能量采集允许智能传感器部署在先前不可能部署的更广泛情况中，是实现新一代设备的关键。这类传感器可以进行连续的状态监测，能够用于林林总总不同的应用中，比如工业马达，以至穿戴在身体上的长期健康测量装置。
虽然这些系统可以使用电池供电，所以不需要将传感器与主电源连接，但是仍然需要更换电池或充电。一旦放置在大型马达或涡轮机附近，便很难触及和更换电池。不过，许多这些应用的优点是它们可以自己提供能量，自给自足。
只要通过合适的地震量(惯性质量)和转换器，便可利用工业马达的振动为监测它的系统提供能量。穿戴在身体上的传感器的情况类似，采集到的振动和热能可以使得电荷呈涓流形式进入电容器内，用于传感器供电(图1)。
图1：各种能量采集方法的功率密度
虽然这些系统提供了采集能量的机制，但是它们很少能够达到设计人员习惯使用的电池供电系统的功率水平。因此，设计一种功率消耗尽可能低的系统是至关重要的。
降低逻辑电路功率的关键目标是供电电压。在CMOS电路中，电压和功耗之间呈平方关系，如公式P = CV2f所示，其中C是电路电容，f是开关频率，V是施加的电压。从中可以明显看出，降低电压可以最大可能地降低功耗。晶体管近阈值和亚阈值运作提供了一种独特方法，可以将微控制器和其它逻辑电路的供电电压降低到远低于标准逻辑电路要求的水平。
近阈值和亚阈值运作的背后原理，就是器件通常被认为“开启”的阈值电压其实并不需要视为逻辑和模拟电路的目标。为了给伴随每个栅极的电容路径充电，逻辑晶体管传统上被设计为饱和时通过高电流水平;但是，给这些电路路径充电时，可以不将晶体管开关到完全饱和状态，而是允许电流更为缓慢地涓涓流过。这样的结果是开关逻辑状态会变得缓慢，但是，在典型传感器应用中，其实不需要以最高可能速度进行开关。
然而，由于阈值电压在更低水平驱动，所以晶体管泄漏电流呈指数级增加(图2)。
当电压进一步下降到深度亚阈值范围时，泄漏损失的能量比例将占优势，除了性能考虑，还引致考虑供电电压能够降低到什么程度的次级限制(图3)。
对亚阈值电路设计人员来说，关键问题是在供电电压接近阈值时的过程变化和其影响。有效设计亚阈值电路的关键，就是降低这种变化的影响的机制，例如专为克服这种变化而设计的适应性电路。美国密歇根大学和Ambiq Micro进行了多年研究，带来了这种技术等多项亚阈值技术创新。为了有效地利用这项技术，还必须对整个设计流程进行重新设计，包括从实施亚阈值逻辑电路的标准元件库直到测定纳安和皮安电流的测试策略。只有通过这种投资水平，才可能最大限度地提高亚阈值设计的节能效益。
虽然亚阈值运作最大程度地利用了电压和功耗之间的平方关系，但是，它并非在所有情况下也是最适合的晶体管运作方案选择。由于亚阈值运作的性能影响，它对近阈值甚至传统超阈值方案等使用较高电压的电路有益处。例如，存储块在存取时不一定能够从超低电压运作中受益。
在设计节能微控制器时，重要的是在电路水平方面分析电压、功率和性能之间的折衷权衡。这项工作已经在Apollo系列微控制器的核心Ambiq亚阈值功率优化技术(SPOT)平台上进行了广泛的实施。
虽然电路水平设计选择将在优化能量采集功率物联网(IoT)应用中发挥作用，但是，系统级的决策对于总能耗也有着十分重大的影响。关键举措是尽可能减少不必要的活动，这通常使用智能应用的睡眠模式来实现。采用最大限度地提高每个时钟周期所执行工作量的处理器架构，还可以实现进一步的提升。
微控制器通常具有不止一个低功耗睡眠模式，从局部存储器和大多数外设保持供电但CPU内核本身待机的轻度睡眠模式，直到大多数功能禁用和掉电的深度睡眠模式。由于越来越少的外设和内核功能保持启用，因此增加了节省的能量。但是，这种设计存在重大的折衷。
一般说来，IoT传感器节点需要对其周围的环境进行监测，并在系统条件发生变化时做出反应。对于低功耗嵌入式系统，特别是在采用能量采集系统时依赖间歇电源的嵌入式系统来说，优化的关键就是找到仍然能够对实时事件做出适当反应的最低功耗睡眠模式。
在实际系统中的微控制器最低能量睡眠模式，一般是由实时时钟处理基本的内务管理功能，并且定期唤醒系统来检查活动。例如每秒唤醒系统以检查外部条件的变化，如果需要软件处理输入的话，便转而完全唤醒处理器内核。但是，在报警情况相当少，而且间隔并不均匀的系统中，这种轮询式方法是非常浪费的。
如果让系统使用较高能量的睡眠状态来处理I/O，一旦超过阈值便可以快速唤醒处理器内核，从而确保对随机中断做出更快的响应;但是这些模式可能消耗能量库，使得处理器没有足够的功率来响应。但是，我们有可能可以结合深度睡眠模式的长处，而仍然对关键输入作出快速响应。
有些超低能量实时时钟设计可以检测外部事件，例如硬件中断引起的问题或比较器感测到的输入电压变化。当检测到外部事件时，系统可迅速转向唤醒状态，不会因为执行轮询策略而引起功率损失，并且最大限度地延长了系统处于深度睡眠模式的时间。
在处理软件时，重要的是确保每个时钟周期可以实现最高工作量。在传递给用户与/或云端之前，许多IoT传感器应用需要使用信号处理算法来检测问题和预处理数据。这不仅要求使用32位处理器架构而不是8位处理器架构(因为32位处理器只需更少的周期便可处理这些数学运算)，而且要求采用全面支持定点和浮点信号处理指令的架构。用于浮点运算的硬件支持，可以确保在减少很多的周期内完成运算，从而允许内核快速返回到更节能的睡眠状态，进一步降低总体系统级能耗。这种要求组合需要选择ARM Cortex-M4F这样的处理器，也就是Ambiq Apollo系列所采用的处理器。
由于能效提升从系统级降低到低电压水平的电路运作，将电压控制推动到极限，使得能量采集能够成为物联网日益广泛的传感器设计的可行选择。
