边缘AI到底有多火？

原创电子工程世界 2025-04-08 08:01 183浏览 0评论 0点赞

玄铁处理器集智能、安全、端云一体芯片架构 泰克！5折！

AI乃至生成式 AI 正以前所未有的态势向边缘设备迁移，从 AIoT 的初步探索，迈向真正意义上的边缘 AI 时代，这一转变让嵌入式行业发生着天翻地覆的巨变。

边缘 AI 到底有多火？在嵌入式展上，各家厂商都无一例外介绍了边缘AI的相关产品，那么我们就来看看意法半导体、英飞凌、恩智浦、德州仪器等行业领军者的近况。

意法半导体

意法半导体MCU、数字IC和射频产品线总监Remi El-Ouazzane表示，在嵌入式展上，ST共有大约50个围绕边缘的Demo，方便与开发者进行深入交流。“事实上在两天时间里，我与不同规模公司的研发经理或开发人员开展深入交流，有的公司只有 10 人，有的则有上万人，这让我非常充实。”

El-Ouazzane强调，AI不再是昙花一现，如今已然是边缘节点的核心。“我们的客户主要分为三类，第一类希望通过 AI 替代物理传感器，降低物料成本；第二类长期使用随机模型，现在正通过概率模型提升推理精度；第三类则是利用微控制器的低功耗和低成本特性，探索全新的 AI 应用场景。这些趋势在三年前还只是萌芽，如今已成为主流。”

在嵌入式展上，El-Ouazzane参加几十场会议，每场都提到了 AI。其举例道，例如一家专注于能量收集传感器的公司，尽管受限于能量预算，仍在探索如何用卷积模型优化传感器性能。这类应用已在工业领域落地，ST官网上有很多案例。

同样的事情在汽车行业也是如此，也逐渐将 AI 从自动驾驶（依赖高性能计算）扩展到区域控制器、微控制器等边缘设备。ST的汽车AI场景专注于 “非性感但关键” 的应用。比如预测轮胎漏气、数据中心风扇故障、车牌识别、自动驾驶汽车电机过热预警，以及电池管理系统中的热失控风险监测。这些应用虽不吸引眼球，但对客户至关重要。

从市场规模来看，通用微控制器每年出货量约 100 亿个节点。虽然单个价值不如数据中心 GPU，但五年后，边缘 AI 设备的总部署量将成为全球最大的智能终端群体。

谈到ST如何在AI竞赛中取胜，El-Ouazzane表示，关键在于开发者生态的质量。我们不仅优化开发工具（如 IDE 功能、日志机制），还通过 AI 技术提升开发者开发效率。例如，我们训练了一个基于 STM32 产品的生成式 AI 模型，可快速响应开发者问题，减少人工干预。此外，我们每月评估开发者满意度，持续优化工具链和社区服务。

“AI不仅在推动技术创新，还在重塑商业模式。例如，某公司为超大规模数据中心开发的风扇，通过预测性维护避免了因散热问题导致的停机，从而改变了与客户的合作模式。在工业领域，传统企业正通过云连接智能设备实现数字化转型，这一过程充满挑战但潜力巨大。”El-Ouazzane说道。

在嵌入式展上，ST展现了一款利用STM32MP2微处理器实现桌上足球系统的视频采集和运算过程。

英飞凌

日前，英飞凌IoT计算和无线业务执行副总裁Sam Geha在英飞凌播客中提到了英飞凌在边缘AI的机遇。

Geha认为，目前边缘AI最大的挑战是生态系统建设。尤其是针对AIoT客户，缺乏足够数量的数据科学家和模型优化专家，因此英飞凌开发了Deep Craft Studio工具，让开发者能够上传自有数据、使用预训练模型或从头构建模型。此外，硬件设计也需要创新：微控制器（MCU）需支持大数据采集、传感器融合和机器学习（ML）模型运行。例如，英飞凌的PSoC Edge最新一代MCU，集成了专用 AI 加速器，在降低成本和功耗的同时，性能可媲美微处理器（MPU）。

Geha介绍到，目前英飞凌正在通过三个层面加速客户的AI部署，首先依然是通过Deep Craft Studio 提供端到端开发平台，简化AI工具链。其次是提供Deep Craft预训练模型库，客户无需自行开发，可直接调用或通过第三方获取模型。另外第三点也很重要，即安全增强，可以确保模型和数据不被窃取，英飞凌PSoC Edge 是全球首款达到PSA Level 4 安全认证的 AI 微控制器（MCU）。

为了满足客户对于不同AI性能的需求，英飞凌也推出了不同的产品组合，集成了英飞凌自研NPU或者Arm Ethos-U55不同类型，灵活适用于各类场景。

Geha给出了英飞凌认为边缘AI的几个重要趋势，比如工业预测维护：通过 AI 分析电机振动数据，避免停机。智能家居优化：根据衣物湿度自动调整烘干时间。安全认证：替代传统门禁卡，通过人脸识别或语音验证身份。可穿戴设备：实时健康监测（如鼾症检测）。

“我们的目标是将 AI 解决方案成本从 20 美元降至 2 美元，并通过低功耗设计支持便携设备。”Geha说道。

Geha预测，AI的三大趋势正在形成：首先是边缘 AI 普及：低延迟、高效能、高安全性将成为下一代物联网设备的标配。其次是应用爆发：智能家居、医疗健康、工业自动化等领域将加速 AI 集成。第三是生态开放：一方面英飞凌会构建自己的工具与平台，另外也会积极参加第三方生态建设，努力提升AI的广度与参与度。

利用英飞凌PSoC Edge实现智能厨房的边缘AI检测

恩智浦

恩智浦AI产品经理Davis Sawyer在《智启边缘，芯承恩智浦》（AI Born at the Edge，Built on NXP）演讲中，介绍了NXP在边缘AI上的理解，尤其是在一些软件策略方面。

当然硬件是根本，所以NXP推出了一系列可扩展NXP，以满足不同AI需求。

NXP自研的额eIQ Neutron NPU IP，算力从GOPS到数TOPS，另外未来也在规划更大算力的NPU。

NXP的NPU相比Cortex-A，在运行YOLOv8目标检测时，可以更好地识别出车辆，反正比CPU算的好是一定的。

Davis 强调，边缘 AI 并非云端模型的简单移植，而是需要为设备特性量身定制的原生方案。首先是多样化边缘设备，因此需要谨慎移植，从家电中的微控制器到工业网关，恩智浦可以提供覆盖低功耗 MCU 到高性能 MPU 的全场景；其次是AI 生命周期重构，未来训练集中化与推理本地化将协同演进，随着数据的改进，算法与模型都是要不断变化，未来两者界限将进一步模糊。模型正在不断变化，从 AlexNet（2012）到如今的LLM，另外边缘原生创新也正在变化，如 TinyML、智能体工作流等开始变火。

NXP 通过eIQ软件栈实现边缘 AI 的全链路支持，实现软硬件协同，恩智浦提供了一系列特色的工具链与生态，比如Time-Series Studio、模型优化及安全特性（如模型 IP 保护）。另外，开发采用模块化设计，支持自定义模型/数据导入，兼容TensorFlow Lite、PyTorch 等主流框架。

eIQ Time-Series Studio是 NXP 推出的一套开发工具，支持工业监测、电池管理、预测性维护等。整个工作流程，包括数据采集、模型训练、优化、部署（支持 Kinetis、MCX、RT 系列）都在统一软件平台中执行。可以一键生成模型并验证，从而降低 AI 开发门槛。NXP的软件支持自定义数据格式（如未标注传感器数据）。

Davis还介绍了NXP在边缘生成式AI上的表现，其中重点是RAG（检索增强生成）技术。相比于云端AGI，边缘AGI可以利用本地知识库避免数据泄露，从而符合欧盟 AI 法案等合规要求。恩智浦的eIQ GenAI Flow可以实现低延迟语音控制（如智能家居、医疗设备），响应速度较 2024 年提升 3 倍。

另外，Davis还介绍了多模态融合技术，可以结合语音、视觉与传感器数据，打造更智能的人机交互（如无接触医疗监护）。

在客户介绍环节，Davis介绍了诸多边缘AI的应用，比如传感器融合技术助力精准农业，AI 健康控制器实现远程多模态健康监测，基于边缘的工业设备异常检测系统，语音控制的智能家电（空调、烤箱等）。

德州仪器

德州仪器也正在以全新的嵌入式产品组合迎接智能边缘的未来，其更多关注工业和汽车方面的市场，通过提供专用的开发工具和器件，帮助客户利用传感器数据优化系统性能，实现故障预测、预防性维护等功能，提升安全性、能效和可持续性。

德州仪器提供全谱系的边缘AI产品，覆盖不同场景需求：

高端处理器：适用于视觉系统（如机器人或汽车的障碍物检测），支持实时图像分析和 AI 模型部署。

中端设备：针对时间域分析（如振动监测），例如太阳能系统中检测电缆短路的 C2000P55 芯片，可实现 99% 以上的准确率并快速响应。

低功耗解决方案：用于资源受限的嵌入式系统，确保高效数据处理的同时降低能耗。

德州仪器嵌入式处理业务部高级副总裁Amichai Ron之前介绍过一些TI在边缘智能领域的创新，比如在太阳能系统上，通过实时监测电流和温度，提前发现故障（如电缆接触短路，灭弧检测等等），避免火灾或设备损坏。

汽车上，通过传感器数据分析车辆行为数据，优化驾驶安全和能效。在工业设备中，通过预测机械故障，减少停机时间，提升生产效率。

Amichai 指出，Edge AI 将推动各行业向更安全、节能和用户友好的方向发展，包括可持续性、安全性以及易用性。

在 2025 年嵌入式展上，德州仪器展示了其边缘技术的最新突破 —— 一款基于视觉处理器的演示系统。该系统不仅能实现实时物体分类，还能从单摄像头无缝扩展至 12 个摄像头，同时保持低功耗特性。

TI 的边缘AI解决方案聚焦于解决两大行业痛点：

首先是实时响应能力。在智能家居、智慧城市等场景中，设备需要快速响应（如视频门铃检测访客、工业机械故障预警）。TI 通过在处理器中集成本地 AI 加速模块，实现毫秒级决策，无需依赖云端。

其次是系统可扩展性。传统视觉系统在扩展多摄像头或高分辨率时面临性能瓶颈。TI 的视觉处理器支持灵活扩展：从单摄像头的AM62A（低功耗，<2W）到支持 12 个摄像头的AM69A（可同时处理 4K@60fps 视频流）。

TI 视觉处理器的技术亮点

集成 AI 加速器：所有处理器内置专用 AI 引擎，支持实时目标检测与分类。

软件兼容性：提供统一的 SDK 和工具链，允许用户从低功耗设备（如 AM62A）到高端型号（如 AM69A）平滑迁移。

能效优化：专为电池供电设备设计，例如视频门铃可在低功耗模式下长期运行，同时保持高识别精度。

实际应用场景

智能家居

视频门铃：通过 AM62A 处理器实现人形检测与分类，功耗低于 2W，延长电池寿命。

智能家电：实时分析用户行为，优化设备运行模式（如节能模式）。

工业监控

多摄像头系统：AM69A 支持 12 路视频流同步处理，用于工厂生产线缺陷检测或安防监控。

智慧城市

交通管理：通过路边摄像头实时识别车辆、行人，优化信号灯控制。

为什么选择 TI 的 Edge AI 方案？

灵活的性能梯度：覆盖从单摄像头到多设备的全场景需求。

低功耗设计：适用于电池供电或散热受限的环境。

简化开发流程：提供预训练模型和开发工具，降低 AI 部署门槛。

TI的嵌入式视觉边缘AI处理器产品组合

总结

半导体巨头在边缘 AI 领域的积极布局，充分彰显了边缘 AI 的火爆程度。从开发工具优化到硬件创新，从应用场景拓展到生态系统建设，各企业全方位发力，不仅满足了当下多样化的市场需求，也为边缘 AI 未来的发展铺就了坚实道路。

· END ·

欢迎将我们设为“星标”，这样才能第一时间收到推送消息。

关注EEWorld旗下订阅号：“机器人开发圈”

回复“DS”领取《DeepSeek:从入门到精通》完整版

扫码添加小助手回复“机器人”

进群和电子工程师们面对面交流经验

登录阅读全文



免责声明：该内容由专栏作者授权发布或作者转载，目的在于传递更多信息，并不代表本网赞同其观点，本站亦不保证或承诺内容真实性等。若内容或图片侵犯您的权益，请及时联系本站删除。侵权投诉联系： nick.zong@aspencore.com！

电子工程世界关注EEWORLD电子工程世界，即时参与讨论电子工程世界最火话题，抢先知晓电子工程业界资讯。

进入专栏

电子工程世界关注EEWORLD电子工程世界，即时参与讨论电子工程世界最火话题，抢先知晓电子工程业界资讯。

文章：5668篇粉丝：94人

关注  私信

边缘AI到底有多火？

最近文章

热门文章

推荐

最新资讯