近日，Arm發(fā)布了專為AI應用設計的Cortex-M52處理器，其目標是取代現(xiàn)有的M33或M3/M4處理器,在MCU芯片中融入更強大的AI技術(shù)。

英飛凌、瑞薩等國際大廠，也在近期推出了融入AI能力的MCU產(chǎn)品，掀起了MCU新一輪的升級換代。

多家龍頭探索MCU+AI新模式

英飛凌于近期公布了PSoC Edge系列MCU，配備了專門為機器學習設計的硬件加速器，可以加速神經(jīng)網(wǎng)絡運算，實現(xiàn)AI功能；恩智浦推出了融入AI功能的MCU產(chǎn)品組合——MCX，該組合嵌入了NPU（神經(jīng)網(wǎng)絡處理器），專門用于加速邊緣通用的AI運算；意法半導體（ST）于5月推出了其最新的64位微控制器STM32MP2，其中融入了一個神經(jīng)處理單元（NPU），專門針對邊緣AI推理，可提供高能效的AI運算；瑞薩電子近日發(fā)布的新型RA8系列MCU，引入了Arm Helium技術(shù)，即Arm的M型向量擴展單元，使其具備了更強大的AI功能。

Arm的一位市場人員告訴《中國電子報》記者，AI+MCU模式正在向小型化輕量化設備滲透，未來藍牙耳機、智能手表等產(chǎn)品，也能擁抱AI。

小華半導體副總經(jīng)理曾光明向《中國電子報》記者表示，如果只是依靠MCU的有限算力去運行AI算法，其處理數(shù)據(jù)效率低、能耗高，并且很多應用場景達不到預期。而AI加速器可以降低MCU的CPU運算負擔，并且能有針對性地完成算法模型計算，將復雜的AI推理過程簡單化，從而顯著降低功耗。擁有AI加速單元的MCU，更容易實現(xiàn)圖像識別、語音識別、工業(yè)維護預測等功能，而這原本需要使用MPU或者SoC來實現(xiàn)。對比之下，MCU的方案能簡化設計，并且更節(jié)能環(huán)保。

75%的數(shù)據(jù)將在邊緣側(cè)處理

隨著物聯(lián)網(wǎng)、智能家居、工業(yè)自動化等領(lǐng)域的快速發(fā)展，邊緣端AI芯片的市場需求也在日益增長。邊緣端AI芯片需要具備低功耗、高性能、安全可靠等能力，同時要易于集成和部署。將AI集成在MCU上，可以更好地滿足這些需求。

在邊緣端使用搭載AI功能的MCU芯片，能夠有效減少成本。在邊緣端使用FPGA或GPU成本較高，并且無法使用電池供電。隨著MCU的算力持續(xù)提升，高頻MCU的主頻已達到GHz級別，已經(jīng)能夠滿足邊緣端低算力人工智能的需求。因此，將AI集成在MCU上，實現(xiàn)端側(cè)部署的單芯片解決方案正逐漸成為趨勢。

在端側(cè)MCU中增加AI功能，能夠有效分擔CPU的壓力。物聯(lián)網(wǎng)連接的萬物都在產(chǎn)生數(shù)據(jù)，這給CPU帶來了巨大的計算壓力。在邊緣端MCU中添加AI加速器，可以通過專用算力來進行機器學習的運算，從而有效分擔CPU的工作負載。

此外，搭載AI功能的MCU也是能夠為邊緣端的機器學習節(jié)省能耗。恩智浦相關(guān)專家向《中國電子報》記者介紹，在邊緣設備上運行機器學習模型往往會消耗大量能耗，因此，邊緣機器學習處理器供應商需要具備廣泛的產(chǎn)品組合和強大的能源管理工具套件來支持該系統(tǒng)。因此，在邊緣端采用具備低能耗特征的MCU以及MCU+其他芯片的組合來進行機器學習，能夠有效減少能耗損失，提升能效。

采用MCU以及MCU+其他芯片的組合來實現(xiàn)高能效的能源管理方法（資料來源：恩智浦）

未來，隨著更多AI+MCU產(chǎn)品出現(xiàn)，AI技術(shù)將進一步向邊緣端深入，實現(xiàn)更加高效、智能和自主的物聯(lián)網(wǎng)應用。Gartner預測，未來2—5年內(nèi)，具備人工智能功能的嵌入式產(chǎn)品有望成為市場主導。到2025年，75%的數(shù)據(jù)將在邊緣側(cè)進行處理。ABI Research預測，2021年至2026年，具有邊緣機器學習功能的設備出貨量將以24.5%的平均復合增長率(CAGR)增長?？梢?，未來端側(cè)AI MCU市場潛力巨大。

2021—2026全球主要市場領(lǐng)域中具備邊緣機器學習能力的設備總出貨量

數(shù)據(jù)來源：ABI Research

技術(shù)平衡與數(shù)據(jù)安全成為挑戰(zhàn)

然而，在MCU中引入AI功能也具有一定的挑戰(zhàn)性，需要芯片廠商在技術(shù)上做出平衡和優(yōu)化，同時需要充分考慮用戶需求和數(shù)據(jù)安全。

至頂科技分析師李祥敬向《中國電子報》記者表示：“在MCU中加入AI功能可以提升其性能和智能化水平，但同時也可能增加芯片的復雜性和成本，甚至出現(xiàn)功耗問題。芯片廠商需要在設計過程中進行權(quán)衡，確保在滿足用戶需求的同時，使MCU的復雜性和成本在可接受的范圍內(nèi)，并平衡功耗帶來的影響。此外，MCU廠商還需要考慮AI功能在實際場景中的適用性，真正帶給用戶價值?！?/p>

對此，MCU行業(yè)資深產(chǎn)品經(jīng)理王斌認為，在MCU中加入AI加速器后，可以從兩方面實現(xiàn)在低功耗的情況下?lián)碛懈咝У腁I計算能力。首先，可通過提升制造工藝來減少功耗，如今MCU的制程已逐漸集中到40nm，而MCU+AI的芯片則逐漸進入了28nm和22nm。其次，針對不需要持續(xù)執(zhí)行AI的場景，可以在芯片中關(guān)閉AI計算單元，僅保留可以維持觸發(fā)條件的外設。一旦觸發(fā)條件滿足，AI計算單元將立即打開，快速完成AI相關(guān)的計算，然后重新恢復到待機狀態(tài)。對于需要持續(xù)運行AI的邊緣設備，則保持正常供電，通過優(yōu)化算法或改進硬件效率來實現(xiàn)功耗降低。

還需要考慮數(shù)據(jù)的安全性問題。李祥敬表示，在MCU中引入AI功能后，本地數(shù)據(jù)的留存和處理成為了一個重要問題。這些數(shù)據(jù)可能涉及到用戶的隱私或設備的核心信息，因此需要采取有效的加密和保護措施。此外，如果MCU接入其他設備或網(wǎng)絡，還需要考慮如何防止核心數(shù)據(jù)被非法讀取、收集或利用。這也需要MCU芯片供應商對AI功能進行充分的驗證和測試，以確保MCU的可靠和安全。