MCU如何在边缘计算新赛道上建功立业?

“互联设备的数量在2025年会达到500亿，目前市场约有数十亿个互联设备，这也意味着智能设备在未来的几年里会翻倍增长，而这一增长需要提升每个节点和边缘的处理能力，融入人工智能和机器学习技术。”恩智浦大中华区工业与物联网市场高级总监金宇杰的话无疑描绘出边缘侧的宏伟蓝图。

而如此巨量的市场引“无数英雄竞折腰”是必然的，在嵌入式领域功成身就的MCU，如何在这一新的赛道上建功立业？

创新的进击

恩智浦高级副总裁兼边缘处理业务部总经理Ron Martino开宗明义：“数十亿台设备上的分布式智能推动了边缘的进一步演变，这个时代需要在处理、能源效率和安全性方面实现创新。”

对此，金宇杰进一步解读，称边缘计算除算力之外，功耗一直是市场的痛点，客户都希望算力更强的同时降低能耗。此外，也越来越注重安全性，因推理都在本地运行，客户越来越重视数据的安全性。

应时而动，恩智浦的EdgeLock安全区域与Azure Sphere双管齐下确保安全无忧，Energy Flex架构则让能耗管理因地制宜。

恩智浦边缘处理事业部软件研发总监翁铁成详细介绍说，EdgeLock安全区域通过对信任根、运行时认证、信任设置、安全启动、密钥管理和加密服务等关键安全功能的自主管理来增强对边缘设备的保护，同时还简化了获得行业标准安全认证的途径。此外，考虑到在初始部署后使边缘设备保持长期安全是一项挑战，恩智浦则和Microsoft合作，将新型i.MX 8ULP-CS（云安全）应用处理器系列通过Azure Sphere认证，为合作伙伴提供大规模响应式Azure Sphere安全性，从而让客户改善产品、服务和体验。

在设计节能的边缘系统时，芯片级功耗优化变得日趋重要。恩智浦Energy Flex架构的创新之处就在于处理器中嵌入了可编程电源管理子系统，该子系统能够管理20多种不同的电源模式配置，从而提供出色的能源效率——从全功率到低至30微瓦。

而这些创新都已整合成为新增跨界应用处理器，包括i.MX 8ULP、i.MX 8ULP-CS（云安全）系列和新一代高性能i.MX 9系列的“标配”，实现了超低功耗处理和可信云到边缘安全方面的行业里程碑。

具象来看，在i.MX 8ULP和i.MX 8ULP-CS系列中，Energy Flex架构将异构域处理、设计技巧和28nm FD-SOI工艺技术相结合，能源效率比前代产品提高了多达75%。而可扩展的i.MX 9系列将更高性能的应用内核、类似于MCU的独立实时域、Energy Flex架构、EdgeLock安全区域带来的先进安全性以及专用多传感器数据处理引擎相结合。该产品线的首个系列将通过16/12nm FinFET工艺制造，功耗极低。此外，i.MX 9系列还集成了硬件神经处理单元（NPU），使构建低成本的节能边缘机器学习成为可能。

全生态“版图”

虽然芯片的创新，让边缘计算更“接地气”，但考量到诸多碎片化的应用与需求，或许芯片只是“敲门砖”之一，背后其实比拼的还是全生态。

金宇杰认为，单提供芯片已无法满足边缘计算的需求，需要从芯片、云平台以及应用软件服务支持等多层次助力，从而让客户在AI场景的刚需尽快落地，并给予其系统级的支持。

“为配合这些强大的产品，更加需要强大的软件、工具或者生态系统的支持。” 恩智浦边缘处理事业部系统工程总监王朋朋详细解读说，“恩智浦提供全面的核心软件和工具集，包括SDK的软件开发包、Xpresso IDE开发环境以及常用的管脚配置、时钟配置、安全配置等。此外，恩智浦还开创了普惠型的通用的工具集eIQ Toolkit，并可针对一些有模型的客户提供工具BYOM，以此训练出更优的推理模型。”

正如翁铁成所言，恩智浦的芯片无论是MPU还是MCU都集成众多计算模块，如GPU、NPU、图像处理、视频处理等，还有针对MCU的PXP、VGLite，通过应用工具和推理模型，能够在生成的模型中最大化地利用这些计算的加速引擎并发挥AI和ML的作用。因而，一方面可提升用户体验，让客户快速针对特定应用场景开发产品，另一方面则可最大化发挥芯片的能力。

作为老牌劲旅，恩智浦的MCU已形成了“矩阵式”打法：除传统嵌入式MCU外，i.MX系列在市场纵横多年；MPU在通信领域结出硕果；跨界处理器作为新的生力军在跑马圈地。特别值得一提的是，跨界处理器强大的处理能力和丰富的外设集成，为软件的“进化”带来了新的可能。如恩智浦的跨界处理器可支持强大的操作系统，例如QNX等；AI、机器学习亦能在MCU上实现；还有诸如MicroPython等高级语言也开始进入MCU支持的“谱系”。

双向的“进化”无疑形成了正反馈，也让MCU在边缘计算绽放光芒。

金宇杰最后提及，MCU在边缘计算将占据半壁江山。AI的概念以及算法的运用对算力的要求是不一的，一方面MCU的算力在逐渐提高，而且有众多工具可助力优化模型，从而可最有效地利用算力来满足需求；另一方面，可通过集成不同的核如DSP、GPU等异构多核架构，灵活应对多样化的应用所需。
         责任编辑:tzh