如今，人們對人工智能(AI" target="_blank">AI)和神經網絡的討論，往往集中在生成式AI應用上。從圖像、文本到視頻創(chuàng)作，這些前沿技術仿佛成了話語的主旋律。但是，AI的力量遠不止于此，它正悄然滲透到更加隱秘的領域，推動著工業(yè)和汽車的智能化變革。
隨著工業(yè)和汽車領域對高性能微控制器(MCU" target="_blank">MCU)的需求日益增加。從實時控制，到故障檢測的高精度需求，再到對系統(tǒng)穩(wěn)定性和安全性的嚴格要求，已經成為這些行業(yè)程需解決關鍵痛點。
隨著工業(yè)4.0的推進，傳統(tǒng)工業(yè)設備正向智能化和自動化方向轉型。這要求設備具備更高的算力、更強的實時處理能力以及支持AI算法的能力，以應對工業(yè)機器人、電機控制、預測性維護等復雜應用場景。
近年來越來越多的芯片廠商紛紛推出工業(yè)“MCU+AI”產品，MCU的算力持續(xù)提升，已經能夠滿足邊緣端低算力人工智能的需求，將AI加速器集成在MCU上，實現端側部署的單芯片解決方案正逐漸成為主流方案。
AI功能實現方式各異
采用Arm Helium?技術Arm Helium?是Arm公司在2019年推出的，為Armv8?M架構的Arm Cortex-M處理器提供的M-Profile矢量擴展技術，能夠顯著提升機器學習(ML)和數字信號處理(DSP)應用的性能。目前Arm Cortex-M52、Arm Cortex-M55和Arm Cortex-M85支持Arm Helium技術。 過去一年，瑞薩電子推出的RA8x1 MCU以及RZ/V2H MPU等產品，均集成了專為AI應用設計的硬件加速引擎，能夠滿足工業(yè)市場的需求。
其中RA8x1 MCU屬于瑞薩RA8系列，采用Arm Cortex-M55內核，高達480MHz，引入Arm Helium?技術，與基于Arm Cortex-M7處理器的MCU相比，在DSP和ML應用層面實現高達4倍的性能提升。 極海半導體的G32R501系列實時控制MCU，采用Arm Cortex-M52內核，同樣引入了Arm Helium?技術，大幅提升DSP和ML的性能，有效降低了MCU內核的實時負載，支持實時處理并減少延遲，從而降低了系統(tǒng)的整體復雜度和軟件開發(fā)難度。
集成NPU2024年8月，國芯科技推出了CCR4001S系列MCU，基于國芯科技自主RISC-V架構C*Core CPU內核研發(fā)，內部配置了AI NPU，支持智能控制算法與自適應變頻控制算法。 2024年9月，恩智浦推出的i.MX RT700系列跨界MCU，集成了NXP自研的eIQ® Neutron系列NPU AI/ML加速器。
其內核采用異構架構，包含有兩個Arm Cortex-M33，主頻分別為325MHz和250MHz，包含兩個DSP分別為HiFi-4和HiFi-1，以及包含一個基于開放式指令集架構的EZH-V IO協(xié)處理器。 2024年12月，德州儀器業(yè)內率先推出具有NPU的TMS320F28P55x系列實時MCU，采用主頻150MHz的32位C28x DSP內核，內置單精度浮點單元、三角函數加速器，采用150MHz的可編程控制律加速器。
集成NPU+ Arm Helium技術2024年4月，英飛凌推出的PSOC Edge E8x系列產品，采用Arm Cortex-M55內核，支持Arm Helium? DSP并搭配Arm Ethos?-U55的神經網絡處理器，以及Cortex-M33內核搭配著英飛凌超低功耗NNLite(用于加速神經網絡的專有硬件加速器)。
Arm Ethos?-U55是Arm公司推出的首款面向Cortex-M系列的microNPU(微神經處理單元)，專為在面積受限的嵌入式和物聯(lián)網(IoT)設備中加速機器學習(ML)推理而設計。 2024年12月，意法半導體推出的STM32N6系列產品，采用Arm Cortex-M55內核，頻率高達800MHz，是其首款引入Arm Helium?向量處理技術的CPU，也是首款采用自研的嵌入式推理專用Neural-ART Accelerator? NPU的產品。
其他方式除了集成NPU或Arm Helium?技術之外，MCU也可以通過其他方式實現一定程度的AI功能。如：通過優(yōu)化軟件算法，MCU可以在其處理能力范圍內執(zhí)行簡單的AI算法;集成DSP單元，DSP對于執(zhí)行數字信號處理任務(如FFT、濾波等)非常高效，這些任務在AI算法中也很常見;配備其他類型的協(xié)處理器，如FPU(浮點處理單元)或特殊功能協(xié)處理器，這些協(xié)處理器可以在一定程度上加速AI算法的執(zhí)行。 此外，MCU還可以通過外部接口連接專門的AI加速器芯片，AI加速器芯片可以處理復雜的AI算法，并將結果返回給MCU進行后續(xù)處理。
本土頭部MCU廠商兆易創(chuàng)新在“MCU+AI”領域的布局也走在前列。2024年11月，兆易創(chuàng)新推出的GD32G5采用Arm Cortex-M33內核，高達216MHz，內置高級DSP硬件加速器和單精度浮點單元，以及硬件三角函數加速器和濾波算法、快速傅里葉等多類硬件加速單元。2023年推出的高性能GD32H7系列芯片，同樣可以為復雜運算、多媒體技術、邊緣AI等高級創(chuàng)新應用提供強大的算力支撐，采用600MHz Arm Cortex-M7高性能內核，支持多種硬件加速，新增了大量通用外設資源。
人工智能(AI)是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。
但隨著AI從云到邊緣的發(fā)展，使得這一觀點正在迅速改變，AI計算引擎使MCU能夠突破嵌入式應用可能的極限，嵌入式設計已經能夠提高網絡攻擊的實時響應能力和設備安全性。
支持AI的MCU
云計算推動了對具有AI功能的MCU的需求;它減少了數據傳輸所需的帶寬，并節(jié)省了云服務器的處理能力。
配備AI算法的MCU正在應用包含對象識別，啟用語音服務和自然語言處理等功能的應用程序。它們還有助于提高物聯(lián)網(IoT)，可穿戴設備和醫(yī)療應用中電池供電設備的準確性和數據隱私性。
那么，MCU如何在邊緣和節(jié)點設計中實現AI功能?下面簡要介紹了三種基本方法，這些方法使MCU能夠在IoT網絡邊緣執(zhí)行AI加速。
AI生態(tài)構建
隨著邊緣AI技術的發(fā)展和應用場景的不斷落地，MCU廠商都在持續(xù)構建自身的生態(tài)。除了社區(qū)支持外，目前各大頭部MCU廠商都在以“MCU+AI”硬件為基石，持續(xù)豐富升級自身的軟件工具鏈，更好的助力客戶產品落地。
MCU的一大特點是在有限的功耗預算內提供高效的計算能力。MCU的計算資源和存儲空間比較有限，這使得在MCU上實現高算力的AI功能具有一定挑戰(zhàn)性。如何平衡性能和功耗，一直是MCU集成AI/ML加速器的難點。提高加速器的主頻，可以提高算力，但是帶來的功耗提升是非常顯著的。芯片廠商需要在保證MCU實現AI功能的同時，盡可能地控制對計算和存儲資源的需求，從而減少功耗過高帶來的影響。
瑞薩電子全球銷售與市場副總裁、瑞薩電子中國總裁賴長青：“在MCU中集成AI加速器后，可以從兩方面平衡性能和功耗問題。一方面，可通過提升制造工藝來減少功耗。另一方面，針對不需要持續(xù)執(zhí)行AI計算的場景，在非必要運行場景下，可將AI計算單元掛起，僅保留可以維持觸發(fā)條件的外設，以節(jié)省功耗。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功耗降低。”
提升制造工藝來減少功耗。制造工藝的不斷進步，芯片的功耗將進一步降低。例如，采用更先進的制程技術，可以在不增加芯片面積的情況下，提高晶體管的密度和性能，從而在降低功耗的同時，提升計算能力。
低功耗管理。當“MCU+AI”中某協(xié)處理器未被使用時，可通過MCU的電源管理單元將其置于休眠狀態(tài)，在非必要運行場景下，可將其掛起以節(jié)省功耗，待滿足觸發(fā)條件時，再啟用AI計算單元，重新恢復待機狀態(tài)，以避免不必要的功耗開銷。例如，Nordic的nRF54H系列產品采用了創(chuàng)新的工程設計，能夠在執(zhí)行AI任務時迅速返回超低功耗睡眠模式，從而顯著降低能耗。
AI算法的適配與優(yōu)化。AI加速器通常需要較高的算力，而諸如工業(yè)場景下的MCU又要求低功耗、長時間穩(wěn)定運行，所以AI算法的適配與優(yōu)化對MCU尤為重要。為了解決嵌入式系統(tǒng)資源有限的問題，一些MCU廠商采用了輕量級AI模型和硬件加速技術，使AI算法能夠在MCU上高效運行。例如，TinyML(微型機器學習)技術的出現，使得AI算法能夠在資源受限的MCU上高效運行。TinyML通過簡化模型結構和優(yōu)化算法實現，大幅降低了對計算資源和存儲空間的需求，從而在保持低功耗的同時，實現了AI功能的集成。
此外，充分考慮內存讀寫和總線設計也格外重要。在AI/ML算法中，內存讀寫往往會成為瓶頸，值得一提的是，恩智浦研發(fā)的eIQ® Neutron系列NPU，其算力覆蓋了從低功耗MCU至高性能應用處理器，并且充分考慮了內存讀寫效率和總線設計，獲取性能和功耗的平衡。
“MCU+AI”產品的解決方案在設計開發(fā)、端側落地部署等環(huán)節(jié)中均面臨數據安全風險，如何確保用戶的數據安全和隱私保護是個至關重要的問題。
開發(fā)階段數據隱私保護。在AI項目開發(fā)階段中，客戶為了訓練AI模型實現特定的功能，需要準備大量的樣本數據，應用這些數據樣本的方法和AI建模過程可能涉及知識產權，并且獲取這些數據樣本也付出了巨大的成本，因此，如何保護這些數據資產不被意外流失，是很多客戶關注的重點。
在開發(fā)階段，MCU廠商需要重視用戶數據的隱私保護。在導入和部署AI模型時，提供的算法和模型應僅限于技術支持，確保用戶的數據始終由客戶控制，避免任何潛在的數據泄露風險。
當前，MCU在技術層面呈現出三大發(fā)展趨勢，分別為AI融合、集成度提升、架構創(chuàng)新與制程迭代，這也是各大企業(yè)技術競爭的關鍵焦點。
當前，在智能物聯(lián)、智能工控、汽車電子等新興領域的快速發(fā)展下，MCU的應用場景不斷拓寬，市場需求不斷提升。但這些新興領域對于MCU的性能要求也在提升，包括更低的功耗、成本，更高的實時性、可靠性等。將邊緣AI技術融入MCU就成了廠商解決這一難題的秘訣。
兆易創(chuàng)新MCU事業(yè)部產品市場總監(jiān)陳思偉表示：“邊緣計算的需求正在推動AI算法與MCU的深度結合。MCU不再局限于傳統(tǒng)控制功能，而是逐漸集成AI推理能力，用于圖像識別、語音處理、設備預測性維護等場景。”
邊緣AI技術可以使MCU兼顧更高性能的數據處理任務，實現實時決策功能。例如，在智能工控領域，需要系統(tǒng)執(zhí)行太陽能和儲能系統(tǒng)中的電弧故障檢測，以及用于預測性維護的電機軸承故障檢測等功能，邊緣AI幫助MCU對設備和傳感器收集的數據進行實時分析和處理，提供更準確的決策，使系統(tǒng)實現更高的故障檢測準確率。
下載文檔
