MCU支持AI边缘设备，实现AI功能的多种形式

2024-09-30

电子爱好者网报道(文章 / 近日，恩智浦宣布推出全新的李弯弯) i.MX RT700 跨界 MCU 支持智能的系列 AI 边缘设备，如可穿戴设备、消费医疗设备、智能家居设备和 HMI 平台。根据官方介绍，新款 MCU 目的是显著节约功耗，可以在边缘端提供高达 172 倍的 AI 加快。

MCU 集成 NPU 支持 AI 功能

这个是恩智浦推出的 i.MX RT700 恩智浦自主研发的内部集成 eIQ Neutron NPU，它是一种可扩展的硬件加速器架构，专门用于 AI 和 ML 应用设计。NPU 引进大大提高了设备的发展。 AI 促进本地部署的工作负载性能和能效 AI 模型可以成为可能。

MCU 集成 NPU 这是当前技术发展的重要趋势。伴随着 AI 随着技术的普及和边缘计算需求的增加，传统 MCU 已不能满足高效处理的复杂性。 AI 需要任务。所以， NPU 集成到 MCU 成为提高设备智能化水平和响应速度的核心技术之一。

NPU 专门为神经网络计算而设计，可大大改善 MCU 在处理 AI 计算速度和效率在算法中。 MCU 执行起来更加复杂 AI 图像识别、语音识别、自然语言理解等任务。

相较于传统 CPU 或 GPU，NPU 对于需要长时间运行的设备，如可穿戴设备、智能家居设备等，在处理神经网络计算时功耗较低。

集成智能家居领域 NPU 的 MCU 传感器数据可以实时处理，实现智能家居设备的智能联动和场景控制。例如，智能锁可以通过图像识别技术识别主人的面部特征，实现无钥匙进入；智能照明系统可根据室内光线和人员活动情况自动调节亮度和色温。

集成工业自动化领域 NPU 的 MCU 可以执行产品质量检验、生产过程监控等更复杂的机器视觉和机器学习任务。这有利于提高生产效率，降低人工成本，提高产品质量。

集成医疗器械领域， NPU 的 MCU 能实时处理医学影像数据，协助医生进行疾病诊断和治疗决策。例如，在智能诊断系统中，NPU 能迅速分析患者的影像资料，提供初步的诊断建议。

集成汽车电子领域 NPU 的 MCU 能实现高级驾驶辅助系统（ADAS）以及自动驾驶功能。例如，通过图像识别和传感器的整合技术，汽车可以实时感知周围环境，并做出相应的驾驶决策。

目前，多家 MCU 制造商已推出集成 NPU 除了恩智浦，意法半导体、英飞凌等产品都推出了集成产品。 NPU 的 MCU，比如意法半导体 STM32N6 这个系列，是它的第一个配置 NPU 的 MCU，这样就使这个系列 MCU 可在边缘端进行复杂的执行。 AI 算法，大大提高了处理量和质量。

数字意法半导体微处理器 IC 还有射频产品部门的总裁 Remi El-Ouazzane STM32N6表示提供和配置 AI 加速器的四核处理器相同。 AI 性能，但成本只有十分之一，功耗只有十二分之一。这主要是由于其高效的结构模式和优化的功耗管理。

STM32N6 由于其强大的系列 AI 处理能力和低功耗特性非常适合对功耗和性能有严格要求的边缘计算场景，比如STM32N6在智慧城市和工业物联网中。实现数据的实时采集、处理和传输，可作为智能传感器的关键控制部件。

使用它的内置 NPU，STM32N6 可执行图像识别、物体检测等机器视觉任务，为智能安全、自动驾驶等领域提供技术支持。STM32N6在嵌入式系统中能显著提高设备的智能化水平，使设备具有较强的数据处理和管理能力。

再比如英飞凌，今年公司 4 全新的新型月度发布 PSOC Edge E81、E83 和 E84 配备高性能的微处理器 Arm Cortex-M55 核心，支持 Arm Helium DSP 并搭配 Arm Ethos-U55 神经网络处理器，以及 Cortex-M33 以英飞凌超低功耗为核心。 NNLite。NNLite 它是一种专有的硬件加速器，用于加速神经网络。

这些完全集成的系统级芯片优化了运行在网络边缘互联系统上的机器学习应用，让设计师为物联网和消费级应用带来先进的应用。 AI 功能。

PSOC Edge MCU 目标应用包括家用电器和工业设备中的人机界面。（HMI）、智能化家居和安全系统，机器人和可穿戴设备等。这类设备需要高性能、低功耗、强安全性来支持复杂的机器学习应用和用户互动体验。

MCU 支持 AI 其它功能方法

事实上，除了集成 NPU 以外，MCU 还可以通过其它方法达到一定程度。 AI 功能。例如软件算法，通过软件算法的优化，MCU 可在其处理能力范围内进行简单的执行。 AI 例如，使用机器学习库(例如 TensorFlow Lite for Microcontrollers）运行轻量级神经网络模型。

MCU 基于统计或规则也可运行简单的操作。 AI 决策树、svm算法等算法（SVM）等等，这些算法对计算资源的需求相对较低。

一些 MCU 集成了 DSP 模块，DSP 例如执行数字信号处理任务(例如 FFT、滤波器等)效率很高，这些任务都是 AI 在算法中也很常见。部分 MCU 其它类型的协处理器可以配置，例如 FPU(浮点控制部件)或特殊功能协处理器，这些协处理器可以在一定程度上加速。 AI 执行算法。

此外，MCU 可通过外部接口(例如 SPI、I2C、UART 等待)特殊连接 AI 加速器芯片。这类加速器芯片可以处理复杂的 AI 算法，并返回结果。 MCU 进行后续处理。

意法半导体 STM32 许多型号没有集成系列。 NPU，他们仍然可以通过软件优化和模型转换来实现。 AI 任务。除 STM32 除了系列之外，还有许多品牌 MCU 也可以不存在 NPU 在情况下实现 AI 功能。这些 MCU 一般来说，Cpu性能高，外设资源丰富，通过软件优化和算法调整，可以简单地执行。 AI 任务。

比如乐鑫科技推出 ESP32，这是一个集成的模型。 Wi-Fi 还有蓝牙功能 MCU，尽管没有集成 NPU，但是它的双核处理器和丰富的内存资源使它能在一定程度上支持它。 AI 应用。ESP32通过载入轻量级模型和使用优化算法能实现语音识别、图像识别等功能。

也有兆易创新 GD32 该系列产品以其高性能和丰富的外部资源被广泛应用于嵌入式系统。GD32通过载入轻量级模型和使用优化算法。系列 MCU 能实现图像识别、语音识别等等 AI 功能。

还有华大半导体 HC32 系列，HC32 系列 MCU 它还具有高性能、低功耗的特点，适用于需要的需要。 AI 嵌入式系统的功能。HC32通过软件优化和模型转换系列 MCU 复杂的执行可以进行 AI 推理任务。

写在最后

随着 AI 随着技术的不断进步，越来越多 MCU 开始考虑整合 NPU 以提高其 AI 处理量。然而，并非所有应用程序都需要它。 NPU 没有集成的支持 NPU 的 MCU 仍然可以通过各种技术和方法来实现 AI 功能，满足嵌入式系统对智能和自主决策能力的需求，例如选择轻量级模型，使用嵌入式模型。 AI 框架，软件算法的提升等。

阅读更多热门文章

加关注星标我们

把我们设为星标，不要错过每一次更新！