compressionKIT™ 可在源頭減少資料，使邊緣人工智慧系統更有效率、可擴充。
過去幾年的邊緣人工智慧發展已在推論效率上取得重大進展。過去需要伺服器等級硬體的模型，現在可以在奈米級晶片上執行，以一個硬幣的預算在幾毫秒內完成推論。
但還有第二個成本中心較少受到關注：處理連續感測器資料的開銷。
永遠在線的裝置不僅會執行推論，還會不停地產生資料。串流 PPG 的智慧型手錶不會在心跳之間停頓。心電圖貼片不會休眠。智慧戒指、可聽式裝置和其他感測器持續產生必須儲存、傳輸或處理的資料。
這會造成系統層級的負擔：
- 本機儲存，資料可快速填滿有限的記憶體
- 無線傳輸，成為耗電的主要來源
- 傳送至雲端，推升頻寬與基礎架構成本
擴大規模後，這些成本會在數百萬台裝置中複合計算，而且通常會媲美或超過執行推理本身的成本。
compressionKIT 是 Ambiq 對這項挑戰的回應。 這是一款以 AI 為基礎的編解碼器，可在資料儲存、傳輸或分析之前，在來源端壓縮連續感測器串流，同時保留下游處理所需的訊號結構。觀看我們的示範或閱讀以下的技術概述：
compressionKIT 如何運作
compressionKIT 使用根據真實世界訊號條件訓練的模型，將原始感測器資料編碼為精簡的表示形式。它不是應用固定的數學變換，而是 了解信號中哪些部分帶有有意義的資訊，並在壓縮過程中優先保留這些特徵。
解碼器根據所選的壓縮等級重建訊號，壓縮等級從幾乎無損耗到高度精簡的表示，但仍保留下游處理所需的核心波形結構。
控制壓縮與保真度
壓縮是可調整的，目標範圍從2× 到 16×（使用熵編碼可達 ~20×）。每一個步驟都會減少資料量，同時引入一些重建誤差。
我們使用 PRD（Percent Root-Mean-Square Difference，百分比均方差）來評估這種取捨，PRD 用來衡量重建信號偏離原始信號的程度：
- 2 倍壓縮：~4.8% 誤差，視覺上與原始檔案無異
- 更高的壓縮層級：誤差增加，但核心訊號結構保持不變
這可讓開發人員根據自己的應用，在資料大小、訊號品質和系統限制之間選擇適當的平衡。
在 16 倍壓縮時，誤差增加至 ~11%，但基本訊號結構保持不變 – 將傳輸資料減少 ~95%，並大幅節省電力。
由於 BLE 傳輸通常是可穿戴裝置中耗電最多的裝置之一，因此減少資料量可直接延長電池壽命。對於信號保真度極為重要的應用 (例如臨床等級的可穿戴式裝置和診斷補丁)，較低的壓縮設定可維持 5% 以下的誤差，同時仍能大幅降低頻寬和記憶體。
壓縮同時去噪
以 AI 為基礎的編解碼器的主要優勢之一是其處理雜訊的能力。
傳統的編解碼器會壓縮信號中的所有內容 – 包括有意義的結構和不想要的雜訊。相比之下，compressionKIT 是在真實世界的資料上經過不同雜訊條件的訓練，因此能夠區分值得保留的訊號特徵和可以移除的雜訊。
因此，壓縮和去噪只需一次，不需要額外的處理階段或計算。
在現場示範中，在輸入 PPG 中加入基線徘徊和高斯雜訊會產生明顯劣化的波形：
重建後的輸出仍然乾淨：
無需單獨的去噪階段，也無需額外的運算，編解碼器可同時處理兩者。對於在真實環境中運作的穿戴式裝置而言，動作假象和電氣干擾是常態的，因此相較於傳統的固定變形方法，這提供了明顯的優勢。
部署彈性
compressionKIT 支援兩種實作路徑：一種是 DSP + ML 混合方式，用於高效的裝置上部署；另一種是 AI 為先的神經壓縮模式，用於最大限度地減少資料。
這些壓縮表示法可以多種方式使用：
- 直接在壓縮資料上進行裝置推論
- 壓縮雲端上傳，以進行更深入的分析和模型精煉
- 可平衡延遲、電源和運算的混合邊緣雲管道
對於建立縱向健康與感測應用程式的團隊而言，這種彈性尤其重要。
連續感測器資料的儲存成本高昂，且大規模傳輸速度緩慢。compressionKIT 透過在源頭壓縮資料，以極低的儲存和頻寬成本實現長時間監控 – 幾周甚至幾個月的連續資料。
裝置上效能
compressionKIT 包含一個即時儀表板，可透過 USB 直接從 Ambiq 硬體串流資料，讓團隊使用自己的裝置即時評估壓縮與重建的訊號，而不只是預先錄製的資料集。
代表性演出（演示）：
- 編碼延遲：4.1 毫秒
- 功率：每次推論 31.7 mW
- 記憶體佔用量：~21 KB
在這種規模下，compressionKIT 可以整合到現有的感測器處理管道中，對系統排程或資源預算的影響極小。
訊號支援與可用性
compressionKIT 反映出邊緣人工智能更廣泛的轉變：不僅是推理，而是優化從感測器到洞察力的整個資料管道。
透過降低連續資料（跨越記憶體、頻寬和電源）的成本，可實現更實用的永遠在線系統，並實現長時間的大規模感測。
這適用於廣泛的使用情況，包括：
- 生理訊號 (PPG、ECG)
- 運動感測 (加速度計)
- 音訊和其他連續資料串流
- 新興多模態邊緣 AI 系統
目前的版本著重於 PPG、ECG 和加速度計資料 – 可穿戴裝置中最常見的訊號。
compressionKIT 目前處於測試階段，Ambiq 正與早期合作夥伴合作，利用真實感應器資料和產品限制來評估效能。
透過解決資料成本問題 (不只是推論)，CompressionKIT 有助於將邊緣人工智慧從孤立的使用個案轉移到可擴充、永續的智慧。
若要瞭解有關 compressionKIT 的更多資訊，請閱讀我們的新聞稿、造訪我們的網站。
¹ 基線假設原始資料未經壓縮傳輸。結果是在 Apollo510 上使用雙通道 PPG 以 64 Hz 取樣，並以 4 秒視窗進行測量。報告的壓縮結合了 compressionKIT 模型的固定 16 倍減縮與動態熵編碼器，在一分鐘的資料中達到平均高達 20 倍的壓縮比。20 倍的資料壓縮比並不是確定的。
