MCU厂商为何加速布局边缘AI？

智能家居、工业物联网、可穿戴设备以及智能监控等是当前人们关注的热点。提升边缘计算的AI处理能力，将大幅提高终端设备的智能化水平。在此情况下，边缘AI近年来进入发展的快车道。而MCU是边缘计算领域应用最为广泛的处理器，它与边缘AI的融合也成为了一个重要的发展趋势。

MCU厂商加速布局边缘AI

近几年，边缘AI的发展越来越快。由于终端设备产生的数据量激增，为了实现快速响应，且能够与云端大数据处理并行，越来越多的厂商将目光投向边缘计算，尝试将训练过的AI算法嵌入终端设备当中，从而大大提升终端侧的运算能力。然而要想实现这一构想，边缘AI处理器在具备一定运算效率的同时，还应具备低成本、低功耗的特性。MCU无疑是可达到最佳效果的选择之一，因此有越来越多的MCU厂商开始着手将MCU与边缘AI加以融合。

瑞萨为此推出了嵌入式AI技术“e-AI”。如在智能制造领域，“e-AI”单元解决方案，可作为一个附加单元添加到设备上，通过预先学习好的AI处理模型，实现从传感器数据收集到数据处理、分析和评估/判断的全过程。意法半导体在去年深圳举办的第四届STM32峰会上打出“让大多数STM32产品都支持AI深度学习”的口号。Silicon Labs也与人工智能创新公司Cartesiam合作，对物联网进行算法优化。在记者观看的演示中，展示了边缘AI可以在电机控制等工业物联网中进行应用。例如，用机器学习算法对风扇运行模式进行训练，当它检测到设备异常时，会通过蓝牙将警报发送到显示器上。

国内MCU厂商也认识到这一发展趋势。有消息称，千芯科技正与兆易创新携手，在人工智能与RISC-V生态领域开展人工智能生态合作，共同为客户提供基于TensorChip和兆易创新GD32 MCU技术的AI算法芯片级加速方案。通过算法压缩及算芯协同技术，进一步强化GD32V系列MCU产品在AIoT领域的优势，并为相应领域客户提供更多更便捷的一体化方案选择。

应用落地 涌现海量终端智能

“MCU+边缘AI”已经开始在越来越多领域得到应用。“边缘计算是指把计算和处理能力从云数据中心下沉到距离用户非常近的接入网。对于MCU厂商来说，除了需要对芯片本身的集成度、功耗、成本与安全性不断优化，且打造一个广阔的产品平台外，还需要从多重维度来推进，以应对层出不穷的应用需求。”兆易创新产品市场总监金光一指出。把一些简单的人工智能算法融入MCU中，这是对现有MCU产品系列的补充和增强。随着5G的到来，人们对传统产品的延迟和能耗将提出更高更极限的要求，边缘计算便是非常好的实现方法。人工智能在MCU上实现的意义在于，可以将MCU低功耗、低成本、实时性、稳定性、开发周期短、广阔的市场覆盖率等特性与人工智能强大的处理能力相结合，从而使海量终端智能涌现出来。

图像和语音处理是“MCU+边缘AI”的目标应用领域之一。例如图形识别、语音助手唤醒词处理以及其他用于各种安全系统的声音分类等应用。在智能制造领域，由于很多工厂在疫情期间生产受到影响，再加上人力成本提高，工业制造的智能化和机械化趋势会更加深入。此外，5G的普及将推动物联网、车联网以及Wi-Fi6的发展。同时，5G基站覆盖变广，也将带来一轮“换机潮”，会催生更多围绕5G生态、智能家居、物联网的消费电子需求，因此MCU的需求在未来几年也会快速增长。赛普拉斯物联网计算与无线事业部中国区高级市场经理陈国栋表示：“这几年，国家一直在大力扶持5G、电动汽车、高端制造、消费电子、物联网等领域，这些方向将成为未来经济持续发展的引擎，也是未来几年MCU行业必须关注的市场。在这些大方向下，还会涌现一些子领域，比如智能门锁、智能音箱等。”

在后疫情时代，可穿戴设备的市场也得以拓展。“最近，NBA球队开始用智能戒指检测球员的基本身体参数，从而预警新冠病毒。这款智能戒指基于赛普拉斯PSoC系列MCU。疫情后，人们对个人健康的重视程度会有所提升，从而促进可穿戴设备市场的发展。现有的设备主要是进行心率、血压等常规的检测。而在未来，将会涵盖更多的功能，包括后端的大数据分析、挖掘以及疾病关联性研究等，这些也需要应用到边缘AI技术。”陈国栋说。

功耗与性能的平衡是挑战

未来若想实现AI应用在生活的各个领域，MCU无疑是最佳选择之一。但是MCU在效能表现方面相对较低，因此目前要将MCU应用于AI运算仍有一定的挑战。

“随着云计算的快速发展和普及，边缘计算开始在人工智能领域越来越受重视，产生这种现象的原因是很多的，例如，巨大的数据流造成沉重的网络负担、安全问题、系统延迟等。为了提高用于边缘计算的MCU的整体性能，业界期望MCU具备高处理能力、超低功耗、超小尺寸、增强的安全性机制等。”Silicon Labs 物联网产品亚太区市场营销经理邱意指出。

如何在功耗与性能之间协调达到平衡，是厂商需要考虑的问题。“目前，人工智能行业的发展需要实现场景落地，不同场景和应用的需求差异非常大。如果只是实现了语音识别和人脸识别是远远不够的，后续的行业核心竞争力是高集成度、超低功耗和超高性价比。以智能门锁为例，在实现人脸识别的同时，处理器是否还可以集成指纹识别、门锁控制等其它系统功能？人工智能一定要落地到场景，然后再针对这个场景把功能完善。因此需要提高MCU基于这个场景的集成度，同时降低功耗，提高性价比。”陈国栋说。

此外，制造工艺是MCU厂商进行产品设计时考量的一个重点。“下一代MCU工艺会发展到40纳米和22纳米。40纳米和22纳米并不是前沿的技术节点，但对于MCU已经足够。在这两个尺寸，MCU可以实现成本最优。节点越先进，MCU的动态功耗越好，静态功耗反而会变差，所以要找到一个平衡点。40纳米和22纳米是非常适合MCU的技术节点。”陈国栋指出。