论文标题：A Review of Intelligent Self-Powered Sensing Systems Enabling Autonomous AIoT

原文链接：https://doi.org/10.3390/aisens2010001

期刊名：AI Sensors

期刊主页：https://www.mdpi.com/journal/aisens

随着人工智能物联网（AIoT）深度赋能智能城市、智能工厂、可穿戴健康监测和具身智能等场景，感知节点的数量与复杂度都在快速增长。然而，制约其大规模部署的核心痛点，已不再局限于“如何实现感知”，而是如何保障海量分布式节点长周期、低维护甚至免维护的稳定运行。传统电池供电方案存在寿命短、维护成本高和环境负担重等问题，这使得自供能感知系统正成为下一阶段 AIoT 演进的必然趋势。

来自苏州大学的刘会聪教授在国际学术期刊 AI Sensors 上发表综述，创新性地从“能量—感知—计算”协同设计的全局视角，系统梳理了智能自供能感知系统的关键技术脉络。重点总结了不同能量采集技术、自供能感知技术以及低功耗智能计算的最新进展，强调真正的“自主 AIoT 节点”，不是单一器件的突破，而是取能、感知与端侧智能计算三者的深度融合与协同升级。

图1. 面向AIoT的智能自供能感知系统概述。

在技术层面，文章将主流振动能量采集路线归纳为压电、电磁与摩擦电三大类，深入讨论了通过结构创新、频带拓展与多机制复合带来的性能提升。更重要的是，文章指出自供能系统并不再局限于“为传感器供电”，而是实现“边取能、边监测”的源感一体化，即将工业振动、人体运动、风能、海浪等环境能量采集过程中的电信号直接转化为传感信息，为工业设备状态监测、海洋环境观测、医疗健康与人机交互等场景，开辟低功耗、可持续的实现路径。

本篇综述尤其值得关注的是，作者未将目光局限于“如何提高能量采集上限”，而是将“低功耗智能计算”深植于系统内核。作者指出，对于能量受限的节点，无线通信的功耗远大于本地计算。因此，自供能 AIoT 的架构必须经历从“数据传输—云端计算”，到“边缘侧预处理”，再到“设备端本地推理与决策”的演进过程。只有最大限度在端侧完成数据处理与特征提取，减少原始数据的无效传输耗能，系统才能真正迈向长期自治。

图2. 边缘计算感知节点及算法优化方法。

研究总结与未来图景

本综述清晰勾勒出下一代自供能 AIoT 的发展蓝图：未来的传感节点将不再是“电源 + 传感器 + 通信模块”的简单物理拼装，而是能够从环境中自主取能、精准状态感知，并在有限功耗下做出本地智能决策的“自主微系统”。随着云—边—端协同架构、混合能量管理策略、事件驱动型近传感计算以及新型功能材料持续交叉融合，智能自供能感知系统有望成为构筑未来可持续 AIoT 网络的基石。

期刊信息

AI Sensors (ISSN 3042-5999) 是一个国际性开放获取期刊，致力于探讨和分享人工智能 (AI) 在传感技术领域的最新进展。随着边缘计算的兴起，新型传感器越来越多地部署于分布式环境中，方便数据处理与决策可在更接近数据源的地方实现。这一转变在人工智能与物联网 (AIoT) 的背景下尤为关键，人工智能与物联网的融合正推动着智能互联系统的发展。

期刊主编：Chengkuo Lee, National University of Singapore, Singapore

期刊主题涵盖：

•AI传感器与边缘计算

•AIoT感知技术

•边缘计算中的传感器融合

•边缘AI系统的安全与隐私

•AI增强的边缘传感器分析

•AI驱动的物联网网络优化

•低功耗AI感知

•分布式AI传感器等