NXP推出集成NPU的MCU，支持AI边缘设备！MCU实现AI功能的多种方式

 电子发烧友网报道（文/李弯弯）近日，恩智浦宣布推出全新i.MX RT700跨界MCU系列，支持智能AI的边缘端设备，例如可穿戴设备、消费医疗设备、智能家居设备和HMI平台。据官方介绍，新款MCU旨在显著节省功耗，可在边缘端提供高达172倍的AI加速。
 
MCU集成NPU支持AI功能
 
恩智浦推出的这款i.MX RT700内部集成了恩智浦自研的eIQ Neutron NPU，这是一种可扩展的硬件加速器架构，专为AI和ML应用而设计。NPU的引入大幅提升了设备的AI工作负载性能和能效，使得本地部署AI模型成为可能。
 
MCU集成NPU是当前技术发展的一个重要趋势。随着AI技术的普及和边缘计算需求的增加，传统的MCU已经难以满足高效处理复杂AI任务的需求。因此，将NPU集成到MCU中，成为提升设备智能化水平和响应速度的关键技术之一。
 
NPU专为神经网络运算设计，能够大幅提升MCU在处理AI算法时的运算速度和效率。这使得MCU能够执行更复杂的AI任务，如图像识别、语音识别、自然语言处理等。
 
相比传统的CPU或GPU，NPU在处理神经网络运算时具有更低的功耗。这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，尤为重要。
 
在智能家居领域，集成NPU的MCU能够实时处理传感器数据，实现智能家居设备的智能联动和场景控制。例如，通过图像识别技术，智能门锁可以识别主人的面部特征，实现无钥匙进入；智能照明系统可以根据室内光线和人员活动情况自动调节亮度和色温。
 
在工业自动化领域，集成NPU的MCU可以执行更复杂的机器视觉和机器学习任务，如产品质量检测、生产流程监控等。这有助于提高生产效率、降低人工成本并提升产品质量。
 
在医疗设备领域，集成NPU的MCU可以实时处理医疗影像数据，辅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可以快速分析患者的影像资料，提供初步的诊断建议。
 
在汽车电子领域，集成NPU的MCU可以实现高级驾驶辅助系统（ADAS）和自动驾驶功能。例如，通过图像识别和传感器融合技术，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厂商已经推出了集成NPU的产品，除了恩智浦之外，意法半导体、英飞凌等都推出有集成NPU的MCU，如意法半导体的STM32N6系列，是其首款配备NPU的MCU，这使得该系列MCU能够在边缘端执行复杂的AI算法，极大地提高了处理能力和效率。
 
据意法半导体微控制器、数字IC和射频产品部总裁Remi El-Ouazzane表示，STM32N6提供了与配备AI加速器的四核处理器相同的AI性能，但成本仅为十分之一，功耗仅为十二分之一。这主要得益于其高效的架构设计和优化的功耗管理。
 
STM32N6系列由于其强大的AI处理能力和低功耗特性，非常适用于对功耗和性能有严格要求的边缘计算场景，如：在智能城市和工业物联网中，STM32N6可以作为智能传感器的核心处理单元，实现数据的实时采集、处理和传输。
 
利用其内置的NPU，STM32N6可以执行图像识别、物体检测等机器视觉任务，为智能安防、自动驾驶等领域提供技术支持。在嵌入式系统中，STM32N6能够显著提升设备的智能化水平，使设备具备更强大的数据处理和决策能力。
 
再如英飞凌，该公司今年4月发布了全新的新型PSOC Edge E81、E83和E84微控制器，搭载高性能的Arm Cortex-M55内核，支持Arm Helium DSP并搭配Arm Ethos-U55的神经网络处理器，以及Cortex-M33内核搭配着英飞凌超低功耗NNLite。NNLite是一种用于加速神经网络的专有硬件加速器。
 
这些完全集成的系统级芯片针对在网络边缘互联系统上运行的机器学习应用进行了优化，使设计人员能够为物联网和消费级应用带来先进的AI功能。
 
PSOC Edge MCU的目标应用包括家电和工业设备中的人机界面（HMI）、智能家居和安全系统、机器人和可穿戴设备等。这些设备需要高性能、低功耗和强大的安全性来支持复杂的机器学习应用和用户交互体验。
 
MCU支持AI功能的其他方式
 
当然除了集成NPU之外，MCU也能通过其他方式实现一定程度的AI功能。如软件算法，通过优化软件算法，MCU可以在其处理能力范围内执行简单的AI算法。例如，使用机器学习库（如TensorFlow Lite for Microcontrollers）来运行轻量级的神经网络模型。
 
MCU也可以运行基于统计或规则的简单AI算法，如决策树、支持向量机（SVM）等，这些算法对计算资源的要求相对较低。
 
一些MCU集成了DSP单元，DSP对于执行数字信号处理任务（如FFT、滤波等）非常高效，这些任务在AI算法中也很常见。部分MCU可能配备了其他类型的协处理器，如FPU（浮点处理单元）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算法的执行。
 
另外，MCU可以通过外部接口（如SPI、I2C、UART等）连接专门的AI加速器芯片。这些加速器芯片可以处理复杂的AI算法，并将结果返回给MCU进行后续处理。
 
意法半导体STM32系列的许多型号就没有集成NPU，它们通过软件优化和模型转换，仍然能够执行AI任务。除STM32系列外，也有许多品牌的MCU也能够在没有NPU的情况下实现AI功能。这些MCU通常具有高性能的处理器和丰富的外设资源，通过软件优化和算法调整，可以执行简单的AI任务。
 
如乐鑫科技推出的ESP32，这是一款集成了Wi-Fi和蓝牙功能的MCU，虽然没有集成NPU，但其双核处理器和丰富的内存资源使得它能够在一定程度上支持AI应用。通过加载轻量级模型和使用优化算法，ESP32可以实现语音识别、图像识别等功能。
 
还有兆易创新的GD32系列，该系列产品凭借其高性能和丰富的外设资源，在嵌入式系统中得到了广泛应用。通过加载轻量级模型和使用优化算法，GD32系列MCU可以实现图像识别、语音识别等AI功能。
 
以及华大半导体的HC32系列，HC32系列MCU同样具备高性能和低功耗的特点，适用于需要AI功能的嵌入式系统。通过软件优化和模型转换，HC32系列MCU可以执行复杂的AI推理任务。
 
写在最后
 
随着AI技术的不断发展，越来越多的MCU开始考虑集成NPU以提升其AI处理能力。不过，也并不是所有应用都需要NPU的支持，没有集成NPU的MCU仍然可以通过多种技术和方法实现AI功能，满足嵌入式系统对智能化和自主决策能力的需求，如选择轻量级模型、利用嵌入式AI框架、优化软件算法等。