MCU，智能觉醒,ai智能觉醒

根据IoT Analytics的报告，全球物联网MCU市场规模预计到2030年将达到73亿美元，年复合增长率约为6.3%。这一增长主要得益于自动化升级需求的释放、LPWAN项目的推动、AI向边缘迁移的趋势以及亚洲尤其是中国市场的快速增长。AI技术的融入正在彻底改写MCU的生存逻辑。而AI技术的深度融入，正从底层改写MCU的技术逻辑与市场格局，催生出兼具低功耗、实时性与智能推理能力的AI MCU，成为物联网智能化发展的载体。

AI MCU通过集成神经网络处理单元（NPU）、扩展专用指令集等方式，实现了边缘端的本地智能推理，精准匹配了智能设备对低功耗、高实时性和高性价比的需求。这不仅推动了MCU产品的升级，更让市场竞争愈发激烈，国内外各大芯片厂商纷纷加大研发投入，推出各具技术特色的AI MCU产品，加速边缘智能应用的落地。

01

Arm：构筑AI MCU核心技术底座

作为全球领先的处理器架构设计公司，Arm的内核产品线覆盖了从高性能计算到低功耗嵌入式应用的全场景，自1990年成立以来，已形成Cortex-A、Cortex-M、Cortex-R三大系列产品，以及面向服务器/基础设施的Neoverse系列，各系列基于ARMv7、ARMv8、ARMv9等不同架构版本设计，针对专属应用场景完成深度优化。

其中，Cortex-M系列是微控制器（MCU）和嵌入式系统的核心处理器内核，以低功耗、高实时性和高成本效益为核心特性，支持单周期指令执行、纳秒级快速中断响应，最小内核尺寸仅0.01mm²，搭配Thumb-2指令集，无MMU且可运行RTOS，是目前绝大多数MCU产品的技术基石，也成为Arm布局AI MCU的核心切入点。

为了让Cortex-M系列具备更强的AI计算能力，Arm推出了一系列专属技术与内核产品。2019年，Arm发布适用于Armv8M架构的Cortex-M矢量扩展技术（MVE）——Arm Helium技术，作为Armv8.1-M架构的扩展，该技术通过高效的SIMD（单指令多数据）操作，为机器学习（ML）和数字信号处理（DSP）应用带来显著性能提升，在机器学习任务中可实现最高15倍的性能突破。而Arm Helium Utils作为CMSIS DSP库的组成部分，还为该技术提供了一系列实用函数，进一步优化DSP和ML任务的处理效率。

Cortex-M55和Cortex-M85是首批支持Helium技术的处理器，让小型、低功耗的嵌入式系统能够应对音频设备、传感器集线器、关键词识别、静态图像处理等场景的计算挑战，也让基于Arm内核的MCU具备更强的AI处理能力。2023年，Arm再度推出专为AI应用设计的Cortex-M52处理器，不仅实现了能效的进一步提升，成为Cortex-M3、Cortex-M33等主流MCU内核的替代选择，更借助Helium技术实现了DSP和ML处理能力的显著升级，将AI驱动的创新引入更多低功耗嵌入式场景。

除了内核本身的升级，Arm还推出了面向Cortex-M系列的microNPU——Ethos-U55，专为面积受限的嵌入式和物联网设备设计，可大幅加速ML推理性能。当Ethos-U55与Cortex-M55协同部署时，相较于传统的Cortex-M系统，机器学习性能可提升高达480倍，为低成本、高能效的AI MCU解决方案提供了支撑。

在国内，安谋科技也基于Arm架构完成了本土化创新，其自主研发的第三代高能效嵌入式芯片IP“星辰”STAR-MC3，基于Arm v8.1-M架构打造，向前兼容传统MCU架构，同时集成Arm Helium 技术，在显著提升CPU AI计算性能的同时，兼顾优异的面效比与能效比，成为AIoT领域主控芯片及协处理器的核心架构，助力客户高效部署端侧AI应用。

02

RISC-V：AI MCU的另一技术路线

除了Arm架构，RISC-V凭借开源、灵活的特性，成为AI MCU的另一重要技术选择，其矢量扩展（RVV）技术可让处理器内核加速海量数据集的单指令流计算，完美适配机器学习、图像压缩处理、数据加密、音视频多媒体处理、语音识别和自然语言处理等任务——而这些正是物联网端侧AI落地的核心计算需求，也吸引了众多企业基于RISC-V架构打造AI MCU产品，形成与Arm架构互补的技术格局。

如今，谷歌已通过与合作方Synaptics共同将基于RISC-V的Coral NPU架构推向市场。Coral NPU是基于RISC-V指令集架构，包含一个四阶标量CPU核心、一个32位RISC-V向量引擎以及一个专门为现代Transformer模型优化的矩阵核心加速器。谷歌给 Coral NPU 的定位是“一个全栈、开源的平台，旨在解决性能、碎片化和隐私这三大核心挑战，而这些挑战限制了功能强大、始终在线的 AI 技术在低功耗边缘设备和可穿戴设备上的应用。”

国内外厂商：AI MCU产品落地加速

依托Arm Helium、RISC-V RVV等技术，国内外芯片厂商纷纷推出自研AI MCU产品，从高端高算力到入门级解决方案，覆盖不同应用场景，推动AI MCU的商业化落地。

国际大厂：技术领先，布局全场景

瑞萨电子的RA8系列作为业界首个基于Arm Cortex-M85内核的MCU系列，兼具MPU的高性能与MCU的易用性、低功耗和低BOM成本，支持单核或双核设计，最高可实现1GHz的CPU主频、0.25 TOPS NPU算力，还集成了包含EtherCAT在内的多协议工业网，可满足AI、工业以太网、机器人、HMI等高算力应用需求。在此基础上，瑞萨推出的RA8P1微控制器产品群，采用Cortex-M85（1GHz）+Cortex-M33（250MHz）的双核异构设计，并集成Arm EthosTM-U55 NPU，借助Arm Helium技术实现了DSP和AI/ML性能的大幅提升，树立了MCU性能的新标杆。

意法半导体的STM32N6则是首款内嵌自研神经处理单元（NPU）——ST Neural-ART accelerator的STM32 MCU，专为节能型边缘AI应用设计，其搭载的Arm Cortex-M55内核主频高达800MHz，结合Arm Helium向量处理技术显著增强DSP处理能力，芯片整体时钟频率可达1GHz，计算性能达600 GOPS，能为计算机视觉和音频应用提供实时神经网络推理能力。

恩智浦的i.MX RT700系列则以多内核架构实现智能算力的分层部署，该系列拥有5个计算内核，主计算子系统包含325MHz的Arm Cortex-M33核与Cadence Tensilica HiFi 4 DSP，超低功耗感知子系统则搭配第二款Cortex-M33核与Cadence Tensilica HiFi 1 DSP，无需外部传感器集线器，有效降低系统设计复杂度与BOM成本。同时，该系列集成恩智浦eIQ Neutron NPU，可将AI工作处理速度提高172倍，还内置7.5MB板载SRAM，为可穿戴设备、医疗设备、智能家居等边缘智能设备提供算力支撑。

英飞凌的PSoC Edge E81、E83、E84系列均基于Arm Cortex-M55内核打造，支持Arm Helium DSP指令集，同时搭配不同的AI加速单元：E81搭载英飞凌自研超低功耗NNLite神经网络加速器，E83和E84则内置Arm Ethos-U55微型NPU，与传统Cortex-M系统相比机器学习性能提升480倍，且三款产品均集成丰富外设、片上存储器和硬件安全功能，支持WiFi 6、BT/BLE、Matter协议等，适配低功耗计算领域的机器学习应用。

德州仪器则依托DSP技术优势布局AI MCU，其C2000 MCU系列的TMS320F28P550 MCU，搭载150MHz C28x 32位DSP CPU，集成浮点单元（FPU32）与三角函数加速器（TMU），并内置NPU实现边缘AI计算，算力达600–1200 MOPS，支持本地运行CNN模型，适配工业控制等场景的AI需求。

国内企业：紧跟趋势，本土化适配突出

国内芯片厂商也在AI MCU领域快速突破，结合本土物联网应用场景完成产品优化，同时实现了RISC-V架构的落地应用，形成差异化竞争优势。

新唐科技推出的NuMicro M55M1是定位入门级的AI MCU解决方案，专为AI数据识别、智能音频等边缘应用打造，基于Arm Cortex-M55核心设计，搭载Arm Ethos-U55 NPU与Helium向量处理器，AI运算能力达110 GOPS，相较于传统1GHz MCU，AI推理性能实现超100倍突破，还内置1.5MB RAM、2MB Flash并支持外扩存储。同时，新唐科技还推出自研NuML Tool Kit开发工具，并提供人脸识别、物体识别等多款现成AI模型，大幅降低AI应用开发门槛，加速产品落地。

国芯科技则聚焦RISC-V架构的AI MCU研发，其端侧AI MCU芯片CCR4001S已实现10万颗交货，该芯片采用RISC-V内核，主频230MHz，集成0.3 TOPS @INT8算力的NPU，可高效运行MobileNet、ResNet、Yolo等深度学习算法，实现物体识别、目标检测等复杂任务，同时兼具低功耗特性，尤其适配空调智能控制等家电智能化场景，支持客户自主导入算法模型并完成迭代优化。此外，国芯科技还与赛昉科技联合推出CCR7002芯片，通过多芯片封装技术集成高性能SoC与低功耗AI芯片子系统，同样提供0.3TOPS的NPU算力，实现RISC-V架构与AI的深度融合。

乐鑫科技的ESP32-S3则在通用MCU基础上增加了AI算力支持，这款集成2.4GHz Wi-Fi和Bluetooth 5 (LE)的MCU，搭载Xtensa 32位LX7双核处理器，主频240MHz，新增的向量指令可加速神经网络计算和信号处理，开发者通过ESP-DSP、ESP-NN等库即可实现图像识别、语音唤醒等AI应用，适配智能家居等轻量级边缘智能场景。

华为海思则针对家电端侧智能化推出Hi3066M，这款微算力嵌入式AI MCU采用海思自有RISC-V内核，内置eAI引擎，主频200MHz，搭配64KB SRAM和512KB内置Flash，可适配空调、冰箱、洗衣机等白电的AI节能、智能检测等场景，同时预留了足够的存储空间，满足未来5~10年的产品升级需求，是华为首款端侧eAI芯片。

03

结语

AI与MCU的融合，已逐渐从技术探索走向商业化落地。随着边缘智能需求的持续释放，以及芯片厂商在算力、功耗、成本和开发工具上的不断优化，AI MCU将成为更多智能设备的算力载体，在智能家居、工业控制、消费电子、医疗设备等领域实现更广泛的应用，推动物联网产业向更智能、更高效的方向发展。

值得关注的是，中国作为RISC-V生态最核心的推动者与践行者，也是全球RISC-V芯片应用最活跃的国家。相较于Arm架构芯片，我们所能深入了解的往往仅限于其外设、调试系统、总线结构及指令集，却缺乏有效渠道窥探Cortex-M内核的核心细节，无法深入掌握芯片内部流水线等关键技术；而RISC-V的开源特性恰好解决了这一痛点。更为重要的是，它大幅降低了内核学习门槛，能够培养出一大批深入掌握内核技术的专业人才。

如今，在MCU中融入AI功能，已成为一件司空见惯的事情，这一趋势也将持续推动边缘智能产业的深度发展。