<meter id="pryje"><nav id="pryje"><delect id="pryje"></delect></nav></meter>
          <label id="pryje"></label>

          新聞中心

          EEPW首頁 > 嵌入式系統(tǒng) > 業(yè)界動態(tài) > MCU巨頭 奔向同一個(gè)目標(biāo)

          MCU巨頭 奔向同一個(gè)目標(biāo)

          作者: 時(shí)間:2023-05-19 來源:半導(dǎo)體產(chǎn)業(yè)觀察 收藏

          現(xiàn)在,被稱為是單片機(jī)的微控制器()已經(jīng)越來越“不簡單”。隨著物聯(lián)網(wǎng)設(shè)備的普及和應(yīng)用場景的擴(kuò)大,對于更智能化和自主決策能力的需求也在增加,作為物聯(lián)網(wǎng)設(shè)備中必不可少的大腦——,正朝著更智能化、更強(qiáng)大的方向發(fā)展。越來越多的傳統(tǒng)微控制器單元()巨頭們開始意識到將功能與MCU相結(jié)合的潛力,并積極投入到領(lǐng)域的研發(fā)中。傳統(tǒng)認(rèn)知中,人工智能()相關(guān)的深度學(xué)習(xí)應(yīng)用,只有算力充沛的MPU或者是PC才能玩得轉(zhuǎn)。那么,MCU廠商們將如何應(yīng)對這一新趨勢呢?

          本文引用地址:http://www.ex-cimer.com/article/202305/446775.htm

          為什么要在MCU集成AI?

          首先,讓我們來了解下,為何MCU大廠要在MCU產(chǎn)品中布局AI,在MCU上跑AI或者將MCU與NPU等集成在一起的好處有哪些?大致可歸納為如下幾個(gè)方面:

          低功耗和高效性能:MCU通常具有較低的功耗和較高的能效特性,適合應(yīng)用于低功耗場景。將AI算法和處理能力與MCU集成在一起,可以在低功耗的情況下實(shí)現(xiàn)高效的AI計(jì)算。這對于一些需要長時(shí)間運(yùn)行、依賴于電池供電或功耗敏感的應(yīng)用非常重要。

          實(shí)時(shí)性和即時(shí)響應(yīng):將AI能力集成到MCU上,使得AI算法可以實(shí)時(shí)地在設(shè)備本地進(jìn)行處理和響應(yīng),而無需依賴于云端或其他遠(yuǎn)程服務(wù)器。這提高了系統(tǒng)的實(shí)時(shí)性和即時(shí)響應(yīng)能力,使得設(shè)備能夠更快速地做出決策和反應(yīng),適用于許多實(shí)時(shí)應(yīng)用場景,如嵌入式控制、邊緣計(jì)算等。

          隱私和數(shù)據(jù)安全:將AI算法和數(shù)據(jù)處理能力放在設(shè)備本地,可以減少對云端的依賴,從而增強(qiáng)隱私和數(shù)據(jù)安全性。敏感數(shù)據(jù)可以在本地設(shè)備上進(jìn)行處理,減少了數(shù)據(jù)傳輸?shù)娘L(fēng)險(xiǎn)和隱私泄露的可能性。這對于一些對隱私和數(shù)據(jù)安全要求較高的應(yīng)用,如智能家居、醫(yī)療設(shè)備等非常重要。

          靈活性和定制化:將MCU與NPU等AI處理單元集成在一起,可以為設(shè)備提供更大的靈活性和定制化能力。根據(jù)特定的應(yīng)用需求,可以選擇不同的MCU和AI處理單元的組合,以實(shí)現(xiàn)最佳的性能和能效平衡。這種靈活性和定制化能力可以適應(yīng)各種應(yīng)用場景和需求的變化。

          減少系統(tǒng)復(fù)雜性和成本:相對于將AI處理能力集中在獨(dú)立的處理器或芯片中,將其集成在MCU中可以減少組件數(shù)量和系統(tǒng)復(fù)雜性,從而降低了系統(tǒng)設(shè)計(jì)和制造的成本。

          總之,有AI功能的MCU可以為物聯(lián)網(wǎng)設(shè)備提供更高級的控制和計(jì)算能力,使其能夠進(jìn)行復(fù)雜的推理和決策。因此,現(xiàn)在為邊緣設(shè)備創(chuàng)建機(jī)器學(xué)習(xí)模型正成為一種大的趨勢,這些模型稱為微型機(jī)器學(xué)習(xí)或TinyML,它主要適用于內(nèi)存和處理能力有限的設(shè)備,以及互聯(lián)網(wǎng)連接不存在或有限的設(shè)備。TinyML使在MCU上運(yùn)行深度學(xué)習(xí)模型成為可能。TinyML在MCU上的應(yīng)用越來越普遍。

          但是,想讓深度學(xué)習(xí)模型在MCU上跑起來,不是易事。MCU上跑AI,最關(guān)鍵的是如何將訓(xùn)練好的深度學(xué)習(xí)的模型,轉(zhuǎn)換并部署到MCU上,這需要一整套工具和方法,這對于傳統(tǒng)的MCU廠商而言還是有一定門檻的。因此,要在MCU上部署AI,必須在軟件和硬件兩方面同時(shí)著力。那么MCU巨頭們都是如何做的呢?

          MCU廠商自行設(shè)計(jì)機(jī)器學(xué)習(xí)軟件

          AI應(yīng)用通常需要硬件和軟件的緊密配合。但從MCU本身的屬性來看,它的資源非常有限,因此需要特定的軟件庫和工具來支持AI任務(wù)。然而,與傳統(tǒng)的計(jì)算機(jī)平臺相比,MCU上的AI軟件庫和工具的選擇和可用性相對較少。開發(fā)人員可能需要自行優(yōu)化和適配現(xiàn)有的庫,或者開發(fā)專門針對MCU的AI軟件。在幾大MCU巨頭廠商里,恩智浦和ST均已經(jīng)自行設(shè)計(jì)了機(jī)器學(xué)習(xí)相關(guān)的軟件。

          恩智浦在2018年推出了機(jī)器學(xué)習(xí)軟件eIQ軟件,該軟件能夠在恩智浦EdgeVerse微控制器和微處理器(包括i.MX RT跨界MCU和i.MX系列應(yīng)用處理器)上使用。

          后來,為了降低MCU運(yùn)行AI算法的門檻,恩智浦還打造了一個(gè)適用于MCU的AI工具鏈——NANO.AI。它主要包含兩部分,一部分是將原始算法模型轉(zhuǎn)換成MCU上能夠快速運(yùn)行的數(shù)據(jù)和庫,另一部分包含一個(gè)輕量級推理引擎,能做出一個(gè)能跑在MCU上、只需幾兆Flash甚至幾兆SDRAM的方案。

          目前,恩智浦已經(jīng)推出了帶有AI功能的MCU產(chǎn)品,MCX N系列是恩智浦集成NPU的第一個(gè)產(chǎn)品家族,MCX N94x和MCX N54x MCU系列中集成了恩智浦設(shè)計(jì)的用于實(shí)時(shí)推理的專用片上神經(jīng)處理單元 (NPU)。據(jù)悉,與單獨(dú)使用 CPU內(nèi)核相比,片上NPU的ML吞吐量最高可提高 30 倍。

          2019年ST也發(fā)布了一款STM32Cube.AI工具,這使開發(fā)者在MCU上優(yōu)化AI模型成為可能。STM32Cube.AI是一款用來評估、轉(zhuǎn)換、優(yōu)化和部署已訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型的工具,適合主流的人工智能框架,可為開發(fā)者提供評估和調(diào)整算法的能力。

          而其實(shí)ST很早就在AI上進(jìn)行起布局,這大約可以追溯到2017年,在2017年ISSCC(國際固態(tài)電路會議)上ST 揭曉了一種能夠加速深度卷積神經(jīng)網(wǎng)絡(luò)算法的超低功耗片上系統(tǒng) (SoC)—Orlando。Orlando使用Cortex-M4微控制器 (MCU) 和 128 KB 內(nèi)存、八個(gè)可編程集群,每個(gè)集群包含兩個(gè) 32 位 DSP 和四個(gè) SRAM 組,每個(gè)組提供四個(gè)模塊,每個(gè)模塊為 2 x 64 KB。與這個(gè)高效核心相結(jié)合的是圖像和 CNN 協(xié)處理器(稱為神經(jīng)處理單元或 NPU),它集成了八個(gè)卷積加速器 (CA) 等。

          與第三方軟件工具商合作

          與第三方軟件工具商合作,對于MCU廠商而言,也不失為是一個(gè)好的策略,第三方機(jī)器學(xué)習(xí)軟件工具商通常擁有豐富的機(jī)器學(xué)習(xí)算法和工具庫,MCU廠商可以基于這些軟件工具構(gòu)建自己的解決方案,并根據(jù)客戶需求提供定制化的選擇。在這方面,Microchip、瑞薩、ST都有相關(guān)的布局。

          2020年9月,Microchip宣布與Cartesiam(現(xiàn)已被ST收購)、Edge Impulse和Motion Gestures合作,將這些合作伙伴的軟件和解決方案的接口引入其設(shè)計(jì)環(huán)境,使Microchip的32位MCU和MPLAB X集成開發(fā)環(huán)境,能夠在其 AI/ML 項(xiàng)目的所有階段為客戶提供獨(dú)特的支持,包括數(shù)據(jù)收集、模型訓(xùn)練和推理實(shí)施。

          據(jù)悉,Microchip機(jī)器學(xué)習(xí) (ML) 技術(shù)的核心是用于MPLAB X IDE的ML插件。ML插件在 MPLAB Data Visualizer 中工作,簡化了數(shù)據(jù)收集過程并支持快速開發(fā)嵌入式ML解決方案。ML插件檢索的數(shù)據(jù)由他們的設(shè)計(jì)合作伙伴得工具進(jìn)行分析,并有助于事件識別和數(shù)據(jù)模式異常檢測。

          在近日的STM32峰會上,ST宣布與英偉達(dá)合作,將NIVIDIA TAO和STM32Cube.AI工具相整合,讓開發(fā)者STM32微控制器上無縫訓(xùn)練和實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型,以達(dá)到適配的性能和精度。NVIDIA TAO是一個(gè)加速AI算法開發(fā)和優(yōu)化的開發(fā)環(huán)境,TAO工具包提供了一個(gè)低代碼的人工智能框架,以加速視覺模型的開發(fā)。

          但是與第三方軟件工具商合作也有弊端,如Microchip合作的Cartesiam軟件工具商就被ST收購(下文中講述),還可能存在技術(shù)整合和兼容性問題、依賴性等問題。

          通過收購補(bǔ)齊軟件上的短板

          毫無疑問,MCU廠商已經(jīng)意識到AI技術(shù)對于MCU的重要性,而且AI領(lǐng)域的技術(shù)變化快速,收購是實(shí)現(xiàn)技術(shù)升級的一個(gè)快速途徑。這也有助于簡化客戶的采購和集成過程,提高產(chǎn)品的易用性和競爭力。

          我們已經(jīng)看到,近兩年來,越來越多的MCU巨頭開始通過收購一些專注于MCU的AI解決方案和軟件工具的廠商,來增強(qiáng)自身在AI領(lǐng)域的競爭力。

          首先是意法半導(dǎo)體(ST),2021年6月3日,意法半導(dǎo)體宣布收購邊緣AI軟件專業(yè)開發(fā)公司Cartesiam。Cartesiam成立于2016年,總部位于法國土倫,專門從事人工智能開發(fā)工具研發(fā),讓基于Arm的MCU具有機(jī)器學(xué)習(xí)和推理能力。該公司開發(fā)了具有專利的NanoEdge AI Studio旗艦解決方案,它能讓沒有AI知識背景的嵌入式系統(tǒng)設(shè)計(jì)人員也可以快速開發(fā)專用的軟件庫,NanoEdge? AI Studio可以讓開發(fā)人員基于少量數(shù)據(jù),通過創(chuàng)建、清理、優(yōu)化數(shù)據(jù)集等步驟創(chuàng)建適配的ML庫。NanoEdge具有異常檢測與設(shè)備學(xué)習(xí)的能力,也提供分類和回歸庫。收購Cartesiam公司之后,該公司的NanoEdge AI Studio方案將對ST的STM32Cube.AI實(shí)現(xiàn)進(jìn)一步完善和補(bǔ)充。

          據(jù)悉,ST即將推出第一個(gè)帶有神經(jīng)網(wǎng)絡(luò)硬件處理單元(Neural-Art Accelerator)的通用微控制器——STM32N6,這款MCU與其STM32MP1微處理器(運(yùn)行頻率為 800MHz 的雙 Cortex-A7)相比,STM32N6 的推斷速度提高了25倍。

          再一個(gè)是瑞薩,2022年7月20日,瑞薩宣布,完成對美國從事機(jī)器學(xué)習(xí)模型開發(fā)的初創(chuàng)企業(yè)Reality AI。Reality AI主要為汽車、工業(yè)和商業(yè)產(chǎn)品中的高級非視覺傳感提供范圍廣泛的嵌入式人工智能和微型機(jī)器學(xué)習(xí) (TinyML) 解決方案。

          此次收購將使瑞薩電子能夠擴(kuò)展其用于人工智能應(yīng)用的工具套件和軟件產(chǎn)品,將Reality AI的人工智能推理技術(shù)與瑞薩電子的MCU和MPU產(chǎn)品組合相結(jié)合,將實(shí)現(xiàn)機(jī)器學(xué)習(xí)和信號處理的無縫實(shí)施。據(jù)了解,與使用量化、壓縮、修剪或其他機(jī)器學(xué)習(xí)技術(shù)使模型變小但精度降低的方法不同,Reality AI將先進(jìn)的信號處理方法與機(jī)器學(xué)習(xí)相結(jié)合,在不影響體積的情況下提供完全的精度。

          據(jù)瑞薩物聯(lián)網(wǎng)及基礎(chǔ)設(shè)施事業(yè)本部MCU事業(yè)發(fā)展部副總裁Mohammed Dogar的介紹,瑞薩將全面擁抱AI。目前嵌入式AI分析主要有三個(gè)場景:視頻、語音以及實(shí)時(shí)分析。在這三個(gè)場景中,瑞薩均在布局,其中前兩種主要是跟第三方合作伙伴來實(shí)現(xiàn),而對于實(shí)時(shí)分析,主要就是通過收購Reality AI來實(shí)現(xiàn)。

          英飛凌在近日也剛剛發(fā)布了收購的信息,2023年5月16日,英飛凌宣布,已收購總部位于瑞典斯德哥爾摩的初創(chuàng)公司Imagimob AB。Imagimob是快速增長的微型機(jī)器學(xué)習(xí)和自動機(jī)器學(xué)習(xí)(TinyML 和 AutoML)市場的領(lǐng)先者。據(jù)了解,Imagimob開發(fā)了一個(gè)端到端的機(jī)器學(xué)習(xí)工具鏈,該工具鏈高度靈活且易于使用,重點(diǎn)放在交付生產(chǎn)級ML模型上。英飛凌將收購該公司 100% 的股份。以提升其微控制器和傳感器上的 TinyML邊緣 AI 功能。

          這筆交易將進(jìn)一步擴(kuò)展英飛凌的硬件/軟件生態(tài)系統(tǒng),使使用從賽普拉斯和英飛凌傳感器系列獲得的 PSoC 微控制器的開發(fā)人員可以更方便地使用 TinyML。但也有可能在內(nèi)部用于無線 AIROC 芯片的固件,以通過使用 TinyML 優(yōu)化信號鏈來提高性能并降低功耗。

          總體而言,通過收購掌握AI軟件技術(shù),這些廠商可以在其MCU產(chǎn)品中實(shí)現(xiàn)更深層次的集成,提供更加完整和高性能的解決方案。

          結(jié)語

          我們正在邁入AIoT時(shí)代,AI深入到邊緣和終端裝置,已經(jīng)是一個(gè)長期必然的大方向。MCU這個(gè)芯片界的老前輩,也在因應(yīng)市場需求,衍生出更多的功能。目前幾乎幾大MCU巨頭均已經(jīng)在AI軟件方面?zhèn)渥懔藦椝帲酉聛砭褪潜绕串a(chǎn)品的過程。而在這個(gè)逐漸由AI驅(qū)動的MCU的未來,國內(nèi)MCU廠商將面臨著更大的挑戰(zhàn)。




          關(guān)鍵詞: MCU AI

          評論


          相關(guān)推薦

          技術(shù)專區(qū)

          關(guān)閉
          看屁屁www成人影院,亚洲人妻成人图片,亚洲精品成人午夜在线,日韩在线 欧美成人 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();