【 03】钠电 UPS 与个人 AI 设备已经做到哪一步？——从现有产品寻找 NaLink 的创新空间

1. 研究目的：NaLink 是否在重复已有产品？

前两篇探索分别讨论了个人 AI 设备的服务可靠性需求，并提出了 NaLink「钠联」的初步产品构想。

NaLink 计划通过钠电储能、低功耗守护与边缘 AI 协同，在供电异常时优先维持用户指定的关键生活服务。

但在继续开展系统设计之前，需要明确：现有产品已经实现了哪些能力？NaLink 的技术研究空间又在哪里？

本次选取钠电便携储能、个人 AI 计算终端和家庭智能中枢三类代表性产品进行比较，并结合低功耗计算与能源感知调度研究，分析 NaLink 的潜在差异化方向。

2. 现有代表性产品调研

2.1 BLUETTI Pioneer Na：钠电与备用供电

BLUETTI Pioneer Na 是一款采用钠离子电池的便携储能设备，支持 UPS 供电切换，面向户外用电和应急备电场景。

根据官方产品资料，其主要参数如下：

参数	官方公布信息
电池类型	钠离子电池
标称容量	900 Wh
最大持续输出功率	1500 W
UPS 切换时间	≤20 ms
充电温度范围	−15℃～40℃
放电温度范围	−25℃～40℃
产品重量	16 kg

上述数据为厂商标称参数，并非本项目独立测试结果。

Pioneer Na 表明，钠离子电池已经能够应用于具有备用供电功能的商业化产品。

不过，从其官方公开的主要功能来看，该产品重点解决的是电力供应问题，并不以 AI 任务管理或特定生活服务保障为主要功能。

对 NaLink 的启示：钠电备用供电本身已具备产品基础，后续创新需要进一步体现储能状态如何参与智能服务的运行决策。

2.2 Pamir Lapis One：个人 AI 与内置备电

Pamir Lapis One 是一款面向 AI Agent 的个人计算设备，主要用于支持 AI 工作流持续运行。

根据官方介绍，该设备采用 3300 mAh 锂离子电池，在外部供电断开时能够维持设备运行，官方预计续航约为 2～4 小时，具体取决于工作负载。

其内置电池的重要作用是降低外部供电变化对 AI 工作进程的影响。

截至本次调研，官方仍公布了预售及计划交付信息，因此相关续航属于厂商预期，不能直接视为独立实测性能。

Lapis One 说明，个人 AI 计算设备与后备能源的一体化设计已经出现。

因此，NaLink 不能仅将“AI 主机内置电池”作为创新点，而需要围绕具体生活服务，进一步研究能源约束与计算任务之间的协同关系。

2.3 Home Assistant Green：低功耗家庭智能中枢

Home Assistant Green 是面向家庭智能设备连接与自动化控制的本地计算终端。

根据其官方硬件资料，主要配置如下：

参数	官方公布信息
处理器	Rockchip RK3566，四核 Cortex-A55
运行内存	4 GB LPDDR4X
存储空间	32 GB eMMC
空闲功耗	约 1.7 W
负载运行功耗	约 3 W
供电方式	12 V DC 外部供电

Home Assistant 强调本地数据处理和智能家居自动化，部分功能可以在互联网中断时继续运行。

但需要注意，互联网中断不等于设备断电。Home Assistant Green 本身并未集成用于持续供电的大容量后备电池。

该产品表明，本地家庭设备管理和低功耗智能中枢已有成熟的技术基础。

对 NaLink 的启示：传感器管理、本地自动化和基础监测不应作为独立原创功能，研究重点应转向异常供电条件下的服务保障与算力分配。

3. 现有产品的能力对比

3.1 代表性产品比较

根据上述产品的公开定位与官方资料，整理以下对比。

比较项目	Pioneer Na	Lapis One	Home Assistant Green
主要定位	便携储能与 UPS	个人 AI 计算	家庭智能中枢
钠离子电池	已采用	否，采用锂离子电池	未采用
后备供电	支持	内置电池	需外接备电
本地 AI 计算	非主要功能	支持	可扩展
家庭传感器管理	非主要功能	非主要定位	支持扩展
用户自定义服务保障目标	未体现	未体现	非内置核心功能
电池与 AI 任务联合许可	未体现	未体现	未体现

注：“未体现”仅表示本次查阅的官方资料未明确展示该功能，并不代表相关技术或其他产品中不存在类似方案。

3.2 简单组合是否具有创新性？

从工程角度看，将 UPS、家庭智能网关和边缘 AI 计算模块组合，已经能够实现一定程度的后备供电与本地智能服务。

因此，如果 NaLink 仅仅将现有硬件集成在同一设备中，原创性仍然有限。

需要进一步解决的问题是：

当用户提出明确的关键服务保障目标，而电池能源不足以支持全部计算任务时，系统应当如何分配能源，并选择合适的 AI 运行方式？

这一问题将成为后续研究的重点。

4. 相关技术研究现状

4.1 低功耗事件唤醒

在嵌入式系统中，通过待机模式与事件触发机制降低处理器运行能耗，已经具有成熟的技术基础。

例如，Microchip 的低功耗传感器开发文档介绍了通过事件系统或定时器，在处理器待机期间触发传感器测量的实现方法。

这说明事件驱动的低功耗检测并非新概念，但该资料并未直接验证低功耗 MCU 与高性能边缘 AI 模块之间的完整协同架构。

对于 NaLink，仍需进一步研究：当传感器检测到需要复杂分析的事件时，系统应如何结合电池能源状态、任务重要程度与输出功率能力，决定是否唤醒边缘 AI 模块。

4.2 能源感知计算与任务调度

已有研究表明，边缘 AI 可以通过动态电压频率调节（DVFS）、任务优先级管理和推理策略调整降低计算能耗。

例如，2025 年发表于 AAAI 的 E4 研究，将提前退出推理机制与 DVFS 相结合，在边缘视频分析中联合考虑计算效率和模型性能。

2025 年发表于《Scientific Reports》的研究则针对异构多核边缘处理器，探索任务优先级、核心映射及预测性 DVFS 的协同优化。

这些研究说明，通过动态调节计算资源提高能源利用效率，已经具有明确的研究基础。

因此，NaLink 不能仅以根据电量调整 AI 推理频率作为原创主张。

后续更值得验证的方向，是将用户设定的服务保障目标、电池实际供电能力及 AI 任务执行条件纳入统一决策过程。

4.3 电池状态管理与供电约束

电池管理系统通常需要监测电压、电流和温度，并结合相关模型估计荷电状态（SOC）和健康状态（SOH）。

但 SOC 并不完全等于实际可用能量，更不能单独反映电池在当前工况下的瞬时输出能力。

对于可能产生功率峰值的 AI 计算设备，需要同时判断：

（1）电池是否具有足够能量支持任务完成；

（2）电池及电源系统是否具有足够功率支持任务启动和运行；

（3）执行任务后，是否仍能满足关键服务的最低能源需求。

这些约束本身并不是新的电池理论，但为钠电池状态与个人 AI 任务之间的协同管理提供了具体切入点。

5. NaLink 的差异化研究方向

5.1 从设备续航转向用户服务保障目标

传统储能设备通常以剩余电量、输出功率和预计续航时间描述其供电能力。

NaLink 希望进一步允许用户直接指定需要保障的服务及目标时长。

例如：

“未来 8 小时优先维持基础环境监测与本地告警，在能源允许时执行 AI 辅助分析。”

系统需要根据当前电池状态与负载需求判断目标是否可行。当无法满足全部要求时，应向用户说明限制，并提出调整方案，而非直接作出无法验证的续航承诺。

5.2 钠电能量—功率双约束的任务许可

NaLink 计划在 AI 任务执行前，同时评估任务所需总能量、瞬时功率和关键服务的最低能源预算。

如果供电条件允许，系统执行完整 AI 分析；如果能源或功率受限，则选择轻量计算、延迟非紧急任务或进入低功耗守护模式。

这一机制暂称为可靠性目标驱动的任务能源许可机制。

其核心并非重新发明任务调度算法，而是尝试将具体钠电池的供电边界与个人关键服务需求相结合。

5.3 从单纯节能转向服务质量与能源协同

延长设备运行时间并不必然意味着提高服务质量。

如果系统仅通过关闭所有 AI 计算来节省能源，虽然可能维持更长时间的基础监测，却会削弱复杂事件识别能力。

因此，NaLink 后续研究需要同时考虑：

（1）关键服务的持续可用时间；

（2）AI 异常识别效果与响应延迟；

（3）计算任务消耗的能源及瞬时功率；

（4）系统执行保障策略产生的额外开销。

项目希望探索的，是在有限供电条件下兼顾服务连续性和有效智能分析能力的控制策略。

5.4 本阶段确定的核心研究缺口

综合产品调研与已有技术研究，NaLink 的研究问题可以进一步收敛为：

在用户设定关键服务保障目标后，如何结合钠电池的可用能量、瞬时输出功率及边缘 AI 任务需求，动态选择计算模式，并在能源受限条件下兼顾服务连续性与智能分析质量？

这一方向与现有储能设备、个人 AI 终端及能源感知调度研究存在联系，但更具体的技术差异和性能收益仍需通过后续建模与实验确认。

6. 本阶段结论与下一步计划

本次调研发现，钠电备用供电、个人 AI 计算、低功耗事件唤醒及能源感知任务调度均已有相应的产品或技术基础。

因此，NaLink 不应以现有功能的简单集成作为主要创新点，而应围绕用户服务保障目标，探索钠电供电能力与边缘 AI 计算任务之间的协同机制。

下一阶段将重点分析钠离子电池的能量密度、温度适应性及实际供电特性，进一步明确：

为什么电池剩余电量不能直接等同于可用计算能力，以及钠电在 NaLink 中究竟能够提供什么实际价值？

参考资料

[1] BLUETTI. Pioneer Na Portable Power Station. 官方产品资料。

https://www.bluetti.com/products/pioneer-na-portable-power-station

[2] Pamir. Lapis One — A Dedicated Computer for Your Agents. 官方产品资料。

https://www.pamir.ai/

[3] Home Assistant. Home Assistant Green. 官方硬件资料。

https://www.home-assistant.io/green/

[4] Microchip. Generate Low-Power Sensor Project. 官方技术文档。

https://developerhelp.microchip.com/xwiki/bin/view/applications/touch/archive-2025/start-qtouch-capacitive-sensing-library/step-by-step-examples/generate-low-power-sensor-project/

[5] Zhang Z., Zhao Y., Chang M.-C., et al. E4: Energy-Efficient DNN Inference for Edge Video Analytics via Early Exiting and DVFS. Proceedings of the AAAI Conference on Artificial Intelligence, 2025, 39(1): 1165–1173.

https://doi.org/10.1609/aaai.v39i1.32104

[6] Liu Y., Qu H., Chen S., et al. Energy efficient task scheduling for heterogeneous multicore processors in edge computing. Scientific Reports, 2025, 15: 11819.

https://doi.org/10.1038/s41598-025-92604-6

注：产品参数以厂商公开资料为依据，尚未进行独立测量。本篇分析属于初步竞品与技术调研。

NaLink 探索记录 03｜现有产品调研与技术缺口分析

下一篇：【04】为什么选择钠电？——从剩余电量到真实可用能量与功率。