# 项目框架3：MCU 与资源受限 SoC 的 AI 实时性与低功耗研究

## 一句话定位

本项目研究 MCU 和资源受限 SoC 引入轻量 AI 后的实时干扰、资源预算、低功耗运行与安全降级问题，形成“控制期限优先、AI 预算执行、过载主动降级”的端侧智能方法。

## 核心问题

> 在 CPU、内存、带宽、功耗和散热均受限的控制节点中，允许多大的 AI 负载，才能在不破坏周期控制和关键 I/O 截止期的前提下获得有效智能功能？

## 研究对象说明

这里的 AI 不默认等于大语言模型。根据硬件能力，可以是：

- TinyML 和小型神经网络；
- 异常检测与预测维护模型；
- 轻量视觉、语音和状态识别；
- 学习型状态估计或控制补偿；
- 能在目标设备真实运行的小型语言模型。

## 目录结构

- `00-项目总览/01-研究问题、定位与边界.md`
- `10-研究框架/00-整体研究框架.md`
- `10-研究框架/01-AI预算调度与控制保护.md`
- `10-研究框架/02-内存、功耗、热与降级.md`
- `20-实验与规划/01-实验设计.md`
- `20-实验与规划/02-指标与证据.md`

## 推荐课题名称

> **资源受限嵌入式控制系统中 AI 负载的实时预算与低功耗协同机制研究**