人工智能時代的MCU架構

僅執(zhí)行控制任務的 MCU 是一回事。但在當今的 AI 時代，真正支持 AI 的 MCU 需要提供更多功能。了解重要因素 — 從優(yōu)化的神經(jīng)處理單元 (NPU) 到節(jié)能架構，再到巧妙的內存拓撲。

執(zhí)行嵌入式控制功能而沒有任何原生人工智能 (AI) 功能的傳統(tǒng)微控制器 (MCU) 永遠存在市場。但是，在端點執(zhí)行 AI 功能的需求迅速增長，這將越來越?jīng)Q定新產品設計中使用的 MCU 的規(guī)格。

MCU 市場的競爭將越來越被那些能夠將神經(jīng)處理單元 (NPU) 功能與傳統(tǒng) MCU 特性和功能緊密結合的人所贏得。MCU 制造商為這種新型混合 CPU/NPU 設備采用的架構對 OEM 的產品設計有著實際影響，會影響其性能和響應時間、功耗以及開發(fā)產品的工程團隊的生產力。

所有這些都是為了滿足最終消費者的期望，他們希望以實惠的價格在可穿戴設備、可聽設備、健身和健康監(jiān)測器、智能相機和游戲等產品中體驗流暢、實用的功能，而不會出現(xiàn)可察覺的延遲，并且對云端的依賴較少。

負責選擇具有 AI 功能的 MCU 的工程師當然會依賴性能基準和其他技術數(shù)據(jù)，但他們也將受益于深入了解 NPU 集成到熟悉的嵌入式控制器結構中的方式。

關于 MCU 中神經(jīng)網(wǎng)絡功能的競爭對手實現(xiàn)的爭論尚未爆發(fā)，僅僅是因為很少有制造商能夠真正滿足終端物聯(lián)網(wǎng)設備對有效機器學習 (ML) 功能的市場需求。

總體而言，MCU 市場的巨頭們更傾向于通過在其軟件開發(fā)套件 (SDK) 中添加 ML 功能來增強現(xiàn)有產品組合，同時保持基本不變的傳統(tǒng)硅 IP。在幾乎所有情況下，這種 IP 都基于 Arm 的舊版 Cortex-M CPU 架構來執(zhí)行 ML 工作負載，而在極少數(shù)情況下，會采用專有的神經(jīng)網(wǎng)絡協(xié)處理器。