MCU 龙头大厂瑞萨电子周四(9 日) 宣布，决定买下美国从事机器学习模型开发的新创企业「Reality AI」，将利用手头现金购买，预定年底完成收购案。

Reality AI 公司的强项在于声音和视觉之外的传感器数据解析，瑞萨将结合自家MCU 产品，提供给推动AI 应用的产业、以及汽车用途等。

目前虽然瑞萨有自行研发机器控制用途的MCU，但AI 相关应用软件向外部合作伙伴购买。

这次瑞萨买下Reality AI，将可结合该公司的开发环境和推论软体等，来对外提供；另外瑞萨实施并购的另一个用意，也是期盼客户在高效率、高安全性的物联网装置方面，能多采用自家MCU 产品。

Reality AI 成立于2016 年，事业内容是提供机器学习模型、及相关开发环境给客户，强项在于传感器数据汇整装置于进行解析和学习时的「嵌入式」AI 领域，例如工厂侦测异音或是汽车的语音辨识等都可应用到相关技术，德国英飞凌科技(Infineon) 和日本富士通(Fujitsu) 的产品就有采用Reality AI 的技术。

目前商用物联网设备使用的MCU，大多是意法半导体(STMicroelectronics) 等公司的天下。瑞萨公司社长柴田英利表示，希望藉由这次并购，能让瑞萨在AIoT(人工智能物联网) 解决方案市场占有一席之地。

为什么MCU也需要AI？

人工智能（AI）是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。

但随着AI从云到边缘的发展，使得这一观点正在迅速改变，AI计算引擎使MCU能够突破嵌入式应用可能的极限，嵌入式设计已经能够提高网络攻击的实时响应能力和设备安全性。

支持AI的MCU

云计算推动了对具有AI功能的MCU的需求；它减少了数据传输所需的带宽，并节省了云服务器的处理能力。

配备AI算法的MCU正在应用包含对象识别，启用语音服务和自然语言处理等功能的应用程序。它们还有助于提高物联网（IoT），可穿戴设备和医疗应用中电池供电设备的准确性和数据隐私性。

那么，MCU如何在边缘和节点设计中实现AI功能？下面简要介绍了三种基本方法，这些方法使MCU能够在IoT网络边缘执行AI加速。

三个MCU + AI场合

第一种方法（可能是最常见的方法）涉及各种神经网络（NN）框架（例如Caffe 2，TensorFlow Lite和Arm NN）的模型转换，用于在MCU上部署云训练的模型和推理引擎。有一些软件工具可以从云中获取经过预训练的神经网络，并通过将其转换为C代码来针对MCU进行优化。

在MCU上运行的优化代码可以在语音，视觉和异常检测应用程序中执行AI功能。工程师可以将这些工具集下载到MCU配置中，并运行优化神经网络的推论。这些AI工具集还提供了基于神经网络的AI应用程序的代码示例。

AI执行模型转换工具可以在低成本和低功耗MCU上运行优化神经网络的推论，如下图所示。

第二种方法是绕过了对从云借用的预训练神经网络模型的需求，设计人员可以将AI库集成到微控制器中，并将本地AI培训和分析功能纳入其代码中。

随后开发人员可以基于从边缘的传感器，麦克风和其他嵌入式设备获取的信号来创建数据模型，并运行诸如预测性维护和模式识别之类的应用程序。

第三种方法是AI专用协处理器的可用性使MCU供应商能够加快机器学习功能的部署。诸如Arm Cortex-M33之类的协处理器利用了诸如CMSIS-DSP之类的流行API来简化代码的可移植性，从而使MCU与协处理器紧密耦合，可加快AI功能，如协处理相关和矩阵运算。

应用落地 涌现海量终端智能

“MCU+边缘AI”已经开始在越来越多领域得到应用。“边缘计算是指把计算和处理能力从云数据中心下沉到距离用户非常近的接入网。对于MCU厂商来说，除了需要对芯片本身的集成度、功耗、成本与安全性不断优化，且打造一个广阔的产品平台外，还需要从多重维度来推进，以应对层出不穷的应用需求。”兆易创新产品市场总监金光一指出。把一些简单的人工智能算法融入MCU中，这是对现有MCU产品系列的补充和增强。随着5G的到来，人们对传统产品的延迟和能耗将提出更高更极限的要求，边缘计算便是非常好的实现方法。人工智能在MCU上实现的意义在于，可以将MCU低功耗、低成本、实时性、稳定性、开发周期短、广阔的市场覆盖率等特性与人工智能强大的处理能力相结合，从而使海量终端智能涌现出来。

图像和语音处理是“MCU+边缘AI”的目标应用领域之一。例如图形识别、语音助手唤醒词处理以及其他用于各种安全系统的声音分类等应用。在智能制造领域，由于很多工厂在疫情期间生产受到影响，再加上人力成本提高，工业制造的智能化和机械化趋势会更加深入。此外，5G的普及将推动物联网、车联网以及Wi-Fi6的发展。同时，5G基站覆盖变广，也将带来一轮“换机潮”，会催生更多围绕5G生态、智能家居、物联网的消费电子需求，因此MCU的需求在未来几年也会快速增长。赛普拉斯物联网计算与无线事业部中国区高级市场经理陈国栋表示：“这几年，国家一直在大力扶持5G、电动汽车、高端制造、消费电子、物联网等领域，这些方向将成为未来经济持续发展的引擎，也是未来几年MCU行业必须关注的市场。在这些大方向下，还会涌现一些子领域，比如智能门锁、智能音箱等。”

在后疫情时代，可穿戴设备的市场也得以拓展。“最近，NBA球队开始用智能戒指检测球员的基本身体参数，从而预警新冠病毒。这款智能戒指基于赛普拉斯PSoC系列MCU。疫情后，人们对个人健康的重视程度会有所提升，从而促进可穿戴设备市场的发展。现有的设备主要是进行心率、血压等常规的检测。而在未来，将会涵盖更多的功能，包括后端的大数据分析、挖掘以及疾病关联性研究等，这些也需要应用到边缘AI技术。”陈国栋说。

功耗与性能的平衡是挑战

未来若想实现AI应用在生活的各个领域，MCU无疑是最佳选择之一。但是MCU在效能表现方面相对较低，因此目前要将MCU应用于AI运算仍有一定的挑战。

“随着云计算的快速发展和普及，边缘计算开始在人工智能领域越来越受重视，产生这种现象的原因是很多的，例如，巨大的数据流造成沉重的网络负担、安全问题、系统延迟等。为了提高用于边缘计算的MCU的整体性能，业界期望MCU具备高处理能力、超低功耗、超小尺寸、增强的安全性机制等。”Silicon Labs 物联网产品亚太区市场营销经理邱意指出。

如何在功耗与性能之间协调达到平衡，是厂商需要考虑的问题。“目前，人工智能行业的发展需要实现场景落地，不同场景和应用的需求差异非常大。如果只是实现了语音识别和人脸识别是远远不够的，后续的行业核心竞争力是高集成度、超低功耗和超高性价比。以智能门锁为例，在实现人脸识别的同时，处理器是否还可以集成指纹识别、门锁控制等其它系统功能？人工智能一定要落地到场景，然后再针对这个场景把功能完善。因此需要提高MCU基于这个场景的集成度，同时降低功耗，提高性价比。”陈国栋说。

此外，制造工艺是MCU厂商进行产品设计时考量的一个重点。“下一代MCU工艺会发展到40纳米和22纳米。40纳米和22纳米并不是前沿的技术节点，但对于MCU已经足够。在这两个尺寸，MCU可以实现成本最优。节点越先进，MCU的动态功耗越好，静态功耗反而会变差，所以要找到一个平衡点。40纳米和22纳米是非常适合MCU的技术节点。”陈国栋指出。

来源：半导体芯闻，中国电子报，宇芯电子