MCU+AI趨勢深化

隨著AI向邊側、端側下沉趨勢的加劇，邊緣AI已然成為MCU廠商的必爭之地。

為增強MCU的AI計算能力，越來越多的廠商選擇在MCU中集成NPU等AI加速器，以此提升AI推斷與訓練任務的執行速度。意法半導體認為，將NPU引入MCU將開啟邊緣AI應用新場景的“頓悟時刻”。其STM32N6搭載了意法半導體自研的NPU，運算吞吐量高達600 GOPS（每秒6000億次操作），相較于不具備NPU的STM32H7，性能提升了600倍。在STM32N6的NPU上運行圖像分類、對象檢測、語音識別等神經網絡模型時，推理性能相較于在其Cortex - M55內核上運行提升了26倍至134倍。

隨著AI用例的復雜性不斷提升，多模態場景的應用范圍愈發廣泛。MCU需要持續提升系統集成能力，配備豐富的硬件接口，以滿足高實時性場景下的多模態處理需求。例如，XMOS推出了集成AI加速器、高性能DSP、控制MCU和靈活I/O的邊緣多核控制器，它支持音頻、圖像、視覺和其他多種傳感信號，能夠實現實時、持續工作的AI應用。該控制器還可作為大模型、云和網絡的接口，提供傳感器信息預處理，可應用于人臉檢測、特征提取、身份驗證、圖像分類、離線本地自主運行、智能傳感器接口等方面。

由于邊側、端側設備通常依靠電源供電，這就需要MCU優化能效比，在完成AI負載的同時確保設備的續航能力。此外，當MCU + AI運行人臉檢測、語音交互等功能時，會涉及用戶的個人數據，因此MCU的安全標準需要從“功能安全”向“AI可信計算”升級。