MCU和AI谁才是市场之王

　　MCU和SoC在AI市场是怎样的竞争关系？去年，AMD发布了锐龙嵌入式R1000SoC，这款产品一个重要应用就是AI。在采访中，我就这个一问题与AMD嵌入式解决方案产品管理和业务开发总监StephenTurnbull先生进行了探讨。

　　Stephen的回答非常简单，“就拿MCU和MPU来说，MCU是微控制器，MPU是微处理器，显然MCU能耗更低，性能也更低，它是根据接收到的数据进行控制操作；MPU具有更强的运算引擎，可以实现更高的运算和处理能力。”

　　显然，在Stephen看来，MCU和MPU比，计算能力尚且差一大截，和SoC比更无法相提并论，AI市场更是没有MCU什么事。笔者之所以提出这个问题，是因为MCU大厂恩智浦早在几年前就已经开始在MCU和MPU的融合上进行了探索，并且在2017年推出了跨界处理器。

　　MCU在AI市场的探索

　　大家知道，恩智浦的微控制器事业部来自飞思卡尔，并且同时拥有MCU和MPU两个产品线，在2015年，随着飞思卡尔被恩智浦收购，飞思卡尔的MCU并入了恩智浦的微控制器事业部，但是这个工程师团队并没有停下来，而是一直致力于新产品研发，2017年推出的i.MXRT系列跨界处理器就将MCU和MPU的优势融合到了一起。

　　在采访中，恩智浦资深副总裁、微控制器事业部总经理GeoffLees向与非网介绍，“跨界处理器继续向两端延伸，推出i.MXRT1010和i.MX7ULP。其中i.MX7ULP的主频可以达到1GHz，而i.MXRT1010的单价只有1美元。”

　　抛开i.MXRT1010的高性价比，i.MX7ULP产品的的结构比较有意思，其采用了Cortex-A7和Cortex-M4双核架构，而且Cortex-A7和Cortex-M4处于完全独立的两个域中，A7用来运行Linux操作系统，大部分时间处于关闭状态，M4则用于处理基本任务，保证设备低功耗运行。这样的配置恰好可以满足AIoT设备对低功耗和高性能的需求，因此上市后i.MX7ULP很快出货量就达到了100万片，这足以证明市场需求有多么旺盛。

　　为了探索MCU在AI市场的应用，恩智浦不仅提供硬件平台，还推出了机器学习开发环境eIQ。恩智浦大中华区微控制器事业部市场总监金宇杰表示，“eIQ可以与市场上几乎所有的开源训练工具、建模、编辑器兼容，现有的所有公开的标准或者客户定制的标准都可以在eIQ中进行开发。eIQ可以帮助客户将训练好的模型转换到嵌入式平台中；另外，客户自己产生的模型，会用到各种开源资源。当用户实现模型时，需要通过eIQ环境快速地转换到自己的平台上。”

　　“eIQ环境让MCU实现AI功能成为可能。”金宇杰表示，“除了eIQ之外，恩智浦与国内人脸识别算法公司合作，把人脸识别技术运行在一个单核处理器上，将原来在云端运营的大模型成功移到了边缘。”

　　虽然作为跨界处理器，i.MX7ULP不能叫做MCU，但是仍然可以看出，至少在边缘端MCU实现AI是可行的。2019年，恩智浦推出了全球首款基于MCU的语音控制解决方案，获得了亚马逊Alexa语音服务（AVS）认证；同年，恩智浦与微软宣布合作推出基于人工智能（AI）和机器学习（ML）的AzureIoT异常检测功能。

　　界限就是用来打破的，我们一直认为AI市场是CPU、GPU、TPU的专属，而MCU厂商在划破这个界限。

　　Arm“锦上添花”再增两款AI处理器

　　作为芯片架构供应商，Arm自然不会对AI市场袖手旁观，尤其是面对RISC-V阵营在频频逼近，Arm需要找到新的突破点。在运营策略上，降低产品准入门槛实属无奈之举，如果在技术上无法实现实质性创新就只能走下坡路了。

　　最近，Arm推出了两款AI处理器--Cortex-M55和Ethos-U55。从Cortex-M55的框架图中可以看出，Cortex-M55增加一个Helium，Helium的技术名称是MVE（用于M-ProfileVectorExtension），是针对Cortex-M系列处理器的M-Profile矢量扩展（MVE）技术，旨在为最小的嵌入式设备提供增强的机器学习和信号处理。官方介绍，与前一代Cortex产品相比，Cortex-M55可将数字信号处理性能提高5倍，将机器学习性能提高15倍。

　　Ethos-U55是Cortex-M处理器的配套NPU加速器，用于解决电池寿命和成本敏感的复杂AI计算难题，需要和Cortex-M55、Cortex-M33、Cortex-M7、Cortex-M4等产品搭配使用。Ethos-U55包含32至256个可配置计算单元，与基本的Cortex-M55相比，机器学习性能最多可以提升32倍。如果将Cortex-M55和Ethos-U55进行组合，能为微控制器带来480倍的机器学习性能飞跃。

　　前面讲到，恩智浦的i.MX7ULP采用了Cortex-A7和Cortex-M4的双核架构，如果将Cortex-M55引入其中，机器学习性能将会得到更大的提升。笔者认为，唯一值得顾虑的就是成本问题，MCU市场讲究性价比，尤其是在物联网应用中，MCU厂商在高性价比的路上不断厮杀，对于用户来讲，成本应该还是最大的考量因素。

　　MCU切入AI边缘芯片市场的机会

　　早期，AI芯片的市场争夺主要在云端和数据中心，而随着边缘计算和AIoT的发展，AI芯片的市场争夺逐渐走向边缘。有研究表明，到2025年，有50%的数据需要在网络边缘侧分析、处理、存储，到2022年边缘计算市场规模将超过万亿。受边缘计算的影响，边缘AI芯片市场也迅速发展。ABIResearch预计，边缘AI芯片组市场将从2019年的26亿美元增长到2024年的76亿美元。可以预见，AI边缘芯片正在成为芯片厂商新的争夺点。

　　整体来看，目前AI芯片主要应用在云端、终端甚至更小的边缘节点上。云端应用对处理器运算能力要求最高，处理器需要支持不断变化的AI推理和训练工作负载，云端市场主要被英特尔、英伟达、谷歌等巨头公司占据；在终端应用中，很多设备逐渐增加了AI功能，比如智能手机上的人脸识别，智能音箱上的语音识别等等，主要是高通、联发科、华为、苹果等公司在主导；同样，在更低成本的终端设备上，对计算处理能力要求较低，但是对功耗要求更苛刻，这些设备依赖公共以太网或低功耗广域网进行连接，而这些设备的数量恰恰增长最快。ABIResearch预测，这些设备的出货量将从2019年的90万台增至2024年的570万台，CAGR为45.5%。

　　Arm认为，终端AI市场将在未来几年出现爆炸性增长。这也是Arm近期推出两款AI处理器的目的所在，而这一市场也恰恰是MCU厂商的切入AI市场的关键点。以前很多终端产品采用的主控器就是MCU，当这些设备需要增加AI功能时，设备厂商首先想到的就是升级，而不是用AI边缘芯片替换原有的MCU产品，升级的优势很明显，对于设计工程师来说，产品升级比重现设计更简单，对于设备厂商来说，在原来的MCU上进行升级，产品稳定性更高，风险更低。

　　在2019年底，ICInsights发布预测性研究报告，2019年全球MCU市场规模将达204亿美元、出货量达到342亿颗，不过平均售价（ASP）将持续下降。在全球电子产品智能化的进程中，AI芯片创业公司看到了电子产品更新换代的商机，但是传统MCU厂商也不会对新的市场需求熟视无睹，Arm推出AI处理器无疑在架构上给MCU厂商提供了更强大的支持。

　　存量市场的AI改造势在必行

　　对现有的电子设备增加AI功能是否可行？这估计是应用市场最关心的问题，比如电梯，出于成本的考虑，物业管理公司更愿意进行智能改造，而不是更换新的设备。当前的肺炎疫情让电梯成为一个重要的防控区域，由此还激发出人们想出各种按电梯“妙招”，其实如果将电梯改为语音控制，就能有效避免交叉感染。前几天，苏州思必驰展示了基于其“智能电梯离线语音方案”改造的语音控制电梯，其工作人员介绍，“这套解决方案内置思必驰高性能语音算法，采用线性双麦降噪，满足小而密闭空间下的复杂场景需求；支持远场唤醒、强鲁棒识别，支持普通话、带方言的普通话识别，以及方言定制；提供高自然度的多种合成音选择，支持小数据快速定制TTS。在硬件方面，采用了思必驰的TH1520芯片，进行电梯改装时，直接加外挂模块就可以完成。”

　　MCU是否可以切入AI应用？嵌入式资深工程师马晓东（化名）的看法是，“MCU切入人工智能市场是必然趋势，而且对于后面进入AI市场的人是很好的机会，可以使设备体积缩小，部署更加容易。比如我们的电梯系统，现在通过一颗RK3288统计乘坐人的数量、年龄、性别，是否有人员跌倒等状态信息，目前的识别方式是将图片发送到服务器识别，如果可以在本地做AI处理，我们就不用部署大型服务器进行远程图形识别了。”

　　业界资深工程师金鸿（化名）分析，“MCU切入AI市场只能做通用AI，而这又不是MCU厂商设计人员所擅长的，一般公司技术积累还有欠缺，因此只能从外面寻找人才，估计产品定义会出现问题。MCU厂商做AI无非有三条路：第一，MCU+专用AIASIC（从AI芯片购买IP）；第二，基于DSP和ArmCortex-M55，只是在流行的AI框架做适配；第三，MCU+某一专用AI应用（比如：语音唤醒，阵列等）+WiFi。AIoT芯片厂商应该是第一批尝鲜者，比如国内的恒玄、csr，会尝试基于Cortex-M55架构设计MCU，这与他们的AUD+BLE，AUD+wifi产品线很匹配，这颗内核做音频性能应该足够。”

　　在嵌入式联谊会秘书长何晓庆老师看来，“一般规律是，专用芯片在逐步演进，慢慢被通用芯片替代，因为随着市场普及，专用芯片的缺点就会放大，通用芯片的优势也会逐渐彰显。现在AI芯片距离大规模应用还很远。”

　　从市场应用实例可以看出，嵌入式设备存量市场进行AI升级是刚需，这对于MCU厂商来说是一个潜在的市场机会，尤其是针对智能语音识别应用，但是还在起步阶段，短期内无法实现大规模应用。