人工智能時代的MCU架構

僅執行控制任務的 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 — 從優化的神經處理單元 (NPU) 到節能架構，再到巧妙的內存拓撲。

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

MCU 市場的競爭將越來越被那些能夠將神經處理單元 (NPU) 功能與傳統 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據，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 中神經網絡功能的競爭對手實現的爭論尚未爆發，僅僅是因為很少有制造商能夠真正滿足終端物聯網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套件 (SDK) 中添加 ML 功能來增強現有產品組合，同時保持基本不變的傳統硅 IP。在幾乎所有情況下，這種 IP 都基于 Arm 的舊版 Cortex-M CPU 架構來執行 ML 工作負載，而在極少數情況下，會采用專有的神經網絡協處理器。