?MCU(Microcontroller Unit)?，中文稱微控制器或單片機(jī)，是一種集成了處理器核心(CPU)、存儲器(ROM/RAM)、輸入/輸出接口(I/O)及多種外設(shè)功能的微型計算機(jī)系統(tǒng)，專為嵌入式控制任務(wù)設(shè)計。 ?

核心特點

?高度集成?

將CPU、內(nèi)存(如Flash、SRAM)、計數(shù)器、通信接口(UART/SPI/I2C)、模數(shù)轉(zhuǎn)換器(ADC)等整合在單一芯片上，形成“芯片級計算機(jī)”。

相比通用處理器(如x86)，體積更小、功耗更低，適合嵌入式應(yīng)用。

?實時性與低功耗?

能夠快速響應(yīng)外部事件，適用于工業(yè)控制、汽車電子等實時性要求高的場景。

低功耗設(shè)計使其在電池供電設(shè)備(如智能家居傳感器)中表現(xiàn)優(yōu)異。

?可編程性?

通過C語言或匯編編程，控制外部電路實現(xiàn)多樣化功能(如智能燈光自動開關(guān))。

主要應(yīng)用領(lǐng)域

?消費電子?：家電(洗衣機(jī)、空調(diào))、智能穿戴設(shè)備。

?工業(yè)自動化?：PLC、機(jī)器手臂控制。

?汽車電子?：發(fā)動機(jī)控制單元(ECU)、車載娛樂系統(tǒng)。

?物聯(lián)網(wǎng)(IoT)?：環(huán)境監(jiān)測傳感器、無線通信模塊。

由于邊緣AI是指在邊緣設(shè)備上部署和運行AI模型，而不是將數(shù)據(jù)傳輸?shù)街醒敕?wù)器進(jìn)行處理。這種方式具有低延遲、高響應(yīng)速度、保護(hù)隱私和降低數(shù)據(jù)傳輸成本等優(yōu)勢。微控制器(MCU)作為電子設(shè)備的主控制芯片，在邊緣AI的發(fā)展中扮演著重要角色，其應(yīng)用領(lǐng)域也十分廣泛。

MCU在邊緣AI中的應(yīng)用

工業(yè)自動化：

邊緣AI在工業(yè)自動化中的應(yīng)用主要集中在預(yù)測性維護(hù)和機(jī)器視覺等方面。通過實時監(jiān)測工業(yè)設(shè)備和系統(tǒng)的性能，邊緣AI可以主動識別潛在的故障，從而減少停機(jī)時間并提高生產(chǎn)效率。例如，ST基于STM32硬件平臺提供的解決方案，通過NanoEdge Studio模型創(chuàng)建工具，為工業(yè)預(yù)測性維護(hù)提供完整的解決方案。

智能家居：

在智能家居領(lǐng)域，邊緣AI可以實現(xiàn)更加智能和個性化的家居體驗。通過對智能家居設(shè)備和傳感器收集的數(shù)據(jù)進(jìn)行實時分析和處理，邊緣AI可以提供實時的環(huán)境監(jiān)測和自動化控制，提高家居的舒適性和安全性。

智能工廠：

邊緣AI在智能工廠中的應(yīng)用可以幫助企業(yè)實現(xiàn)更加智能、高效和可持續(xù)的生產(chǎn)。通過在設(shè)備本地處理數(shù)據(jù)，邊緣AI可以減少數(shù)據(jù)傳輸和響應(yīng)時間，提高數(shù)據(jù)安全性，并在網(wǎng)絡(luò)不可靠或不穩(wěn)定的情況下保持運行穩(wěn)定性。

智慧交通：

邊緣AI在智慧交通中的應(yīng)用可以實現(xiàn)更加智能、高效和安全的交通系統(tǒng)。通過對交通信號燈、路況監(jiān)測、車輛識別等設(shè)備和傳感器收集的數(shù)據(jù)進(jìn)行實時分析和處理，邊緣AI可以提供實時的交通監(jiān)測和智能化的交通控制。

為什么要在MCU集成AI?

首先，讓我們來了解下，為何MCU大廠要在MCU產(chǎn)品中布局AI，在MCU上跑AI或者將MCU與NPU等集成在一起的好處有哪些?大致可歸納為如下幾個方面：

低功耗和高效性能：MCU通常具有較低的功耗和較高的能效特性，適合應(yīng)用于低功耗場景。將AI算法和處理能力與MCU集成在一起，可以在低功耗的情況下實現(xiàn)高效的AI計算。這對于一些需要長時間運行、依賴于電池供電或功耗敏感的應(yīng)用非常重要。

實時性和即時響應(yīng)：將AI能力集成到MCU上，使得AI算法可以實時地在設(shè)備本地進(jìn)行處理和響應(yīng)，而無需依賴于云端或其他遠(yuǎn)程服務(wù)器。這提高了系統(tǒng)的實時性和即時響應(yīng)能力，使得設(shè)備能夠更快速地做出決策和反應(yīng)，適用于許多實時應(yīng)用場景，如嵌入式控制、邊緣計算等。

隱私和數(shù)據(jù)安全：將AI算法和數(shù)據(jù)處理能力放在設(shè)備本地，可以減少對云端的依賴，從而增強(qiáng)隱私和數(shù)據(jù)安全性。敏感數(shù)據(jù)可以在本地設(shè)備上進(jìn)行處理，減少了數(shù)據(jù)傳輸?shù)娘L(fēng)險和隱私泄露的可能性。這對于一些對隱私和數(shù)據(jù)安全要求較高的應(yīng)用，如智能家居、醫(yī)療設(shè)備等非常重要。

靈活性和定制化：將MCU與NPU等AI處理單元集成在一起，可以為設(shè)備提供更大的靈活性和定制化能力。根據(jù)特定的應(yīng)用需求，可以選擇不同的MCU和AI處理單元的組合，以實現(xiàn)最佳的性能和能效平衡。這種靈活性和定制化能力可以適應(yīng)各種應(yīng)用場景和需求的變化。

減少系統(tǒng)復(fù)雜性和成本：相對于將AI處理能力集中在獨立的處理器或芯片中，將其集成在MCU中可以減少組件數(shù)量和系統(tǒng)復(fù)雜性，從而降低了系統(tǒng)設(shè)計和制造的成本。

總之，有AI功能的MCU可以為物聯(lián)網(wǎng)設(shè)備提供更高級的控制和計算能力，使其能夠進(jìn)行復(fù)雜的推理和決策。因此，現(xiàn)在為邊緣設(shè)備創(chuàng)建機(jī)器學(xué)習(xí)模型正成為一種大的趨勢，這些模型稱為微型機(jī)器學(xué)習(xí)或TinyML，它主要適用于內(nèi)存和處理能力有限的設(shè)備，以及互聯(lián)網(wǎng)連接不存在或有限的設(shè)備。TinyML使在MCU上運行深度學(xué)習(xí)模型成為可能。TinyML在MCU上的應(yīng)用越來越普遍。

但是，想讓深度學(xué)習(xí)模型在MCU上跑起來，不是易事。MCU上跑AI，最關(guān)鍵的是如何將訓(xùn)練好的深度學(xué)習(xí)的模型，轉(zhuǎn)換并部署到MCU上，這需要一整套工具和方法，這對于傳統(tǒng)的MCU廠商而言還是有一定門檻的。因此，要在MCU上部署AI，必須在軟件和硬件兩方面同時著力。那么MCU巨頭們都是如何做的呢?

MCU廠商自行設(shè)計機(jī)器學(xué)習(xí)軟件

AI應(yīng)用通常需要硬件和軟件的緊密配合。但從MCU本身的屬性來看，它的資源非常有限，因此需要特定的軟件庫和工具來支持AI任務(wù)。然而，與傳統(tǒng)的計算機(jī)平臺相比，MCU上的AI軟件庫和工具的選擇和可用性相對較少。開發(fā)人員可能需要自行優(yōu)化和適配現(xiàn)有的庫，或者開發(fā)專門針對MCU的AI軟件。在幾大MCU巨頭廠商里，恩智浦和ST均已經(jīng)自行設(shè)計了機(jī)器學(xué)習(xí)相關(guān)的軟件。

邊緣AI浪潮來襲 拓展MCU市場空間

物聯(lián)網(wǎng)(IoT)設(shè)備、工控、智能家居和智能穿戴等領(lǐng)域的需求，正在帶動MCU市場的增長。從長期來看，在保證低功耗、強(qiáng)實時性的前提下，讓MCU具備更強(qiáng)的邊緣側(cè)計算和智能決策能力成為了下游市場的期許。

在這個過程中，邊緣AI成為智能設(shè)備發(fā)展的重點。邊緣AI是在物理世界的設(shè)備中部署AI應(yīng)用程序。之所以稱其為“邊緣AI”，是因為這種AI計算在靠近數(shù)據(jù)的位置完成。對比云端運算，邊緣AI具備強(qiáng)實時性，數(shù)據(jù)處理不會因為長途通信而產(chǎn)生延遲，而是能更快響應(yīng)終端用戶的需求，同時也可保證數(shù)據(jù)的隱私和安全。對比傳統(tǒng)邊緣計算只能響應(yīng)預(yù)先完成的程序輸入這一特性，邊緣AI又具備更強(qiáng)的靈活性，從而允許更多樣的信號輸入(包括文本、語音及多種聲光信號等)和針對特定類型任務(wù)的智能解決方案。

邊緣AI的以上特性，與MCU有著較強(qiáng)的契合度。一方面，MCU具備低功耗、低成本、實時性、開發(fā)周期短等特性，適合對成本和功耗敏感的邊緣智能設(shè)備。另一方面，人工智能算法的融入也能補(bǔ)強(qiáng)MCU，使其兼顧更高性能的數(shù)據(jù)處理任務(wù)。因此，“MCU+邊緣AI”正在圖像監(jiān)控、語音識別、健康狀況監(jiān)測等越來越多的領(lǐng)域得到應(yīng)用。此外，在IoT的基礎(chǔ)之上，MCU和邊緣AI的結(jié)合也將推動AIoT(人工智能物聯(lián)網(wǎng))的發(fā)展，使各種設(shè)備能夠更加智能地互聯(lián)互通。數(shù)據(jù)機(jī)構(gòu)Mordor Intelligence預(yù)測，邊緣人工智能硬件市場在2024至2029年間將以19.85%的年復(fù)合增長率增長，2029年將達(dá)到75.2億美元。

“未來的MCU將面向?qū)I(yè)化、智能化方向發(fā)展?！北本┺人箓ビ嬎慵夹g(shù)股份有限公司首席市場官劉帥告訴《中國電子報》記者，“其中智能化體現(xiàn)在兩方面，一是強(qiáng)化對AI算法和機(jī)器學(xué)習(xí)模型的支持，使得MCU擁有一定智能決策能力;二是性能提升，高端產(chǎn)品將采用多核設(shè)計以提升處理能力，滿足高性能的需求?！?

集成AI加速器 強(qiáng)化MCU性能

邊緣AI為MCU帶來了諸多市場機(jī)遇，而想要滿足智能設(shè)備在邊緣側(cè)進(jìn)行人工智能的運算需求，強(qiáng)化MCU的AI性能是重中之重。

“面向邊緣AI和端側(cè)AI需求，MCU需要做出以下調(diào)整以增強(qiáng)AI計算能力?！闭滓讋?chuàng)新MCU事業(yè)部產(chǎn)品市場總監(jiān)陳思偉表示，“一是集成AI加速器，如神經(jīng)網(wǎng)絡(luò)加速器或者專用的向量處理器，以加速AI推斷和訓(xùn)練任務(wù);二是優(yōu)化能效比，在保持性能的同時降低功耗，延長設(shè)備續(xù)航時間;三是增強(qiáng)安全性，包括數(shù)據(jù)加密、安全引導(dǎo)和安全存儲，以保護(hù)用戶數(shù)據(jù)不受攻擊;四是支持多模態(tài)感知;五是優(yōu)化系統(tǒng)集成，提供更多的硬件接口和軟件支持，使得開發(fā)人員能夠更輕松地將AI功能集成到邊緣設(shè)備中。”

在AI加速器方面，數(shù)字信號處理器(DSP)和神經(jīng)網(wǎng)絡(luò)處理器(NPU)都成為在MCU中集成的重要加速組件，讓MCU能夠在邊緣運行AI算法。具體而言，DSP更適合信號處理任務(wù)，包括音頻、視頻、通信等，而NPU則更聚焦于高效處理大量的矩陣運算和并行計算任務(wù)。

為此，各大廠商積極布局。意法半導(dǎo)體于2023年推出STM32N6，采用Arm Cortex-M55內(nèi)核，集成ISP和NPU以提供機(jī)器視覺處理能力和AI算法部署。恩智浦推出MCX N系列MCU，具有雙核Arm Cortex-M33，并集成了eIQ Neutron NPU，據(jù)了解，該NPU可將機(jī)器學(xué)習(xí)推理性能提升約40倍。

作為大多數(shù)MCU內(nèi)核的供應(yīng)方，Arm也在邊緣側(cè)NPU上發(fā)力。4月，Arm推出Ethos-U85?NPU，作為一款A(yù)I微加速器，其支持Transformer架構(gòu)和CNN(卷積神經(jīng)網(wǎng)絡(luò))，配合Armv9 Cortex-A CPU可提供4TOPS的端側(cè)算力，助力AI推理。

AI時代，除了傳感器的用量和類別會不斷增多，智能家電對傳感器的需求也會有變化。這些變化將是傳感器企業(yè)拓展家電應(yīng)用市場必須牢牢抓住的機(jī)遇。煒盛科技副總經(jīng)理孫江濤認(rèn)為，智能家電對傳感器的需求主要有3個方面的變化。

第一，環(huán)境感知從被動響應(yīng)變?yōu)橹鲃宇A(yù)判。一方面，高精度環(huán)境感知(如更高清的攝像頭、多傳感器融合)的需求會變得旺盛?；?D視覺傳感器(如ToF、結(jié)構(gòu)光)和SLAM技術(shù)，消費電子產(chǎn)品可實現(xiàn)毫米級環(huán)境建模。例如，掃地機(jī)器人通過多傳感器融合(激光雷達(dá)+視覺攝像頭)構(gòu)建動態(tài)地圖，實時避障效率提升90%以上。未來，智能家居可能通過墻面投影交互界面感知用戶手勢，實現(xiàn)“無屏化”操作。另一方面，用戶行為與習(xí)慣發(fā)生變化。汽車智能感知系統(tǒng)已實現(xiàn)攝像頭、毫米波雷達(dá)、激光雷達(dá)的協(xié)同，未來消費級產(chǎn)品將擴(kuò)展至溫濕度、氣體成分(如甲醛檢測)、電磁場等感知維度。例如，智能空調(diào)可結(jié)合人體熱成像與空氣質(zhì)量數(shù)據(jù)，動態(tài)調(diào)節(jié)送風(fēng)模式。

第二，用戶行為感知從數(shù)據(jù)采集變?yōu)橐鈭D預(yù)測，非接觸式交互感知技術(shù)將大行其道。例如，微波雷達(dá)技術(shù)(如60GHz頻段)可穿透衣物感知人體微動，應(yīng)用于智能床墊監(jiān)測呼吸頻率，或浴室鏡通過手勢控制調(diào)節(jié)水溫。此類技術(shù)已在老年人跌倒檢測系統(tǒng)中通過測試，未來將向消費級產(chǎn)品滲透。

第三，生理狀態(tài)感知從單點監(jiān)測變?yōu)槿S度健康管理，包括生物信號無感采集和情緒與認(rèn)知狀態(tài)識別。其中，在生物信號無感采集方面，柔性電子皮膚和光纖傳感器可嵌入服飾，連續(xù)監(jiān)測肌電、汗液成分、表皮溫度等指標(biāo)。例如，智能運動衣通過壓電纖維捕捉肌肉發(fā)力模式，為訓(xùn)練提供實時反饋。在情緒與認(rèn)知狀態(tài)識別方面，多模態(tài)生理信號(心率變異性+瞳孔變化+語音語調(diào))結(jié)合AI模型，可判斷用戶情緒壓力。車載DMS(駕駛員監(jiān)控系統(tǒng))已實現(xiàn)疲勞檢測，未來或擴(kuò)展至智能辦公設(shè)備，動態(tài)調(diào)節(jié)照明與提醒頻率。