MCU加速與邊緣AI融合發展

陳炳欣

智能家居、工業物聯網、可穿戴設備以及智能監控等是當前人們關注的熱點。提升邊緣計算的AI處理能力，將大幅提高終端設備的智能化水平。在此情況下，邊緣AI近年來進入發展的快車道。而MCU是邊緣計算領域應用最為廣泛的處理器，它與邊緣AI的融合也成為了一個重要的發展趨勢。

MCU廠商

加速布局邊緣Al

近幾年，邊緣AI的發展越來越快。由于終端設備產生的數據量激增，為了實現快速響應，且能夠與云端大數據處理并行，越來越多的廠商將目光投向邊緣計算，嘗試將訓練過的AI算法嵌人終端設備當中，從而大大提升終端側的運算能力。然而要想實現這一構想，邊緣AI處理器在具備一定運算效率的同時，還應具備低成本、低功耗的特性。MCU無疑是可達到最佳效果的選擇之一，因此有越來越多的MCU廠商開始著手將MCU與邊緣AI加以融合。

瑞薩為此推出了嵌人式AI技術“e-AI”。如在智能制造領域，“e一AI”單元解決方案，可作為一個附加單元添加到設備上，通過預先學習好的AI處理模型，實現從傳感器數據收集到數據處理、分析和評估/判斷的全過程。意法半導體在去年深圳舉辦的第四屆STM32峰會上打出“讓大多數STM32產品都支持AI深度學習”的口號。Silicon Labs也與人工智能創新公司Cartesiam合作，對物聯網進行算法優化。在記者觀看的演示中，展示了邊緣AI可以在電機控制等工業物聯網中進行應用。例如，用機器學習算法對風扇運行模式進行訓練，當它檢測到設備異常時，會通過藍牙將警報發送到顯示器上。

國內MCU廠商也認識到這一發展趨勢。有消息稱，千芯科技正與兆易創新攜手，在人工智能與RISC-V生態領域開展人工智能生態合作，共同為客戶提供基于Tensor Chip和兆易創新GD32MCU技術的AI算法芯片級加速方案。通過算法壓縮及算芯協同技術，進一步強化GD32V系列MCU產品在AIoT領域的優勢，并為相應領域客戶提供更多更便捷的一體化方案選擇。

應用落地

涌現海量終端智能

“MCU+邊緣AI”已經開始在越來越多領域得到應用。“邊緣計算是指把計算和處理能力從云數據中心下沉到距離用戶非常近的接人網。對于MCU廠商來說，除了需要對芯片本身的集成度、功耗、成本與安全性不斷優化，且打造一個廣闊的產品平臺外，還需要從多重維度來推進，以應對層出不窮的應用需求。”兆易創新產品市場總監金光一指出。把一些簡單的人工智能算法融入MCU中，這是對現有MCU產品系列的補充和增強。隨著5G的到來，人們對傳統產品的延遲和能耗將提出更高更極限的要求，邊緣計算便是非常好的實現方法。人工智能在MCU上實現的意義在于，可以將MCU低功耗、低成本、實時性、穩定性、開發周期短、廣闊的市場覆蓋率等特性與人工智能強大的處理能力相結合，從而使海量終端智能涌現出來。

圖像和語音處理是“MCU+邊緣AI”的目標應用領域之一。例如圖形識別、語音助手喚醒詞處理以及其他用于各種安全系統的聲音分類等應用。在智能制造領域，由于很多工廠在疫情期間生產受到影響，再加上人力成本提高，工業制造的智能化和機械化趨勢會更加深入。此外，5G的普及將推動物聯網、車聯網以及Wi一Fi6的發展。同時，5G基站覆蓋變廣，也將帶來一輪“換機潮”，會催生更多圍繞5G生態、智能家居、物聯網的消費電子需求，因此MCU的需求在未來幾年也會快速增長。賽普拉斯物聯網計算與無線事業部中國區高級市場經理陳國棟表示：“這幾年，國家一直在大力扶持5G、電動汽車、高端制造、消費電子、物聯網等領域，這些方向將成為未來經濟持續發展的引擎，也是未來幾年MCU行業必須關注的市場。在這些大方向下，還會涌現一些子領域，比如智能門門鎖、智能音箱等。

在后疫情時代，可穿戴設備的市場也得以拓展。“最近，NBA球隊開始用智能戒指檢測球員的基本身體參數，從而預警新冠病毒。這款智能戒指基于賽普拉斯PSoC系列MCU。疫情后，人們對個人健康的重視程度會有所提：升，從而促進可穿戴設備市場的發展。現有的設備主要是進行心率、血壓等常規的檢測。而在未來，將會涵蓋更多的功能，包括后端的大數據分析、挖掘以及疾病關聯性研究等，這些也需要應用到邊緣AI技術。”陳國棟說。

功耗與性能的平衡是挑戰

未來若想實現AI應用在生活的各個領域，MCU無疑是最佳選擇之一。但是MCU在效能表現方面相對較低，因此目前要將MCU應用于AI運算仍有一定的挑戰。“隨著云計算的快速發展和普及，邊緣計算開始在人工智能領域越來越受重視，產生這種現象的原因是很多的，例如，巨大的數據流造成沉重的網絡負擔、安全問題、系統延遲等。為了提高用于邊緣計算的MCU的整體性能，業界期望MCU具備高處理能力、超低功耗、超小尺寸、增強的安全性機制等。”Silicon Labs物聯網產品亞太區市場營銷經理邱意指出。

如何在功耗與性能之間協調達到平衡，是廠商需要考慮的問題。“目前，人工智能行業的發展需要實現場景落地，不同場景和應用的需求差異非常大。如果只是實現了語音識別和人臉識別是遠遠不夠的，后續的行業核心競爭力是高集成度、超低功耗和超高性價比。以智能門鎖為例，在實現人臉識別的同時，處理器是否還可以集成指紋識別、門鎖控制等其它系統功能？人工智能一定要落地到場景，然后再針對這個場景把功能完善。因此需要提高MCU基于這個場景的集成度，同時降低功耗，提高性價比。”陳國棟說。

此外，制造工藝是MCU廠商進行產品設計時考量的一個重點。“下一代MCU工藝會發展到40納米和22納米。40納米和22納米并不是前沿的技術節點，但對于MCU已經足夠。在這兩個尺寸，MCU可以實現成本最優。節點越先進，MCU的動態功耗越好，靜態功耗反而會變差，所以要找到一個平衡點。40納米和22納米是非常適合MCU的技術節點。”陳國棟指出。