怎樣去定義MCU？MCU的巨大潛力應如何去挖掘？

微控制器（MCU）正在變得越來越復雜，越來越強大，因而越來越有用。但是這些進步都是都代價的。

開發帶高級電源管理功能的多核MCU硬件并不太難，由于存儲器的限制，開發出適合多核MCU的軟件則難得多。CPU系統可以用SRAM片上存儲器，或者外部的DRAM。不過對MCU系統而言，所有的存儲器都在片上。所以CPU系統可以跑大型的Linux或Windows操作系統，MCU則只能跑相對簡單的實時操作系統。

“以視頻市場為例，你可以開發基于MCU的應用，也可以開發基于CPU的應用，甚至可以開發兩種系統都能跑的應用，”Cadence IP事業部CTO Chris Rowen說，“使用MCU的視頻分辨率更低，不論是CPU方案還是MCU方案，多樣化的視頻接口都會讓設計變得復雜。用CPU系統開發要求相對沒那么嚴，例如你可以把整個緩沖區（buffer）寫滿，在MCU就不太可能這么干。用MCU開發，數據的交換更需要技巧，所以產生故障（bug）的可能性也增加了?！?/p>

更難的是利用MCU來分擔CPU的負擔，例如作為協處理器去加速某種計算，或者作為低功耗應用時的備用處理器。

“考驗MCU的程序員的問題是如何滿足處理速度的要求，” Rowen說，“自動車庫門開啟或者關閉花費幾百毫秒都可以接受，但要滿足高速數據流的處理需求，則須采用并行處理。所以當把MCU設計成另一個次級計算引擎（sub-engine）時，你需要處理器有能力進行數據計算，這就要求編程風格非常嚴謹。在高速數據處理場景下使用MCU，非常非常難?！?/p>

雖然有諸多困擾，MCU的應用場景不斷拓展，使用方法也屢屢突破常規，如今在復雜的系統及芯片（SoC）中內建MCU已經很常見。在SoC這種復雜應用場景中，MCU的功能一般都只做特定的任務，例如喚醒CPU，但無論從設計、驗證還是一致性的角度來看，在SoC中讓多個MCU協同工作都非常難。

“在同一顆SoC中集成Cortex A（CPU）與Cortex M（MCU）的趨勢呈現加速狀態，”Mentor Graphics嵌入式產品高級產品線經理Andrew Caples說，“以高級駕駛輔助系統（ADAS）這個嵌入式應用最精華的代表為例，可以用多個處理單元--微控制器（MCU）、微處理器（MPU）、數字信號處理器（DSP）--來實現ADAS，SoC意味著更低的故障率、更低的成本以及更低的散熱需求，但增加了軟件設計的復雜性。開發人員要在SoC集成的MCU、MPU與DSP上開發多個實時操作系統，并在這一顆芯片上開發和調試。這就需要開發人員的方案能夠適應不同的平臺（MCU、MPU、DSP），這給半導體公司增加了很多壓力，為了幫助客戶真正利用起SoC中的所有器件，它們需要提供給開發者足夠的庫文件和解決方案參考?！?/p>

Caples表示只要多核SoC的應用有操作系統，就一定會遇到一堆同步問題，因為不同核之間靠等待來協同工作?！拔覀冋跒檫@個領域的應用開發工具，”他說，“對于硬件工程師來說，過去這些年摩爾定律一直很有效，硬件的性能在提升，成本在下降。但是軟件開發卻是另外一回事，隨著系統復雜度越來越高，軟件開發的成本不斷攀升，而且現在看不到任何可以改善的跡象?！?/p>

歡迎來到MCU時代

雖然存在上述挑戰，但隨著物聯網的發展，物與物之間的通信越來越多，因此開發人員希望MCU在復雜系統中發揮越來越重要的的作用。相比CPU，M的功耗更低，價格也更便宜。一方面，8位MCU在一些簡單任務處理中仍然不可或缺；另一方面，32位甚至64位多核MCU已能應對很多復雜應用。所有這些MCU都可以與CPU或GPU集成在同一顆SoC里面，這樣CPU或GPU可以在多數時間里面處于休眠狀態。

“MCU越來越復雜，”ARM建模技術總監 Bill Neifert說，“引入32位微控制器以后，人們開始問可以用這些MCU做什么?！?/p>

MCU當然不只用在汽車的安全領域，從工業設備到智能拖鞋這種消費類產品都可以用到MCU。以監控人是否滑倒的智能拖鞋為例，低成本、低功耗的嵌入式處理器（MCU）就非常適合，因為其可以為某種應用定制。

“每個人都想要最有效的解決方案，定制化的MCU在成本和功耗上都優于通用產品，”Neifert說，“特別是物聯網設備，很多都是電池供電，因此對與功耗非常敏感。用戶希望能找到專用產品幫助他們快速開發，尤其是消費電子領域的客戶。定制化MCU也需要建模，但復雜度比CPU或GPU低多了?！?/p>

復雜度是相對的。“我們打算用64位的MCU開發真正智能的設備，”Vista Ventures 經營合伙人 Jim Hogan說，“但這些MCU的代碼堆棧相當有限?！?/p>

在這種趨勢下，MCU也開始介入到計算當中--特別是物聯網的應用?！安皇莻鹘y的計算，” ARM 物聯網市場副總裁Zach Shelby說，“在MEMS應用中，利用32位和64位MCU來計算已經很常見。關鍵在于我們如何將軟件設計成大量重復任務的類型。FPGA不適合低功耗應用，如果在一顆混合芯片芯片上實現視頻檢測算法，就必須用到微控制器，不過MCU還是用來完成不斷重復的任務?！?/p>

MCU的片上存儲容量較少，常常為MCU與CPU或者其他MCU協調工作帶來麻煩。特別是在視頻流媒體處理與圖像識別應用方面，越來越多的數據處理是系統設計需要解決的大問題。從系統上層來看，有兩種方法可以解決這一問題，第一種方法是采用更快的處理器更多的存儲容量，第二種方法是采用更多的處理器以提高處理效率。雖然每個處理單元的速度比較慢，但多個處理單元合作可以將數據處理任務在限定時間內完成，當處理任務繁忙時，這些MCU也可以進入空閑狀態。

“人們需要這種靈活性，因為你會有很多的異質應用（heterogeneous application）要處理，你又不愿意采用同質模型（homogenous model，CPU或者GPU這種所擅長的計算方式）來實現，”NetSpeed Systems CEO與聯合創始人Sundari Mitra說，“微控制器的優點是其有一套可編程的微代碼引擎（microcode engine），用戶可以根據應用環境選擇合適的架構，因此比處理器硬核靈活性更高。微處理器可以給用戶一些靈活性--雖然不太多，但畢竟多了些靈活性。這讓用戶在架構方面具備了更多的靈活性。CPU在浮點計算方面更具優勢，GPU在視頻處理方面更具優勢，MCU則處于兩者之間。MCU可用于可穿戴等物聯網終端設備，也可用于汽車引擎的控制。MCU的架構要有足夠的靈活性和自適性，以適應不同的應用。如果開發人員清楚應用的工作流程，并對此進行相應的優化，使用MCU能為你的計算引擎帶來一些多樣性?！?/p>

定義MCU

通常來說，MCU是CPU與GPU的瘦身版，計算能力相對弱，跑的時鐘速度也比較低。在存儲架構上MCU與CPU和GPU的區別更明顯，特別是8位與16位MCU，通常只有片上存儲。因為成本低、功耗更低，所以很受歡迎。但高級的32位MCU與低端CPU的區別已經不明顯，64位多核MCU的出現更讓人困惑。

“從大的方面來說，根據工作負荷的不同，CPU通常會為單線程或多線程性能優化，”Mitra說，“如果考慮實時性的要求--物聯網中有很多實時性應用--系統需要做出實時響應，CPU通常不會對實時性任務進行優化。假設有這樣一個應用場景，CPU需要監測周圍環境狀況，當環境發生變化時做出相應的決策，這時不大可能用CPU來反復的檢測某一點，這就是MCU的用武之地。那么使用MCU到底有什么不同呢？CPU與GPU都很容易理解，但MCU不是這樣。應用MCU要面臨可用信息更少、設計參數常常變更的狀況，所以開發人員要適應?！?/p>

同樣，由于MCU應用的多樣性，很難清楚的定義MCU的市場，也不容易用統一標準來預測MCU市場的走勢。在2016年5月份的報告中，Brisk Insights預測，到2022年MCU市場將保持15.8%的年復合增長率，Brisk Insights認為在物聯網應用的推動下，32位MCU將是增長最快的市場。Databeans的數據則比Brisk Insights保守很多，其預測年復合增長率為6%，MCU市場最大的推手是工業需求。

Gartner則給出了MCU 領域的排名前列的廠商，它們是瑞薩、恩智浦（NXP）、意法半導體、Microchip、德州儀器和英飛凌。

但MCU不斷出現在新的應用場景中，這使得MCU的市場越來碎片化，以致難以追蹤。

“每種非常復雜的芯片，幾乎都包含了MCU，” Arteris 市場副總裁Kurt Shuler說道，“在汽車里面，到處可以見到獨立工作的MCU，大型芯片往往也有MCU在后臺運行，MCU在無線數字基帶應用中也很廣泛。”

使用MCU的設備通常將程序優化以提高電源效率，現在開發人員仍在通過延長喚醒時間等方式來進一步降低功耗。開發人員所面臨的挑戰更多不是來自于MCU硬件能力方面，而在于如何在系統中更高的發揮這些硬件能力。