了边缘 AI 的一个重大转变趋势：优化的不仅仅是推理能力，而是从传感器采集到最终洞察的整个数据处理链路。
通过降低持续数据流在内存、带宽与功耗方面的成本，compressionKIT™ 让 Always-on 系统更具实用性，并使大规模、长时间连续监测成为可能。
这一能力适用于多种应用场景，包括：
- 生理信号（PPG、ECG）
- 运动传感（加速度计）
- 音频及其他连续数据流
- 新兴的多模态边缘 AI 系统
当前版本主要针对 PPG、ECG 与加速度计数据进行压缩处理，这些都是可穿戴设备中最常见的信号类型。
compressionKIT 目前仍处于 Beta 测试阶段，Ambiq 正与早期合作伙伴携手，利用真实世界的传感器数据与产品限制条件来评估其性能。
compressionKIT通过解决“数据成本”（而不仅仅是推理成本）问题， 正助力边缘 AI 从单一应用场景迈向可规模化的、全天候的智能应用系统。
欲了解更多有关 compressionKIT™ 的信息，请阅读我们的新闻稿并访问官方网站。
¹ 基准测试假设原始数据以未压缩方式传输，结果在 Apollo510 平台上使用双通道 PPG 数据测量，采样频率 64 Hz ， 采样窗口4 秒。报告的压缩效果结合了 compressionKIT™ 模型提供的固定 16倍 压缩率和动态熵编码技术，在一分钟数据中可实现高达20倍的平均压缩率。20倍 的数据压缩比并非固定值，实际结果可能会有变化。
