当AI融入MCU……

宣布时间：2023-12-06 23:27来源：中国电子报、电子信息工业网

近日，Arm宣布了专为AI应用设计的Cortex-M52处理器，其目标是取代现有的M33或M3/M4处理器,在MCU芯片中融入更强大的AI技术。

英飞凌、瑞萨等国际大厂，也在近期推出了融入AI能力的MCU产品，掀起了MCU新一轮的升级换代。

多家龙头探索MCU+AI新模式

英飞凌于近期宣布了PSoC Edge系列MCU，配备了专门为机械学习设计的硬件加速器，可以加速神经网络运算，实现AI功效；恩智浦推出了融入AI功效的MCU产品组合——MCX，该组合嵌入了NPU（神经网络处理器），专门用于加速边沿通用的AI运算；意法半导体（ST）于5月推出了其最新的64位微控制器STM32MP2，其中融入了一个神经处理单位（NPU），专门针对边沿AI推理，可提供高能效的AI运算；瑞萨电子近日宣布的新型RA8系列MCU，引入了Arm Helium技术，即Arm的M型向量扩展单位，使其具备了更强大的AI功效。

Arm的一位市场人员告诉《中国电子报》记者，AI+MCU模式正在向小型化轻量化设备渗透，未来蓝牙耳机、智能手表等产品，也能拥抱AI。

小华半导体副总经理曾灼烁向《中国电子报》记者体现，如果只是依靠MCU的有限算力去运行AI算法，其处理数据效率低、能耗高，并且许多应用场景达不到预期。而AI加速器可以降低MCU的CPU运算担负，并且能有针对性地完成算法模型盘算，将庞大的AI推理历程简单化，从而显著降低功耗。拥有AI加速单位的MCU，更容易实现图像识别、语音识别、工业维护预测等功效，而这原本需要使用MPU或者SoC来实现。比照之下，MCU的计划能简化设计，并且更节能环保。

75%的数据将在边沿侧处理

随着物联网、智能家居、工业自动化等领域的快速生长，边沿端AI芯片的市场需求也在日益增长。边沿端AI芯片需要具备低功耗、高性能、宁静可靠等能力，同时要易于集成和安排。将AI集成在MCU上，可以更好地满足这些需求。

在边沿端使用搭载AI功效的MCU芯片，能够有效减少本钱。在边沿端使用FPGA或GPU本钱较高，并且无法使用电池供电。随着MCU的算力连续提升，高频MCU的主频已抵达GHz级别，已经能够满足边沿端低算力人工智能的需求。因此，将AI集成在MCU上，实现端侧安排的单芯片解决计划正逐渐成为趋势。

在端侧MCU中增加AI功效，能够有效分担CPU的压力。物联网连接的万物都在爆发数据，这给CPU带来了巨大的盘算压力。在边沿端MCU中添加AI加速器，可以通过专用算力来进行机械学习的运算，从而有效分担CPU的事情负载。

别的，搭载AI功效的MCU也是能够为边沿端的机械学习节省能耗。恩智浦相关专家向《中国电子报》记者介绍，在边沿设备上运行机械学习模型往往会消耗大宗能耗，因此，边沿机械学习处理器供应商需要具备广泛的产品组合和强大的能源治理工具套件来支持该系统。因此，在边沿端接纳具备低能耗特征的MCU以及MCU+其他芯片的组合来进行机械学习，能够有效减少能消耗失，提升能效。

接纳MCU以及MCU+其他芯片的组合来实现高能效的能源治理要领（资料来源：恩智浦）

未来，随着更多AI+MCU产品泛起，AI技术将进一步向边沿端深入，实现越发高效、智能和自主的物联网应用。Gartner预测，未来2—5年内，具备人工智能功效的嵌入式产品有望成为市场主导。到2025年，75%的数据将在边沿侧进行处理。ABI Research预测，2021年至2026年，具有边沿机械学习功效的设备出货量将以24.5%的平均复合增长率(CAGR)增长�？杉�，未来端侧AI MCU市场潜力巨大。

2021—2026全球主要市场领域中具备边沿机械学习能力的设备总出货量

数据来源：ABI Research

技术平衡与数据宁静成为挑战

然而，在MCU中引入AI功效也具有一定的挑战性，需要芯片厂商在技术上做出平衡和优化，同时需要充分考虑用户需求和数据宁静。

据了解，MCU的一大特点是在有限的电源预算内提供高效的盘算能力。因此，MCU的盘算资源和存储空间比较有限，这使得在MCU上实现高算力的AI功效具有一定挑战性。芯片厂商需要在包管MCU实现AI功效的同时，尽可能地减少对盘算和存储资源的需求，从而减少功耗过高带来的影响。

至顶科技剖析师李祥敬向《中国电子报》记者体现：“在MCU中加入AI功效可以提升其性能和智能化水平，但同时也可能增加芯片的庞大性和本钱，甚至泛起功耗问题。芯片厂商需要在设计历程中进行权衡，确保在满足用户需求的同时，使MCU的庞大性和本钱在可接受的规模内，并平衡功耗带来的影响。别的，MCU厂商还需要考虑AI功效在实际场景中的适用性，真正带给用户价值。”

对此，MCU行业资深产品经理王斌认为，在MCU中加入AI加速器后，可以从两方面实现在低功耗的情况下拥有高效的AI盘算能力。首先，可通过提升制造工艺来减少功耗，如今MCU的制程已逐渐集中到40nm，而MCU+AI的芯片则逐渐进入了28nm和22nm。其次，针对不需要连续执行AI的场景，可以在芯片中关闭AI盘算单位，仅保存可以维持触发条件的外设。一旦触发条件满足，AI盘算单位将立即翻开，快速完成AI相关的盘算，然后重新恢复到待机状态。关于需要连续运行AI的边沿设备，则坚持正常供电，通过优化算法或革新硬件效率来实现功耗降低。

还需要考虑数据的宁静性问题。李祥敬体现，在MCU中引入AI功效后，外地数据的留存和处理成为了一个重要问题。这些数据可能涉及到用户的隐私或设备的焦点信息，因此需要接纳有效的加密和�；げ椒�。别的，如果MCU接入其他设备或网络，还需要考虑如何避免焦点数据被不法读取、收集或利用。这也需要MCU芯片供应商对AI功效进行充分的验证和测试，以确保MCU的可靠和宁静。

上一篇存储芯片至少涨幅55%不危言耸听！证实：SSD等要大涨价了！

下一篇五问全球半导体产能

分享到：

yh533388银河

当AI融入MCU……