兆易创新MCU事业部产品市场总监陈思伟指出，边缘计算的需求日益增长，这促使AI算法与MCU实现深度融合。在此背景下，MCU的功能不再仅限于传统的控制任务，它正逐步融入AI推理功能，广泛应用于图像识别、语音处理以及设备预测性维护等领域。
边缘AI技术的应用让微控制器单元（MCU）能够承担更高级别的数据处理任务，并实现即时决策。在智能工控领域，系统需执行诸如检测太阳能及储能系统中的电弧故障，以及进行电机轴承故障的预测性维护等任务。边缘AI技术助力MCU对设备和传感器所收集的数据进行即时分析与处理，从而提供更为精确的决策支持，显著提升系统的故障检测精确度。
AI与MCU的相互协作，为半导体领域开辟了新的增长空间，同时为智能设备的广泛应用和产业结构的优化提供了强劲的推动力。据ABI Research的预测，从2021年到2026年，具备边缘机器学习能力的设备市场出货量预计将保持24.5%的年均复合增长率。
赖长青，瑞萨电子在全球的销售和市场副总裁，以及瑞萨电子在中国的总裁，强调指出，目前AI技术正逐步从云端拓展至边缘端，旨在实现数据处理和分析的更高速度与实时性。在当前的发展态势中，MCU需进行以下几方面的调整来提升其AI计算效能：首先，引入AI加速器，比如神经网络加速器或定制的向量处理器，以此加快AI推理与训练作业的执行效率；其次，对能效比进行优化，旨在维持卓越的性能表现的同时，有效降低能耗，进而延长设备的使用时长；再次，加强安全防护，在芯片中集成数据加密、安全启动和安全存储功能，确保用户数据免受侵害；此外，还需支持多模态感知；最后，对系统集成进行优化，通过提供多样化的硬件接口和强大的软件支持，便于开发者将AI功能无障碍地嵌入边缘设备。
企业各显神通
随着人工智能与微控制器单元（MCU）相结合的潮流日益显著，众多微控制器领域的领军企业纷纷展开战略部署，相继推出了具备人工智能功能或内置神经网络处理单元（NPU）的MCU产品。
2018年，恩智浦便推出了机器学习软件eIQ，该软件适用于恩智浦Edge Verse微控制器和微处理器。在此之前，恩智浦主要依赖第三方IP，例如Arm的Ethos系列，来提供AI加速功能。随着人工智能推理需求的日益丰富和迅速增长，恩智浦公司做出了开发自主NPU架构的决策，并正式发布了eIQ Neutron NPU。这款NPU随后被应用于i.MXRT 700系列的跨界微控制器产品中。该NPU的内核采用了异构设计，具体包括两个ArmCortex-M33核心、两个DSP处理器以及一个基于开放式指令集架构的EZH-V IO协处理器。该架构的设定显著增强了AI的计算效能，使得复杂的AI模型得以在边缘端顺利运行，并在智能家居、消费医疗等多个领域展现出广阔的应用潜力。
意法半导体最新发布的STM32N6系列芯片，标志着该公司首次将Arm Helium向量处理技术应用于CPU，同时也是首款搭载自主开发的嵌入式推理专用Neural-ART加速器NPU的产物。这一系列芯片专门针对边缘AI应用进行设计，配备了先进的图像信号处理器（ISP）功能，从而为机器视觉应用提供了强有力的支持。
英飞凌公司推出了PSOC Edge E8x系列新品，该系列产品搭载了Arm Cortex-M55核心，兼容Arm Helium DSP技术，并与Arm Ethos-U55神经网络处理器相配合。此外，它还集成了Cortex-M33核心，并配备了英飞凌研发的超低功耗NNLite专用硬件加速器，用于提升神经网络的处理速度。E83和E84搭载了Arm Ethos-U55型微型神经网络处理器，相较于现有的Cortex-M系统，其机器学习性能实现了显著提升，增幅高达480倍。
德州仪器所生产的TMS320F28P55x型号C2000系列微控制器
德州仪器专注于工业及汽车领域的实时控制技术，推出了搭载NPU的TMS320F28P55x系列实时微控制器。该系列MCU内置了单精度浮点运算单元和三角函数加速器，并配备了150MHz的可编程控制律加速器。这一系列在工业控制以及电机驱动等众多领域展现出其独特的优势，不仅能够实现更为精确的控制，还能有效提升数据处理效率。
德州仪器推出的TMS320F28P55x系列C2000 MCU
瑞萨公司也表现出了高度的热情，积极进行战略部署。他们推出的RA8x1型微控制器采用了Arm Cortex-M55核心，同时，还巧妙地融入了Arm Helium技术。这项技术为Arm Cortex-M处理器中的Armv8-M架构增添了M-Profile矢量扩展功能，相较于基于Arm Cortex-M7处理器的微控制器（MCU），在数字信号处理（DSP）和机器学习（ML）的应用场景中，其性能可提升至原来的4倍。
国内企业同样不甘示弱，兆易创新推出的GD32H7高性能微控制器，搭载了600MHz的Arm Cortex-M7高效内核，具备多种硬件加速功能。它配备了从1024KB到3840KB的片上闪存和1024KB的静态随机存取存储器（SRAM），并且增加了众多通用外设资源。这些特性使得GD32H7能够为复杂运算、多媒体技术以及边缘人工智能等高端创新应用提供强有力的计算能力支持。此外，该系列中GD32G5芯片搭载Arm Cortex-M33核心，主频可达216MHz，集成了先进的DSP硬件加速模块、单精度浮点运算单元，还配备了硬件三角函数加速模块和多种滤波算法等众多硬件加速功能，从而在“MCU+AI”领域的产品阵容上得到了进一步扩充。
国芯科技推出的CCR4001S系列微控制器，采用国芯科技自主研发的RISC-V架构下的C*CoreCPU核心进行研发，其内部集成了人工智能神经网络处理器（NPU），能够运行智能控制及自适应变频控制算法，为工业控制及智能家电等行业带来了创新性的技术解决方案。
重重挑战中寻求最优解
AI技术为微控制器单元（MCU）开拓了一条崭新的发展道路，随之而来的是一系列挑战，包括内存的约束、算法的适配与改进、能耗的控制、以及安全与隐私的防护等方面的问题。
MCU的内部存储器一般包括两部分，一是闪存（Flash），二是随机存取存储器（SRAM）。专家指出，以工业控制领域广泛采用的一款典型32位微控制器单元（MCU）为例，其内置闪存（Flash）的存储空间通常介于数十KB至数MB，其中128KB或256KB较为常见，主要用于存放程序指令；而随机存取存储器（SRAM）的容量相对较小，通常在数KB至数十KB之间，主要用来保存运行过程中的数据和变量。在传统的微控制器应用领域，这种内存配置足以应对程序的执行及少量数据的存储需求；然而，一旦AI功能被引入，其内存的不足之处便显现无疑。
此外，AI系统庞大的计算需求使得MCU的处理器核心必须在高频率下连续工作，这直接导致了功耗的显著提升。对于那些依赖电池供电或是对功耗有严格要求的边缘设备而言，这种情况可能会大幅缩短设备的续航时间，加剧发热问题，甚至可能干扰设备的正常运作。
为了克服存储空间有限以及能耗过大的难题，行业采纳了多样化的能耗控制措施，并已取得了一些实际成效。在制造技术层面，持续提升生产工艺是减少能耗的重要手段之一。技术进步推动下，MCU的制造工艺正逐步从65纳米、40纳米等传统水平，过渡至更为先进的28纳米、16纳米，乃至7纳米级别。这种更先进的工艺可以降低芯片中晶体管的电阻和电容，进而减少信号传输的延迟，最终实现能量消耗的降低。
在低功耗管理领域，我们运用了动态电压频率调整（DVFS）技术，该技术能够根据微控制器（MCU）的实际工作负载，对电压和频率进行实时调整。在执行人工智能任务时，若计算需求不高，我们能够降低电压和频率，从而减少能耗；而当任务需求上升，我们则相应提升电压和频率，以确保系统性能不受影响。
算法的适配与优化同样是减少能耗的重要途径。通过提升AI算法的效率，运用轻量级的神经网络模型，可以减少模型参数的规模和计算难度，进而有效降低计算过程中的能耗。
数据安全和隐私保护也是AI MCU需要面临的关键难题。
集成NPU的恩智浦MCX N系列MCU在人脸识别中的应用
在智能家居领域，搭载AI技术的微控制器单元（MCU）被广泛用于汽车控制系统、工业物联网以及智能家居设备中。这些设备在收集用户的位置信息、使用状况、图像、声音以及生物特征等敏感数据时，若在数据收集、保存和传输环节缺乏有效的隐私保护措施，便可能遭受数据窃取或篡改的风险，进而给企业和用户带来安全隐患。
专家强调，确保数据安全的关键在于硬件加密模块。众多MCU制造商在芯片设计阶段便融入了这一模块，例如，那些运用AES（高级加密标准）加密算法的硬件单元，能够对存储在MCU内的数据进行加密处理。即便数据遭到非法窃取，若没有相应的解密密钥，也无法获取数据的真实信息。
在安全环境设计领域，打造一个稳固的运行空间极为关键。例如，运用可信执行环境（TEE）技术，于MCU内部设立一个专门的执行区域，保障AI算法与数据在这样一个可信赖的场所中得以运行；同时，借助安全启动机制，在MCU启动过程中对系统固件进行完整性检查，从而有效避免固件遭受篡改。
在不久的将来，技术的日益完善以及市场需求的持续扩大，使得AI MCU有望在更广泛的领域取得显著进展，诸如智能医疗设备和智能农业等领域。凭借不断的创新，AI与MCU的结合将为全球科技产业带来更深层次的变革，进而加速智能时代的到来。
关注中国电子报
关注本文作者
