价签、秤、门磁：门店里真正海量的设备是单片机
一家店里有多少台单片机
谈门店算力，大家想到的是收银机、自助收银机、识别盒子。这些是应用处理器档的设备：几个 GB 内存、插电、跑完整的操作系统。
真正数量多的是另一档。一家中等规模的门店，价签按百计算，冷链与温湿度传感器按十计算，门磁、客流计数器、漏水与烟雾探测器各若干。它们都是单片机：几十到几百 KB 的 flash、几十 KB 的 RAM、几十兆的主频，其中相当一部分靠电池撑几年。
两档设备的算力账完全不是一套算法。应用处理器档看 TOPS、内存带宽、并发路数；单片机档看 flash 还剩多少、一次推断耗多少毫安、电池能撑几个月。混在一起谈「端侧算力」，等于什么都没说。
单片机上，算一次非线性函数有多贵
一个容易被忽略的事实：在这类设备上，最贵的运算往往不是乘法。
arXiv 2026 年 10 月有一篇论文给了具体测量。储备池计算是一种结构特殊的模型——中间的循环网络固定不动、随机稀疏连接，只训练最后的线性读出层。这类模型每次状态更新只做很少的乘加，剩下的时间几乎都花在非线性函数上。作者在 Cortex-M4 上测到的比例是：求值 tanh 占了状态更新时间的 75%。
常规解法是查表：把函数值预先算好存进 flash，运行时按输入取值再插值。代价是三笔——表占 flash、取值要访存、插值还要再算一遍。表做得越细越准，flash 吃得越多。于是「这个算法能不能装进这台设备」经常不取决于算力，而取决于 flash 里还有没有地方放那张表。
论文提出的替代方案叫 MulClip，只用比较、取绝对值、乘法、减法构造曲率，不做查表。硬件上状态更新时间降到 tanh 的 0.34 倍，比它评测的 11 种 tanh 近似都快；8 位奇偶校验任务上，带折叠段的版本把准确率从 0.76–0.78 提到 0.97–0.98。细节在词条里，这里不重复。
值得门店关注的是那个 75% 的数字本身，而不是某个具体函数。它说明：低算力设备上，开销分布跟服务器上的直觉完全不同。
这对门店意味着什么
一、电池寿命就是人力成本。 一枚价签标称五年，是一套算法负载下测出来的。算法改重一点，五年变三年，账单不是电费，是「几百枚价签逐个人工换电池」的工时。这类成本不会出现在软件报价里，只会出现在三年后的运维预算里。
二、响应时间会变成排队。 称重仪表、防损门禁、自助机的读卡模块，都要求即时反应。算法在单片机上多花几十毫秒，高峰期就表现为「秤要等一下才出数」。
三、换批次会带来隐性差异。 同一份固件烧到另一颗 MCU 上，有没有硬件浮点单元、flash 大小是否一致、编译器版本是否相同，都会让实测值变。同型号不同批次的板子也可能有差异。这类问题在现场表现为「同一批设备，有几台就是慢一点」。
采购这类设备时该问的四句话
- 算法占多少 flash、多少 RAM，峰值是多少？ 要数字，不要「很小」。
- 推断多久跑一次，功耗预算里给它留了多少？ 每秒一次和每小时一次，是两个产品。
- 标称电池寿命是按什么负载测的？ 能不能给一条实测的电压或容量衰减曲线，而不是一个年限。
- 换 MCU 型号或换批次，固件要不要重测？ 如果答案是「不用」，要么对方把差异吃掉了，要么没测过。
什么时候这类细节不值得追
设备插电、算法跑在盒子或收银机上、判断逻辑是阈值和规则——这三种情况下，单片机上的非线性开销不是瓶颈，追问太深只会拖慢决策。
值得追的是另一种情况：设备靠电池活着、数量按百计算、算法要常驻运行。这时 flash 和毫安时是硬约束，选型阶段问清楚，比上线后换硬件便宜得多。
一句话
门店的算力账要分档算。应用处理器档看算力和内存，单片机档看 flash、毫安时，以及那一个跑不掉的非线性函数。