主“控制”难主“推算”：MCU“智能化”尚存挑战

　　随着全球“AI+IoT”融合类应用市场的风起云涌，如今上到IC设计下到终端集成的全产业链也都闻风而动，掀起了一股“AIoT化”的技术革新浪潮。受益于此，曾立足于IoT沃土而今已成该市场“主力”的MCU，如今也踏上了AIoT的技术整合之路，从单一的主“控制”开始向“智能互联”目标迈进。AIoT时代的MCU，将不再只是负责控制，推理和运算等AI能力也将成为MCU的标配。而在中国AIoT应用及市场遍地开花的大利好条件下，本土MCU厂商有望把握这一机遇乘势而起，以智能化应用为基石，逐渐追平国际大厂直至超越。

　　国内AIoT应用热潮的驱动下，加之各MCU大厂的助攻，“智能MCU”的发展势头无疑会越来越猛。但对于一介主打“控制”的MCU芯片来说，要兼具IoT和AI的双重能力实则并非易事，因为这并不意味着盲目提升MCU算力就好，同时还必须兼顾MCU为适应IoT应用所需要的低功耗和实时性等诸多特性，只有在满足AI及IoT不同应用需求的基础上做到统筹兼顾，打造一个平衡，才能被市场真正接受。

　　事实上，目前业内对智能MCU的探索尚处起步水平，谢文录告诉记者：“AIoT的应用其实对芯片的算力和通信需求消耗是非常大的，这两个特点目前还不太适合用一般的MCU去做，因为MCU现在主要强调的还是‘控制’而非‘推理和运算’。但是，AIoT有一些新的特点，比如我们在诸如现场语音这类很简单的应用上加上一些通信功能，可能后台只需要处理几句话就行，这样压力不大，可以在MCU的基础上加一个连接，包括现场低功耗，就能把AI和IoT在很多场景中结合起来。本次，华大推出了40nm的HC32F 460产品，在这款产品以后，我们会在MCU中集成像语音处理这类的AI功能，现在已经在做这方面的工作。”

　　的确，要MCU去处理轻量级语音数据可能难度并不是太高，但对于像人脸及图像识别这类更大数据集的运算和推理，用MCU来做现阶段还颇具难度。因为这种AI模型当中，一般训练好的模型所需要的计算量通常是数十万次到数亿次计算不等，如果需要实时执行这些运算，则MCU需要的算力将会比原来的MCU强几个数量级，而这正是MCU最薄弱的环节。谢文录强调：“让MCU去做图像处理的话现阶段还很难，因为推理还不行，要集成推理和学习这样的功能是颇具挑战的，这还需要MCU具备非常庞大的数据和运算能力。”

　　上海灵动微电子股份有限公司MCU产品事业部市场总监黄致愷也对此表示赞同，“像人脸识别这类图像处理应用，目前对于MCU的负担可能还是比较重的，因为它需要处理的数据不仅很多很庞大，还要兼顾IoT的低功耗等特性。这样的话，对于MCU来说首先就需要速度很快，要做到速度快就非常具有挑战性，比如像以前Cortex-M0可能就只能跑48M的速度，但现在我们通过对架构做很多优化后，速度能达到96M，这其中涉及很多层面的技术;除此，在外设上面，也还需要针对人脸识别这类特殊算法，加载一些比如除法器或者其他特殊的设计核心在里面。目前，我们已经有了针对AI人脸识别以及指纹识别这类的MCU产品，通过工艺和设计的创新已经能够将MCU的算力做到近乎CPU的等级，并具备很高的性价比。”

　　可以看出，摆在“智能”MCU面前的最大挑战还是AI与IoT特性之间如何实现统筹兼顾与调和的问题。因为往后在很多AIoT场景当中，贴近于终端设备的边缘计算需求将会越来越大，这为MCU在计算性能、通讯延时、设备供电这些关键节点的能力也提出了颇高的要求。对于身处MCU智能化浪潮中的各企业来说，如何尽可能的在这些性能节点之间达到一个相对平衡的水平，打造出能兼顾通用性与专用性的MCU产品，也是凸显自身技术优势的绝佳手段。

本文为华强电子网原创，版权所有，转载需注明出处

关注电子行业精彩资讯，关注华强资讯官方微信，精华内容抢鲜读，还有机会获赠全年杂志

关注方法：添加好友→搜索“华强微电子”→关注

或微信“扫一扫”二维码