能跑AI的MCU，今年正走向爆发...

即将在本周四（7月25日），于深圳君悦酒店举办的2024全球MCU及嵌入式生态发展大会的论坛议程中，我们看到包括MCU大会的圆桌讨论主题AI+MCU，以及电机驱动与控制论坛部分嘉宾都将以AI为讨论主题...

MCU这类微控制器竟也开始和AI挂钩了吗？点击这里报名参会了解详情，国际和本土知名MCU厂商的技术和应用专家都将参与——这将是了解AIoT生态发展情况的好时机。

在TinyML这个词火了以后，边缘AI的活跃气氛就延烧到了MCU领域。比如在去年的进博会上，瑞萨展示了一个demo，凭藉MCU，摄像头就能检测画面中的人，检测距离能达到20米——当时瑞萨介绍说各种光线和环境都没问题。而在前不久英飞凌的媒体沟通会上，英飞凌展示用MCU+microNPU，甚至能识别画面中的水果品种。

这样的场景放在过去是完全不可想象的。MCU的“AI化”，大概也真正标志着边缘AI的全面来袭。本文借助3款典型的MCU产品，来谈谈AI MCU的边缘应用和发展情况。

MCU走向AI的标准答案：GD32H7

在我们看来，MCU走向AI应用的标准答案是兆易创新GD32H7系列。该系列MCU采用Arm Cortex-M7内核，所以被兆易创新称作“超高性能微控制器”。兆易创新表示，相比采用Cortex-M4内核的MCU，该系列产品性能提升40%，相比于M3则提升了多达70%。

Cortex-M7本身是个6级超标量流水线设计的核心，可选配FPU单精度和双精度单元，指令和数据总线扩大到64bit。具体到GD32H7产品，600MHz主频Cortex-M7内核，存储资源1MB SRAM+最大4MB Flash，加速器包含有DSP、FPU、硬件TMU（三角函数加速器）、FAC（滤波算法加速器）等；

其外设资源则有4个USART、4个UART、4个I²C、6个SPI、4个I²S、2个SDIO和1个MDIO，支持3路CAN-FD和2路以太网，支持USB 2.0 FS和HS通信。

去年发布这颗MCU时，兆易创新就提到其适配的应用包括复杂计算、多媒体处理、边缘计算、ML/AI算法等。去年慕展上，搭配内置的TFT-LCD控制器和IPA（Image Processing Accelerator），兆易创新展示基于GD32H7的GUI开发演示套件，直接就能进行HMI图形触控交互——作为一颗MCU，这种表现还是相当突破认知的。

而AI/ML部分，关键还是在于核心的高主频、存储资源给足，以及配套加速器。这显然算得上是MCU走向AI、应用AI的标准答案了。此前兆易创新给出的AI应用示例包括语音、人脸、姿势和指纹等人机交互生物特征识别；存在检测及人头数判断等。

今年慕展上，兆易创新展示了两个比较具有代表性的应用。其一是AI直流拉弧检测方案（下图）：基于GD32H7，采用兆易创新自研的AI算法进行直流拉弧检测。慕展现场兆易创新的工程师介绍说，GD32H7能够在500K采样率下支持12路ADC通道的拉弧检测、实时AI推理，CNN模型的大小1.7KB，单次推理耗时不超过0.6ms，也就能够对电弧进行即时响应。

值得一提的是，兆易创新面向开发者提供数据采集工具和一键训练工具。前者用于采集电弧信号和正常信号，也具备对已部署模型进行检测评估的功能；后者则训练并生成拉弧检测AI模型，还支持一键生成可编译、运行的电弧检测代码。另外搭配外围的存储和通信模块，可以将采集的数据传输到云，并进行训练，以及模型参数的OTA升级。

还有个演示demo是AI语音识别方案：采用Sensory平台进行关键词训练，支持多关键词、多语种的训练；自然也支持训练模型在MCU端侧部署，在本地运行轻量化语音识别模型；功能方面，支持人声检测、语音降噪、音频分割、MFCC特征提取等。

另一个解题思路：Helium

在形如兆易创新这样的AI MCU标准答案之外，还有一些解题思路，典型如Arm Helium。文首提到瑞萨在去年进博会上展示的RA8系列MCU，能直接检测画面中的人（如下图），是不需要借助额外的加速器了。更有一种MCU竟可以进行AI计算且效果还不错的既视感。

瑞萨RA8采用Arm Cortex-M85首先也决定了这是颗性能彪悍的MCU，包括Arm v8.1-M内核，不同精度浮点数硬件支持及每周期数学性能提升，和表现在CoreMarks/MHz数字上相较于其他Cortex-M系列核心的领先。具体到RA8M1，也有1MB SRAM、2MB Flash，通信接口亦支持以太网、USB、CAN-FD等，还有Octal SPI可接Octal Flash或HyperRAM。

此前的采访中，瑞萨还提到RA8系列MCU也针对图形显示和外设功能进行了优化，能够更好地满足楼宇自动化、家用电器、智能家居等领域的需求，“特别是在图形显示和语音/视觉多模态AI应用方面”；加上强调安全性，RA8还适用于消费电子、医疗设备等。

不过这其中相关AI的关键，还在于Cortex-M85对于Arm Helium的支持，令M85的DSP/ML性能提升4倍、标量性能提升30%。用一句话总结Helium，这种技术很像是Cortex-M版本的Neon，但又考虑到了嵌入式系统成本与功耗敏感的特性。

Helium是Cortex-M系列的MVE矢量指令集扩展，主要为机器学习和DSP应用提供性能支持。Arm在资料中说Helium是在小型处理器内实现有效信号处理的全新设计，其中包含了不少新的架构特性，用以加强嵌入式使用场景中的计算性能，兼顾到面积和功耗——相当于把Neon能力（Cortex-A的SIMD指令）带到了M-Profile架构。

所以Helium设计的目标，是用单颗处理器取代以往某些需要搭配DSP的方案。瑞萨在发布RA8之时就说这么做填补了市场空白，因为这么做简化了软件开发、降低了芯片设计的复杂性和成本。前不久，我们就Helium技术实现撰文做过专门介绍，对其实现感兴趣的读者可以前往查看。

Helium和Neon都是128-bit矢量size，用浮点单元的寄存器作为矢量寄存器，也都有对应的一些矢量处理单元。但二者区别在于，Helium在设计理念上考虑对现有硬件资源的最大化利用，比如128bit数据通路是借助beatwise执行实现的，用的矢量寄存器也少于Neon；配套所谓的beatwise执行也有一系列指令、数据访存等改进...

这是凭藉RA8 MCU，就实现人检测，不需要其他加速器的关键。瑞萨的这一demo是与PlumerAI合作完成的。另外瑞萨此前还在进博会上演示了马达异常检测AI套件，借助Reality AI工具，进行电机运行的数据分析采集，生成的AI模型可进行电极异常检测。

在开发生态方面，除了配套AI/ML工具及开发套件，瑞萨也构建了AI/ML“应用公园”，包含解决方案套件、工具箱、应用实例和参考设计。比如瑞萨此前收购的Reality AI就能为非视觉类应用提供AI开发工具，包括为客户提供定制AI模型。

还能配套NPU加速器

Helium对于有实时响应和超低功耗要求的应用而言，是相当不错的选择，而且MCU的特性也决定了开发的友好性。如果嵌入式应用追求更高的AI性能，很多市场参与者也开始为MCU配套AI加速器。比较具有代表性的是英飞凌前不久更新的PSOC MCU产品线，其中的PSOC Edge系列就强化了AI能力。

此系产品线中除了PSOC Edge E81的机器学习加速主要是基于Helium和英飞凌NNLite加速器，着眼于更低功耗的ML应用；E83/E84搭配的是Arm Ethos-U55 NPU。Arm在Ethos-U55的产品宣传页上就提到其AI性能提升了480倍，AI应用实现过程中0.1mm²面积就节约至多90%能耗。

上个月的媒体沟通会上，英飞凌展示了一个水果种类识别的demo——以前这是2.4GHz频率的x86 CPU才能干的活儿。PSOC Edge产品线现有芯片主要基于Cortex-M55微控制器内核，搭配Ethos-U55，就能相对轻松地对应这一场景。在400MHz主频下，推理时间约41.68ms。

另一则demo小游戏，是借助毫米波雷达（XENSIV）检测手势，手势操控屏幕上的火箭安全着陆（下图）。这则demo除了体现基于机器学习来识别手势点云数据，另外也体现了PSOC Edge E84的低功耗2D图形加速能力。

值得一提的是，为了让PSOC Edge能够适配电池驱动设备——如可穿戴产品，英飞凌为其加入了低功耗模式——always-on电源域涵盖LPPASS（低功耗可编程模拟子系统）、与传感器通信的SCB（串行通信总线），在系统进入深睡模式时仍可保持工作，实现always-on的传感和响应。

搭配英飞凌去年收购Imagimob获得AI软件方面的能力，结合Modus Toolbox工具，英飞凌也因此提供“端到端”机器学习开发能力，从数据到模型部署。英飞凌在采访中提到，其软件、解决方案最能体现英飞凌MCU的差异化竞争优势。

英飞凌定位PSOC E8x系列目标应用包括家电与工业设备中的HMI、智能家居、安全系统、机器人与可穿戴设备。其中E83/E84因为特别配了NPU，也就具备ML唤醒、视觉位置检测与人脸/物体识别特性。

英飞凌认为，未来万物互联都需要具备机器学习能力，除了像PSOC Edge这样强调AI能力的产品，“我们会看到PSOC Control和PSOC Connect最终也将具备机器学习能力”——PSOC Control是主要用于电机控制和功率转换的MCU系列，PSOC Connect则融入了无线连接特性。这也很好地体现了AI everywhere的趋势和潜力。

去年的采访中，瑞萨提到随着边缘和端侧AI的普及，应用开发理念也和过去完全不同。“可能开发者思考的不再是用什么样的算法来实现功能，而是有多少实用的数据来实现对应的算法”，因此数据成为关键，“数据会在未来的开发流程中占据重要位置”，AIoT开发理念因此更多转向以数据为中心。

过去这大半年我们看到越来越多的市场参与者推出AI MCU产品。无论是搭配专门的加速器，还是借助Helium以及高性能微控制器核心、丰沛的存储资源加强AI能力，这方面的市场需求显然正变得旺盛。英飞凌就认为边缘AI还将经历长期发展，而现在只是个开端。

了解更多有关AIoT及MCU生态发展情况，关注由Aspencore主办的2024全球MCU及嵌入式生态发展大会——包括安谋科技、瑞萨、兆易创新、芯易荟等在内的生态上下游企业都将参与本次盛会 >>点击这里报名参会<<

大会议程：