云南龙网

  1. 首页 > 生活百科 > >

MCU的AI竞赛，已经打响

芯片人工智能cpuaiarm

MCU的AI竞赛，已经打响

文章图片


边缘AI的爆发 ， 正在彻底改写 MCU 的生存逻辑 。
过去 ， MCU 的核心价值是 “稳定控制” ， 比如操控家电开关、监测设备温度；如今 ， 终端产品需要更复杂的AI —— 识别用户语音指令、判断机械故障、分析环境数据 ， 这些需求倒逼 MCU 必须拥抱 AI 。
德勤中国发布的《技术趋势2025》报告显示 ， 2025年全球AI芯片市场规模预计将超过1500亿美元 。 AI MCU正是其中的关键推动力之一 ， 也成为各大MCU企业竞争的新方向 。
01为什么AI成为MCU的 “必选项”？
“用 MCU 的功耗 ， 实现近 SoC 的智能” ， 这是 AI MCU 的核心价值 。
“低功耗 + 高性能 + AI 能力” 正逐渐成为 MCU 的核心竞争力 。 背后是三重核心诉求的驱动：
第一点 ， 算力升级需求 。 传统 MCU 主打低功耗、低成本 ， 但面对图像识别、数据建模等任务时力不从心 。 以智能家居为例 ， 若想通过摄像头判断 “是否有人在家” ， 传统方案需要依赖云端计算 ， 不仅延迟高 ， 还会产生额外流量成本；而集成 AI 的 MCU 能在本地完成图像分析 ， 响应速度快 ， 且无需依赖网络 。
第二点 ， MCU相较于 MPU或FPGA更具成本优势 。 若为了实现智能功能改用 MPU（微处理器）或 FPGA ， 成本会大幅上升 ， 还可能面临功耗过高、无法适配小型设备的问题 。 AI MCU 则能以接近传统 MCU 的成本 ， 实现低算力场景下的智能需求 ， 比如工业传感器的故障预判、车载设备的环境感知 ， 这让它在批量应用中具备极强的性价比优势 。
第三点 ， 边缘AI是智能设备发展的重点 。 边缘设备往往依赖电池供电或对能耗敏感 ， 比如智能穿戴设备、无线传感器 。 AI MCU具备低功耗、实时性、开发周期短等特性 ， 正适用于对成本和功耗敏感的边缘智能设备 。
02AI MCU ， 落地场景
智能家居是AI模型在MCU中应用最为广泛的领域之一 。 通过集成AI模型的MCU ， 智能家居设备如智能灯泡、智能插座、智能门锁等能够识别用户的习惯和需求 ， 自动调整家居环境 ， 提高居住舒适度 。 比如：智能灯泡可以根据室内光线强度和用户活动情况自动调节亮度；智能门锁则可以通过人脸识别或语音识别技术实现无钥匙开锁 。
在汽车电子领域 ， AI MCU 的技术赋能贯穿智能驾驶、智能座舱与车身控制全链条 。 随着自动驾驶向高阶演进 ， AI MCU 可高效融合雷达、摄像头等多源传感器数据 ， 通过实时分析与快速决策支撑高级驾驶辅助功能 ， 同时满足车规级安全标准对可靠性与低延迟的严苛要求；智能座舱中 ， 其凭借语音交互、环境感知等能力 ， 实现人机对话的自然流畅与座舱环境的智能调节 ， 大幅提升用户体验 。
工业自动化是 AI MCU 的核心应用阵地 ， 在工业 4.0 的推动下 ， 其在预测性维护、电机控制与机器视觉等场景中展现出不可替代的价值 。 值得注意的是 ， 人形机器人的智能化依赖大模型 。 高算力 AI 芯片配上大模型 ， 能让机器人在标准化场景里搞定语义理解、任务规划等高层任务 ， “智力” 肉眼可见地提升 。 可一旦遇上要实时响应的个性化场景 ， 大模型就显得力不从心 ， 而 MCU+AI ， 正是补上这块短板的关键方案 。
03AI MCU ， 国际龙头抢占先机
面对 AI MCU 的广阔市场 ， 国际芯片巨头早已纷纷出手 ， 通过不同技术路径打造核心竞争力 ， 形成了三类主流方案：

第一种方式 ， 采用专用硬件加速器 ， 应对中高复杂度 AI 场景 。
越来越多的芯片厂商开始在MCU内部集成NPU（神经网络处理单元） 。 通过专用硬件电路处理 AI 任务中的核心运算（如卷积、矩阵乘法） ， 避免通用 CPU 的算力瓶颈 ， 是应对中高复杂度 AI 场景的主流选择 。 典型案例包括：
恩智浦(NXP) - i.MX RT700系列
恩智浦早在2018年就推出了面向边缘AI的eIQ软件平台 ， 逐步构建自主的NPU架构 ， 显著提升了智能家居、消费医疗等应用的性能表现 。
去年9月 ， 恩智浦推出全新i.MX RT700跨界MCU系列 ， 旨在为支持智能AI的边缘端设备赋能 。 i.MX RT700在单个设备中配备多达五个强大的内核 ， 包括在跨界MCU中首次集成eIQ Neutron NPU ， 可将AI相关应用的处理加速高达172倍 ， 同时将每次推理的能耗降低高达119倍 。 i.MX RT700 跨界MCU还集成了高达7.5MB的超低功耗SRAM ， 与前几代产品相比 ， 功耗降低了30-70% 。
应用场景：包括可穿戴设备、消费医疗设备、智能家居设备和HMI平台 。
意法半导体（ST）：STM32N6系列
去年12月 ， ST意法半导体正式推出首个集成NPU的新的微控制器STM32N6系列 。 STM32N6基于Cortex-M55内核 ， 主频高达800MHz ， 提供600GOPS的强大处理能力 ， 是现有最高性能STM32H7的600倍 ， 同时功耗极低 ， 每瓦可达3TOPS 。 这种创新架构使得STM32N6能够在保持传统MCU优势的同时 ， 实现高效的AI计算 ， 为机器学习任务提供了强有力的支持 。
应用场景：包含智能家居、工业自动化、智能驾驶、医疗设备等 。
第二种 ， 扩展指令集 ， 主打“轻量高效” 。
通过对 Arm Cortex-M 处理器架构的指令集扩展 ， 提升通用 CPU 的 AI 运算能力 ， 主打“轻量高效、低复杂度” ， 适合对 AI 任务精度要求不高、追求系统简洁性的场景 。
其核心技术支撑是 Arm Helium 矢量扩展 —— 作为 Armv8-M 架构的重要特性 ， 它为 Cortex-M 处理器新增了矢量运算指令 ， 可同时处理多组数据 。
该方案的显著优势在于“低门槛”：无需额外集成独立 NPU 硬件 ， 不仅减少了芯片设计复杂度与成本 ， 还能复用传统 Cortex-M 的软件开发生态（如编译器、调试工具） ， 开发者无需学习全新的 NPU 编程逻辑 ， 即可快速将 AI 功能融入原有嵌入式系统 。 典型案例包括：
瑞萨：RA8x1系列
瑞萨电子处于MCU行业领先地位 ， 随着RA8系列MCU推出 ， 成为业内第一家基于Cortex-M85内核的MCU供应商 。
今年7月 ， 瑞萨电子又正式发布RA8P1系列MCU ， 这款产品专为语音和视觉边缘AI应用而设计 ， 配备双Arm内核——1GHz的Cortex-M85和250MHz的Cortex-M33——以及一个Arm Ethos-U55 NPU ， 可提供高达256 GOPS的AI算力 。 在安全性方面 ， 这款新型MCU支持Arm TrustZone安全执行环境、硬件信任根、安全启动 ， 以及先进的加密引擎 ， 确保在关键边缘应用中的安全部署 。
瑞萨还发布了面向高性能边缘AIoT和人机界面的64位RZ/G3E MPU 。 该处理器集成了四核Arm Cortex-A55 CPU、Cortex-M33内核以及先进的图形处理功能 。 RZ/G3E内嵌Arm Ethos-U55 NPU ， 提供高达512 GOPS的AI算力 ， 可分担主CPU负载 ， 用于图像分类、语音识别和异常检测等任务 。
应用场景：包含电机控制、机器视觉、语音交互等 。
值得注意的是 ， 国际领先的芯片IP设计与服务提供商Arm 近日宣布 ， 正式推出自主研发的第三代高能效嵌入式芯片IP——“星辰”STAR-MC3 。 该产品基于Arm v8.1-M架构 ， 向前兼容传统MCU架构 ， 集成Arm Helium 技术 ， 显著提升CPU在AI计算方面的性能 ， 同时兼具优异的面效比与能效比 ， 实现高性能与低功耗设计 ， 面向AIoT智能物联网领域 ， 为主控芯片及协处理器提供核芯架构 ， 助力客户高效部署端侧AI应用 。
第三种 ， 采用多核异构计算方案 。
多核异构方案通过在单颗 MCU 中集成不同类型的计算核心（如通用 CPU、NPU、DSP） ， 让各类核心各司其职 —— 通用 CPU 负责系统控制与任务调度 ， 专用核心（NPU/DSP）处理 AI 运算或信号处理 ， 实现 “计算资源按需分配” ， 是工业控制、智能驾驶辅助等对实时性与算力均有要求场景的优选 。 典型案例包括：
英飞凌:PSOC Edge MCU
PSOC Edge是基于高性能的Arm Cortex -M55内核 ， 支持Arm Helium DSP指令集的微控制处理器 。 它不仅有自研的加速器 ， 同时还采用了Arm Ethos -U55神经网络处理器 ， 以及Cortex -M33内核搭配英飞凌超低功耗NNLite（一种用于加速神经网络的专有硬件加速器） 。 其中U55的性能更强 ， 而NNlite的功耗则更低 ， 可方便用户在不同的场景下使用 。
英飞凌最新推出的PSOC Edge MCU根据阶梯式需求 ， 涵盖三个系列E81、E83 和 E84 ， 均拥有优化的ML学习能力 。 这些产品均基于高性能的Arm Cortex-M55内核开发 ， 支持Arm Helium DSP指令集并搭配Arm Ethos-U55神经网络处理器 ， 以及Cortex-M33内核搭配英飞凌超低功耗NNLite 。
PSOC Edge E81 采用Arm Helium DSP技术和英飞凌NNLite神经网络（NN）加速器 。 PSOC Edge E83和E84内置Arm Ethos-U55微型NPU处理器 ， 与现有的Cortex-M系统相比 ， 其机器学习性能提升了480倍 ， 并且它们支持英飞凌NNlite神经网络加速器 ， 适用于低功耗计算领域的机器学习应用 。
应用场景：主要面向物联网、可穿戴设备和工业机器人等领域 。
04AI MCU ， 国产厂商开始蓄力
【MCU的AI竞赛，已经打响】在 AI MCU 技术浪潮下 ， 国内 MCU 企业也正加速布局 ， 从技术突破到产品落地全面发力 ， 力求在这一赛道占据一席之地 。
兆易创新是该领域的领军企业之一 。
具体来看 ， 兆易创新的AI MCU ， 分三个层次：
一、配合AI场景的MCU 。 此类MCU主要应用于人形机器人、机器狗等具身智能相关产品 ， 负责关节控制、传感控制等方面 。 兆易创新在工控领域长期积累的技术优势 ， 可直接应用于此类场景 ， 目前在该市场已具备较高的渗透率 。
二、通过AI算法和解决方案赋能现有MCU产品家族 。 通过AI算法和解决方案搭载现有广泛的MCU产品家族 ， 去满足客户对AI的需求 ， 如信号异常检测、AI语音识别、图像识别等 。
三、内部集成NPU的MCU产品 。 兆易创新在MCU产品中内部集成NPU加速AI运算的产品 ， 这适用于对AI算力有特殊要求的产品 。
从硬件基础来看 ， 其产品矩阵覆盖多元需求 。 兆易创新的GD32H7系列芯片采用600MHz Arm Cortex-M7高性能内核 ， 支持多种硬件加速 ， 配备了1024KB到3840KB的片上Flash及1024KB的SRAM、新增了大量通用外设资源 ， 可以为复杂运算、多媒体技术、边缘AI等高级创新应用提供强大的算力支撑 。
同时 ， 面向能源应用 ， GD32H7系列芯片搭配高精度ADC ， 实现了8-16通道的直流拉弧检测方案 ， 并结合微型机器学习（TinyML）实现本地端的AI算法 ， 可检测异常电弧 ， 起到了保障光伏系统安全运行的作用 。
场景落地方面 ， 其 AI MCU 已深度渗透家电、工业、消费电子等领域：在家电中实现智能温控、电机预测性维护与定制化交互；在工业领域支撑设备状态监测、运动控制优化；在消费电子中赋能健康数据采集与低功耗智能交互 。
除了基于 Arm 架构的研发 ， 国内厂商还在通过 RISC-V 架构探索自主创新路径 。 RISC-V 作为开源指令集架构 ， 具有灵活性高、可扩展性强、成本低的优势 ， 正成为边缘 AI 场景的新选择 。 国芯科技便是这一路径的代表：
去年 ， 国芯科技首次推出基于RISC-V架构的端侧AI MCU芯片 。
国芯科技AI MCU芯片CCR4001S采用公司自主开发的RISC-V内核CRV4H ， 主频230MHz 。 RISC-V作为开源指令集架构 ， 因其极高的灵活性、出色的可扩展性以及显著的成本优势 ， 正迅速成为芯片设计领域中的新选择 。 RISC-V内核的简洁性不仅可以明显提升芯片的性能 ， 并具有低功耗的特点 ， 非常适合于物联网设备及其他边缘计算场景 。
从国际巨头的技术卡位到国产厂商的加速追赶 ， AI MCU 的赛道已进入 “群雄逐鹿” 的阶段 。 随着边缘 AI 需求的持续释放 ， 以及芯片技术的不断迭代 ， MCU 的 “智能进化” 还将继续 —— 未来 ， 它不仅是终端设备的 “控制中枢” ， 更将成为边缘智能的 “算力核心” ， 彻底重塑工业、消费、汽车等领域的智能形态 。
想要获取半导体产业的前沿洞见、技术速递、趋势解析 ， 关注我们！

    推荐阅读


    上一篇：vivo官宣，X300 Pro将首发搭载云台级主摄LYT-828

    下一篇：量子芯片，准备好了