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

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，可以加速神經網絡運算，實現AI功能；恩智浦推出了融入AI功能的MCU產品組合——MCX，該組合嵌入了NPU（神經網絡處理器），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，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、智能手表等產品，也能擁抱AI。

小華半導體副總經理曾光明向《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，其處理數據效率低、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。對比之下，MCU的方案能簡化設計，并且更節(jié)能環(huán)保。

75%的數據將在邊緣側處理

隨著物聯(lián)網、智能家居、工業(yè)自動化等領域的快速發(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，實現端側部署的單芯片解決方案正逐漸成為趨勢。

在端側MCU中增加AI功能，能夠有效分擔CPU的壓力。物聯(lián)網連接的萬物都在產生數據，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產品出現，AI技術將進一步向邊緣端深入，實現更加高效、智能和自主的物聯(lián)網應用。Gartner預測，未來2—5年內，具備人工智能功能的嵌入式產品有望成為市場主導。到2025年，75%的數據將在邊緣側進行處理。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?？梢姡磥矶藗華I MCU市場潛力巨大。

2021—2026全球主要市場領域中具備邊緣機器學習能力的設備總出貨量

數據來源：ABI Research

技術平衡與數據安全成為挑戰(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上做出平衡和優(yōu)化，同時需要充分考慮用戶需求和數據安全。

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，甚至出現功耗問題。芯片廠商需要在設計過程中進行權衡，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，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。”

對此，MCU行業(yè)資深產品經理王斌認為，在MCU中加入AI加速器后，可以從兩方面實現在低功耗的情況下?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功耗降低。

還需要考慮數據的安全性問題。李祥敬表示，在MCU中引入AI功能后，本地數據的留存和處理成為了一個重要問題。這些數據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接入其他設備或網絡，還需要考慮如何防止核心數據被非法讀取、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。