1. 首頁 > 生活百科 > >

MCU的AI競賽，已經打響

芯片人工智能cpuaiarm

MCU的AI競賽，已經打響

文章圖片


邊緣AI的爆發 ， 正在徹底改寫 MCU 的生存邏輯 。
過去 ， MCU 的核心價值是 “穩定控制” ， 比如操控家電開關、監測設備溫度；如今 ， 終端產品需要更復雜的AI —— 識別用戶語音指令、判斷機械故障、分析環境數據 ， 這些需求倒逼 MCU 必須擁抱 AI 。
德勤中國發布的《技術趨勢2025》報告顯示 ， 2025年全球AI芯片市場規模預計將超過1500億美元 。 AI MCU正是其中的關鍵推動力之一 ， 也成為各大MCU企業競爭的新方向 。
01為什么AI成為MCU的 “必選項”？
“用 MCU 的功耗 ， 實現近 SoC 的智能” ， 這是 AI MCU 的核心價值 。
“低功耗 + 高性能 + AI 能力” 正逐漸成為 MCU 的核心競爭力 。 背后是三重核心訴求的驅動：
第一點 ， 算力升級需求 。 傳統 MCU 主打低功耗、低成本 ， 但面對圖像識別、數據建模等任務時力不從心 。 以智能家居為例 ， 若想通過攝像頭判斷 “是否有人在家” ， 傳統方案需要依賴云端計算 ， 不僅延遲高 ， 還會產生額外流量成本；而集成 AI 的 MCU 能在本地完成圖像分析 ， 響應速度快 ， 且無需依賴網絡 。
第二點 ， MCU相較于 MPU或FPGA更具成本優勢 。 若為了實現智能功能改用 MPU（微處理器）或 FPGA ， 成本會大幅上升 ， 還可能面臨功耗過高、無法適配小型設備的問題 。 AI MCU 則能以接近傳統 MCU 的成本 ， 實現低算力場景下的智能需求 ， 比如工業傳感器的故障預判、車載設備的環境感知 ， 這讓它在批量應用中具備極強的性價比優勢 。
第三點 ， 邊緣AI是智能設備發展的重點 。 邊緣設備往往依賴電池供電或對能耗敏感 ， 比如智能穿戴設備、無線傳感器 。 AI MCU具備低功耗、實時性、開發周期短等特性 ， 正適用于對成本和功耗敏感的邊緣智能設備 。
02AI MCU ， 落地場景
智能家居是AI模型在MCU中應用最為廣泛的領域之一 。 通過集成AI模型的MCU ， 智能家居設備如智能燈泡、智能插座、智能門鎖等能夠識別用戶的習慣和需求 ， 自動調整家居環境 ， 提高居住舒適度 。 比如：智能燈泡可以根據室內光線強度和用戶活動情況自動調節亮度；智能門鎖則可以通過人臉識別或語音識別技術實現無鑰匙開鎖 。
在汽車電子領域 ， AI MCU 的技術賦能貫穿智能駕駛、智能座艙與車身控制全鏈條 。 隨著自動駕駛向高階演進 ， AI MCU 可高效融合雷達、攝像頭等多源傳感器數據 ， 通過實時分析與快速決策支撐高級駕駛輔助功能 ， 同時滿足車規級安全標準對可靠性與低延遲的嚴苛要求；智能座艙中 ， 其憑借語音交互、環境感知等能力 ， 實現人機對話的自然流暢與座艙環境的智能調節 ， 大幅提升用戶體驗 。
工業自動化是 AI MCU 的核心應用陣地 ， 在工業 4.0 的推動下 ， 其在預測性維護、電機控制與機器視覺等場景中展現出不可替代的價值 。 值得注意的是 ， 人形機器人的智能化依賴大模型 。 高算力 AI 芯片配上大模型 ， 能讓機器人在標準化場景里搞定語義理解、任務規劃等高層任務 ， “智力” 肉眼可見地提升 。 可一旦遇上要實時響應的個性化場景 ， 大模型就顯得力不從心 ， 而 MCU+AI ， 正是補上這塊短板的關鍵方案 。
03AI MCU ， 國際龍頭搶占先機
面對 AI MCU 的廣闊市場 ， 國際芯片巨頭早已紛紛出手 ， 通過不同技術路徑打造核心競爭力 ， 形成了三類主流方案：

第一種方式 ， 采用專用硬件加速器 ， 應對中高復雜度 AI 場景 。
越來越多的芯片廠商開始在MCU內部集成NPU（神經網絡處理單元） 。 通過專用硬件電路處理 AI 任務中的核心運算（如卷積、矩陣乘法） ， 避免通用 CPU 的算力瓶頸 ， 是應對中高復雜度 AI 場景的主流選擇 。 典型案例包括：
恩智浦(NXP) - i.MX RT700系列
恩智浦早在2018年就推出了面向邊緣AI的eIQ軟件平臺 ， 逐步構建自主的NPU架構 ， 顯著提升了智能家居、消費醫療等應用的性能表現 。
去年9月 ， 恩智浦推出全新i.MX RT700跨界MCU系列 ， 旨在為支持智能AI的邊緣端設備賦能 。 i.MX RT700在單個設備中配備多達五個強大的內核 ， 包括在跨界MCU中首次集成eIQ Neutron NPU ， 可將AI相關應用的處理加速高達172倍 ， 同時將每次推理的能耗降低高達119倍 。 i.MX RT700 跨界MCU還集成了高達7.5MB的超低功耗SRAM ， 與前幾代產品相比 ， 功耗降低了30-70% 。
應用場景：包括可穿戴設備、消費醫療設備、智能家居設備和HMI平臺 。
意法半導體（ST）：STM32N6系列
去年12月 ， ST意法半導體正式推出首個集成NPU的新的微控制器STM32N6系列 。 STM32N6基于Cortex-M55內核 ， 主頻高達800MHz ， 提供600GOPS的強大處理能力 ， 是現有最高性能STM32H7的600倍 ， 同時功耗極低 ， 每瓦可達3TOPS 。 這種創新架構使得STM32N6能夠在保持傳統MCU優勢的同時 ， 實現高效的AI計算 ， 為機器學習任務提供了強有力的支持 。
應用場景：包含智能家居、工業自動化、智能駕駛、醫療設備等 。
第二種 ， 擴展指令集 ， 主打“輕量高效” 。
通過對 Arm Cortex-M 處理器架構的指令集擴展 ， 提升通用 CPU 的 AI 運算能力 ， 主打“輕量高效、低復雜度” ， 適合對 AI 任務精度要求不高、追求系統簡潔性的場景 。
其核心技術支撐是 Arm Helium 矢量擴展 —— 作為 Armv8-M 架構的重要特性 ， 它為 Cortex-M 處理器新增了矢量運算指令 ， 可同時處理多組數據 。
該方案的顯著優勢在于“低門檻”：無需額外集成獨立 NPU 硬件 ， 不僅減少了芯片設計復雜度與成本 ， 還能復用傳統 Cortex-M 的軟件開發生態（如編譯器、調試工具） ， 開發者無需學習全新的 NPU 編程邏輯 ， 即可快速將 AI 功能融入原有嵌入式系統 。 典型案例包括：
瑞薩：RA8x1系列
瑞薩電子處于MCU行業領先地位 ， 隨著RA8系列MCU推出 ， 成為業內第一家基于Cortex-M85內核的MCU供應商 。
今年7月 ， 瑞薩電子又正式發布RA8P1系列MCU ， 這款產品專為語音和視覺邊緣AI應用而設計 ， 配備雙Arm內核——1GHz的Cortex-M85和250MHz的Cortex-M33——以及一個Arm Ethos-U55 NPU ， 可提供高達256 GOPS的AI算力 。 在安全性方面 ， 這款新型MCU支持Arm TrustZone安全執行環境、硬件信任根、安全啟動 ， 以及先進的加密引擎 ， 確保在關鍵邊緣應用中的安全部署 。
瑞薩還發布了面向高性能邊緣AIoT和人機界面的64位RZ/G3E MPU 。 該處理器集成了四核Arm Cortex-A55 CPU、Cortex-M33內核以及先進的圖形處理功能 。 RZ/G3E內嵌Arm Ethos-U55 NPU ， 提供高達512 GOPS的AI算力 ， 可分擔主CPU負載 ， 用于圖像分類、語音識別和異常檢測等任務 。
應用場景：包含電機控制、機器視覺、語音交互等 。
值得注意的是 ， 國際領先的芯片IP設計與服務提供商Arm 近日宣布 ， 正式推出自主研發的第三代高能效嵌入式芯片IP——“星辰”STAR-MC3 。 該產品基于Arm v8.1-M架構 ， 向前兼容傳統MCU架構 ， 集成Arm Helium 技術 ， 顯著提升CPU在AI計算方面的性能 ， 同時兼具優異的面效比與能效比 ， 實現高性能與低功耗設計 ， 面向AIoT智能物聯網領域 ， 為主控芯片及協處理器提供核芯架構 ， 助力客戶高效部署端側AI應用 。
第三種 ， 采用多核異構計算方案 。
多核異構方案通過在單顆 MCU 中集成不同類型的計算核心（如通用 CPU、NPU、DSP） ， 讓各類核心各司其職 —— 通用 CPU 負責系統控制與任務調度 ， 專用核心（NPU/DSP）處理 AI 運算或信號處理 ， 實現 “計算資源按需分配” ， 是工業控制、智能駕駛輔助等對實時性與算力均有要求場景的優選 。 典型案例包括：
英飛凌:PSOC Edge MCU
PSOC Edge是基于高性能的Arm Cortex -M55內核 ， 支持Arm Helium DSP指令集的微控制處理器 。 它不僅有自研的加速器 ， 同時還采用了Arm Ethos -U55神經網絡處理器 ， 以及Cortex -M33內核搭配英飛凌超低功耗NNLite（一種用于加速神經網絡的專有硬件加速器） 。 其中U55的性能更強 ， 而NNlite的功耗則更低 ， 可方便用戶在不同的場景下使用 。
英飛凌最新推出的PSOC Edge MCU根據階梯式需求 ， 涵蓋三個系列E81、E83 和 E84 ， 均擁有優化的ML學習能力 。 這些產品均基于高性能的Arm Cortex-M55內核開發 ， 支持Arm Helium DSP指令集并搭配Arm Ethos-U55神經網絡處理器 ， 以及Cortex-M33內核搭配英飛凌超低功耗NNLite 。
PSOC Edge E81 采用Arm Helium DSP技術和英飛凌NNLite神經網絡（NN）加速器 。 PSOC Edge E83和E84內置Arm Ethos-U55微型NPU處理器 ， 與現有的Cortex-M系統相比 ， 其機器學習性能提升了480倍 ， 并且它們支持英飛凌NNlite神經網絡加速器 ， 適用于低功耗計算領域的機器學習應用 。
應用場景：主要面向物聯網、可穿戴設備和工業機器人等領域 。
04AI MCU ， 國產廠商開始蓄力
【MCU的AI競賽，已經打響】在 AI MCU 技術浪潮下 ， 國內 MCU 企業也正加速布局 ， 從技術突破到產品落地全面發力 ， 力求在這一賽道占據一席之地 。
兆易創新是該領域的領軍企業之一 。
具體來看 ， 兆易創新的AI MCU ， 分三個層次：
一、配合AI場景的MCU 。 此類MCU主要應用于人形機器人、機器狗等具身智能相關產品 ， 負責關節控制、傳感控制等方面 。 兆易創新在工控領域長期積累的技術優勢 ， 可直接應用于此類場景 ， 目前在該市場已具備較高的滲透率 。
二、通過AI算法和解決方案賦能現有MCU產品家族 。 通過AI算法和解決方案搭載現有廣泛的MCU產品家族 ， 去滿足客戶對AI的需求 ， 如信號異常檢測、AI語音識別、圖像識別等 。
三、內部集成NPU的MCU產品 。 兆易創新在MCU產品中內部集成NPU加速AI運算的產品 ， 這適用于對AI算力有特殊要求的產品 。
從硬件基礎來看 ， 其產品矩陣覆蓋多元需求 。 兆易創新的GD32H7系列芯片采用600MHz Arm Cortex-M7高性能內核 ， 支持多種硬件加速 ， 配備了1024KB到3840KB的片上Flash及1024KB的SRAM、新增了大量通用外設資源 ， 可以為復雜運算、多媒體技術、邊緣AI等高級創新應用提供強大的算力支撐 。
同時 ， 面向能源應用 ， GD32H7系列芯片搭配高精度ADC ， 實現了8-16通道的直流拉弧檢測方案 ， 并結合微型機器學習（TinyML）實現本地端的AI算法 ， 可檢測異常電弧 ， 起到了保障光伏系統安全運行的作用 。
場景落地方面 ， 其 AI MCU 已深度滲透家電、工業、消費電子等領域：在家電中實現智能溫控、電機預測性維護與定制化交互；在工業領域支撐設備狀態監測、運動控制優化；在消費電子中賦能健康數據采集與低功耗智能交互 。
除了基于 Arm 架構的研發 ， 國內廠商還在通過 RISC-V 架構探索自主創新路徑 。 RISC-V 作為開源指令集架構 ， 具有靈活性高、可擴展性強、成本低的優勢 ， 正成為邊緣 AI 場景的新選擇 。 國芯科技便是這一路徑的代表：
去年 ， 國芯科技首次推出基于RISC-V架構的端側AI MCU芯片 。
國芯科技AI MCU芯片CCR4001S采用公司自主開發的RISC-V內核CRV4H ， 主頻230MHz 。 RISC-V作為開源指令集架構 ， 因其極高的靈活性、出色的可擴展性以及顯著的成本優勢 ， 正迅速成為芯片設計領域中的新選擇 。 RISC-V內核的簡潔性不僅可以明顯提升芯片的性能 ， 并具有低功耗的特點 ， 非常適合于物聯網設備及其他邊緣計算場景 。
從國際巨頭的技術卡位到國產廠商的加速追趕 ， AI MCU 的賽道已進入 “群雄逐鹿” 的階段 。 隨著邊緣 AI 需求的持續釋放 ， 以及芯片技術的不斷迭代 ， MCU 的 “智能進化” 還將繼續 —— 未來 ， 它不僅是終端設備的 “控制中樞” ， 更將成為邊緣智能的 “算力核心” ， 徹底重塑工業、消費、汽車等領域的智能形態 。
想要獲取半導體產業的前沿洞見、技術速遞、趨勢解析 ， 關注我們！

    推薦閱讀