電子發燒友網報道（文/李彎彎）近日，恩智浦宣布推出全新i.MX RT700跨界MCU系列，支持智能AI的邊緣端設備，例如可穿戴設備、消費醫療設備、智能家居設備和HMI平臺。據官方介紹，新款MCU旨在顯著節省功耗，可在邊緣端提供高達172倍的AI加速。

MCU集成NPU支持AI功能

恩智浦推出的這款i.MX RT700內部集成了恩智浦自研的eIQ Neutron NPU，這是一種可擴展的硬件加速器架構，專為AI和ML應用而設計。NPU的引入大幅提升了設備的AI工作負載性能和能效，使得本地部署AI模型成為可能。

MCU集成NPU是當前技術發展的一個重要趨勢。隨著AI技術的普及和邊緣計算需求的增加，傳統的MCU已經難以滿足高效處理復雜AI任務的需求。因此，將NPU集成到MCU中，成為提升設備智能化水平和響應速度的關鍵技術之一。

NPU專為神經網絡運算設計，能夠大幅提升MCU在處理AI算法時的運算速度和效率。這使得MCU能夠執行更復雜的AI任務，如圖像識別、語音識別、自然語言處理等。

相比傳統的CPU或GPU，NPU在處理神經網絡運算時具有更低的功耗。這對于需要長時間運行的設備，如可穿戴設備、智能家居設備等，尤為重要。

在智能家居領域，集成NPU的MCU能夠實時處理傳感器數據，實現智能家居設備的智能聯動和場景控制。例如，通過圖像識別技術，智能門鎖可以識別主人的面部特征，實現無鑰匙進入；智能照明系統可以根據室內光線和人員活動情況自動調節亮度和色溫。

在工業自動化領域，集成NPU的MCU可以執行更復雜的機器視覺和機器學習任務，如產品質量檢測、生產流程監控等。這有助于提高生產效率、降低人工成本并提升產品質量。

在醫療設備領域，集成NPU的MCU可以實時處理醫療影像數據，輔助醫生進行疾病診斷和治療決策。例如，在智能診斷系統中，NPU可以快速分析患者的影像資料，提供初步的診斷建議。

在汽車電子領域，集成NPU的MCU可以實現高級駕駛輔助系統（ADAS）和自動駕駛功能。例如，通過圖像識別和傳感器融合技術，汽車可以實時感知周圍環境并做出相應的駕駛決策。

目前，多家MCU廠商已經推出了集成NPU的產品，除了恩智浦之外，意法半導體、英飛凌等都推出有集成NPU的MCU，如意法半導體的STM32N6系列，是其首款配備NPU的MCU，這使得該系列MCU能夠在邊緣端執行復雜的AI算法，極大地提高了處理能力和效率。

據意法半導體微控制器、數字IC和射頻產品部總裁Remi El-Ouazzane表示，STM32N6提供了與配備AI加速器的四核處理器相同的AI性能，但成本僅為十分之一，功耗僅為十二分之一。這主要得益于其高效的架構設計和優化的功耗管理。

STM32N6系列由于其強大的AI處理能力和低功耗特性，非常適用于對功耗和性能有嚴格要求的邊緣計算場景，如：在智能城市和工業物聯網中，STM32N6可以作為智能傳感器的核心處理單元，實現數據的實時采集、處理和傳輸。

利用其內置的NPU，STM32N6可以執行圖像識別、物體檢測等機器視覺任務，為智能安防、自動駕駛等領域提供技術支持。在嵌入式系統中，STM32N6能夠顯著提升設備的智能化水平，使設備具備更強大的數據處理和決策能力。

再如英飛凌，該公司今年4月發布了全新的新型PSOC Edge E81、E83和E84微控制器，搭載高性能的Arm Cortex-M55內核，支持Arm Helium DSP并搭配Arm Ethos-U55的神經網絡處理器，以及Cortex-M33內核搭配著英飛凌超低功耗NNLite。NNLite是一種用于加速神經網絡的專有硬件加速器。

這些完全集成的系統級芯片針對在網絡邊緣互聯系統上運行的機器學習應用進行了優化，使設計人員能夠為物聯網和消費級應用帶來先進的AI功能。

PSOC Edge MCU的目標應用包括家電和工業設備中的人機界面（HMI）、智能家居和安全系統、機器人和可穿戴設備等。這些設備需要高性能、低功耗和強大的安全性來支持復雜的機器學習應用和用戶交互體驗。

MCU支持AI功能的其他方式

當然除了集成NPU之外，MCU也能通過其他方式實現一定程度的AI功能。如軟件算法，通過優化軟件算法，MCU可以在其處理能力范圍內執行簡單的AI算法。例如，使用機器學習庫（如TensorFlow Lite for Microcontrollers）來運行輕量級的神經網絡模型。

MCU也可以運行基于統計或規則的簡單AI算法，如決策樹、支持向量機（SVM）等，這些算法對計算資源的要求相對較低。

一些MCU集成了DSP單元，DSP對于執行數字信號處理任務（如FFT、濾波等）非常高效，這些任務在AI算法中也很常見。部分MCU可能配備了其他類型的協處理器，如FPU（浮點處理單元）或特殊功能協處理器，這些協處理器可以在一定程度上加速AI算法的執行。

另外，MCU可以通過外部接口（如SPI、I2C、UART等）連接專門的AI加速器芯片。這些加速器芯片可以處理復雜的AI算法，并將結果返回給MCU進行后續處理。

意法半導體STM32系列的許多型號就沒有集成NPU，它們通過軟件優化和模型轉換，仍然能夠執行AI任務。除STM32系列外，也有許多品牌的MCU也能夠在沒有NPU的情況下實現AI功能。這些MCU通常具有高性能的處理器和豐富的外設資源，通過軟件優化和算法調整，可以執行簡單的AI任務。

如樂鑫科技推出的ESP32，這是一款集成了Wi-Fi和藍牙功能的MCU，雖然沒有集成NPU，但其雙核處理器和豐富的內存資源使得它能夠在一定程度上支持AI應用。通過加載輕量級模型和使用優化算法，ESP32可以實現語音識別、圖像識別等功能。

還有兆易創新的GD32系列，該系列產品憑借其高性能和豐富的外設資源，在嵌入式系統中得到了廣泛應用。通過加載輕量級模型和使用優化算法，GD32系列MCU可以實現圖像識別、語音識別等AI功能。

以及華大半導體的HC32系列，HC32系列MCU同樣具備高性能和低功耗的特點，適用于需要AI功能的嵌入式系統。通過軟件優化和模型轉換，HC32系列MCU可以執行復雜的AI推理任務。

寫在最后

隨著AI技術的不斷發展，越來越多的MCU開始考慮集成NPU以提升其AI處理能力。不過，也并不是所有應用都需要NPU的支持，沒有集成NPU的MCU仍然可以通過多種技術和方法實現AI功能，滿足嵌入式系統對智能化和自主決策能力的需求，如選擇輕量級模型、利用嵌入式AI框架、優化軟件算法等。