MCU大廠的新戰場

👆如果您希望可以時常見面，歡迎標星🌟收藏哦~

眾多趨勢表明，AI，不再只是“雲端的特權”，而是正快速成為“終端的標配”。而在這一發展趨勢下，微控制器（MCU）大廠似乎早已嗅到其中端倪。

在AI晶片領域，曾長期由GPU和專用ASIC主導，但這些解決方案往往功耗高昂、靈活性不足，難以適應電池供電、尺寸受限的終端裝置。相比之下，MCU具備天然的低功耗、可定製性強的優勢。當AI的浪潮從資料中心湧向邊緣裝置，整個MCU行業也隨之進入轉型的風口。MCU，這一曾經以成本、功耗和即時性著稱的嵌入式主力軍，如今正承載著越來越多智慧化的野心。

過去幾年，MCU廠商們主要透過在軟體工具包（SDK）中新增AI功能來提升現有產品，但自去年開始，硬體層面的整合已成為行業發展的主流趨勢。尤其是MCU與NPU（神經處理單元）的整合，標誌著MCU硬體在AI應用中的潛力被徹底釋放。邊緣智慧時代的MCU競爭，已然拉開帷幕。

為什麼AI一定要走到終端？

一句話總結：使用者需求逼著AI“下沉”。

試想一下，我們在用掃地機器人、可穿戴裝置、安防攝像頭的時候，都希望裝置能“自己做決定”，而不是每次都把資料傳到雲端再等結果。這不僅慢，還容易涉及隱私和網路穩定性問題。

根據Gartner的資料，AI晶片市場從2019年的120億美元預計將在2024年增長到430億美元。而其中一個重要驅動力，就是邊緣AI。

然而，要想把AI部署在小巧的嵌入式裝置中，最大的挑戰是兩個字：限制。功耗限制、算力限制、記憶體限制……傳統MCU根本帶不動複雜的神經網路模型。而如果硬塞一個GPU上去，又會把整個系統的成本和功耗推到不可接受的水平。

因此，“能跑AI的低功耗MCU”成了邊緣智慧的關鍵解法。無論如何，只有當邊緣人工智慧在所有嵌入式系統上都能更輕鬆地訪問時，它才會變得無處不在。

在此背景下，MCU市場的領導者們已經不滿足於僅在軟體工具包中增加機器學習功能，而是開始在硬體上整合NPU。這一轉變標誌著一個全新時代的來臨。

六大MCU巨頭的AI戰術

包括ST、NXP、英飛凌、瑞薩、芯科科技在內的MCU巨頭都已經有了實打實的AI MCU。廠商的技術選擇，與其擅長的細分市場高度契合——從消費級到工業級、從車載到低功耗IoT，都能找到對應的“拳頭產品”。

1. STMicroelectronics：從軟體突圍到硬核自主

ST很早就看到了MCU上跑AI的潛力。早在2016年就開發了自家的神經網路加速器Neural-ART，並在2019年推出了知名的STM32Cube.AI工具，讓開發者可以將訓練好的AI模型轉換成可執行在STM32 MCU上的程式碼。

STM32N6是ST最新推出、功能最強大的STM32產品，也是首款搭載Neural-ART加速器的STM32產品。它也是ST的首款 Cortex-M55 MCU，也是業內少數幾款執行頻率高達 800 MHz 的 MCU 之一。此外，STM32N6 擁有 4.2 MB 的內建 RAM，是 STM32 中最大的內建 RAM。它也是ST首款搭載NeoChrom GPU和 H.264 硬體編碼器的產品。

STM32N6搭載自研的Neural-ART加速器是一款定製的神經處理單元 (NPU)，擁有近 300 個可配置乘法累加單元和兩條64位 AXI 記憶體匯流排，吞吐量高達600 GOPS，讓原本需要加速微處理器的機器學習應用現在可以在 MCU上執行。這一突破性的架構不僅允許每個時鐘週期執行更多操作，並最佳化資料流以避免瓶頸，而且還針對功耗進行了最佳化，實現了3 TOPS/W。Neural-ART加速器在釋出時就支援比業界普遍水平更多的AI運算元。全新 STM32N6已相容TensorFlow Lite、Keras和ONNX等眾多AI運算元，未來還能再繼續增加運算元數量，不過僅目前支援的ONNX格式就意味著資料科學家可以將STM32N6用於最廣泛的AI應用。

STM32N6框圖

ST憑藉自研NPU和成熟生態體系，把“AI跑在MCU上”變成了一件真正可行、可商用的事情。意法半導體微控制器、數字IC和射頻產品部總裁Remi El-Ouazzane表示，STM32N6有望成為STM32產品線中營收最快突破1億美元的產品之一。

2. NXP：雙線並進，汽車與消費共振

與ST類似，恩智浦早在2018年也推出了機器學習軟體eIQ軟體，該軟體能夠在恩智浦EdgeVerse微控制器和微處理器（包括i.MX RT跨界MCU和i.MX系列應用處理器）上使用。

此前，NXP主要依賴第三方IP（如Arm的Ethos系列）來實現AI加速功能。然而，隨著AI推理需求的多樣化和快速發展，為了更好地滿足市場需求並增強產品競爭力。據NXP的AI戰略負責人Ali Ors指出，AI工作負載的快速演進和模型的多樣性使得依賴第三方IP變得不再靈活，為了更好地支援客戶，特別是在產品部署後仍能提供長期支援，NXP決定開發自有的NPU架構。2023年1月，NXP正式推出了eIQ Neutron NPU，eIQ Neutron NPU支援多種神經網路型別，例如CNN、RNN、TCN和Transformer網路等。

NXP eIQ Neutron NPU系統框圖

目前NXP已在兩款MCU中都整合上了NPU：1）在i.MX RT700跨界MCU中整合eIQ Neutron NPU，供高達172倍的AI推理加速，並將每次推理的能耗降低至原來的1/119，支援語音識別、HMI互動、智慧家居等場景；2）在最新的S32K5汽車MCU中也引入了NPU，這是業界首款整合嵌入式MRAM和NPU的汽車級16nm MCU。

i.MX RT700 跨界 MCU

S32K5汽車微控制器

為了配合eIQ Neutron NPU的使用，NXP在eIQ軟體中新增了對eIQ Neutron NPU的支援，支援開發各種型別的神經網路，包括CNN、RNN、Transformer等，非常靈活。

3. 英飛凌：借力Arm生態，快步切入AI賽道

英飛凌並未押注自研NPU，而是選擇與Arm Ethos-U55繫結。其PSOC Edge系列藉助Arm Cortex-M55 + Ethos-U55的組合，加之與NVIDIA TAO工具鏈的整合，在高精度視覺AI和低功耗設計之間取得了不錯的平衡。

英飛凌重在降低AI開發門檻，走“通用平臺 + 快速整合”路線，節省研發時間，是入門邊緣AI的務實選擇。但缺點是差異化有限，長期競爭力依賴生態深度。

4. TI：即時控制+AI並舉

TI打出的牌更偏工業和汽車即時控制方向，其TMS320F28P55x C2000 MCU系列是首個內建NPU的即時控制MCU。NPU不僅提升故障檢測準確率至99%以上，還能降低延遲5~10倍。TI的C2000一直在嵌入式市場數十年經久不衰，與電源、工業驅動緊密耦合，將AI作為系統智慧提升的“內生力”。

TMS320F28P550SJ系統框圖

5. 瑞薩電子：走無NPU的極致最佳化路線

瑞薩目前尚未推出整合NPU的MCU，但其RA8系列MCU使用了Cortex-M85 + Helium技術，在不依賴NPU的前提下，也能跑基礎的AI模型。

這種“用架構挖潛力”的策略降低了系統複雜度與成本，適用於無需大規模神經網路的場景，如語音識別、預測性維護等。瑞薩用軟硬協同最佳化替代NPU，“無NPU勝有NPU”，打出的是“高性價比”的技術路線。

6. 芯科科技：專注物聯網的AI能效王者

芯科科技（Silicon Labs）的xG26系列SoC/MCU定位明確：為無線物聯網打造極致AI能效。其矩陣向量AI加速器可實現8倍速提升、1/6功耗，特別適合電池供電裝置（如感測器、智慧門鎖）中以AI喚醒替代長時間執行的場景。Silicon Labs主打小而美的“低功耗AI”，在IoT中找到專屬打法，是垂直領域差異化的典範。

國內MCU廠商也不甘示弱

在MCU這個賽道，國內玩家頗多，也很卷，MCU+AI這股風自然也在國內颳起。

國芯科技推出了首顆端側AI晶片CCR4001S，並與美電科技聯合推出AI感測器模組，實現了影像識別、語音識別等功能的本地處理。該晶片採用了自研的NPU架構，支援高效的AI推理，適用於智慧家居、安防監控等場景。

CCR4001S端側AI MCU是國芯科技首款基於自主RISC-V CRV4H核心的邊緣AI晶片，內建0.3 TOPS@INT8的NPU加速子系統，支援TensorFlow、PyTorch、TensorFlow Lite、Caffe、ONNX等主流框架。該晶片已透過工業級內部測試，具備高可靠性，可廣泛應用於工業電機控制、能耗最佳化、AI感測器、產品缺陷檢測與預測性維護等場景。國芯科技與美電科技聯合推出的AI感測器模組，利用CCR4001S在本地完成影像和語音識別，實現無需雲端即可部署的端側智慧化解決方案。

兆易創新GD32G5系列MCU也已具備一定的AI演算法處理能力，它以Arm Cortex-M33高效能核心為基礎，高達216 MHz的主頻配合內建DSP硬體加速器、單精度浮點單元（FPU）和硬體三角函式加速器（TMU），可支援10類數學函式運算；同時整合濾波器（FAC）與快速傅立葉變換（FFT）加速單元，使得該系列在最高主頻下可達316 DMIPS，CoreMark分數694。兆易創新表示，未來將進一步強化硬體AI加速能力，全面佈局端側智慧市場。

澎湃微推出了整合 TinyML能力的32位MCU，憑藉片上神經網路加速和標準電機控制外設，可在單晶片上實現離線語音識別與電機驅動控制，適用於智慧家電、工業裝置和物聯網感測節點等場景。透過本地小模型推理，可大幅降低對雲端的依賴，提升響應速度並節省成本

藉助自研架構、完整生態和靈活採購優勢，國內MCU廠商正以“快、真、穩”的姿態迎頭趕上。他們不僅在產品效能指標上與國際巨頭同場競技，更透過更貼近應用的本地化解決方案，為下游客戶提供了更具成本效益和開發效率的AI邊緣計算選擇。未來，隨著更多創新迭代的落地，國內MCU+AI賽道的競爭必將更加激烈，也將帶來更多意想不到的驚喜。

MCU x AI，未來的趨勢

MCUxAI，趨勢已經不可避免。過去，AI功能常被視為MCU的增值外掛；未來，AI將成為MCU的內建能力。從安全監測到狀態識別，再到節能智慧排程，各類嵌入式應用都將預設搭載AI加速單元，MCU若無AI引擎便難以在市場中立足。

一塊NPU晶片的算力固然重要，但真正決定其生命週期的，是完整的生態體系——從模型轉換工具、推理框架，到量化精度與運算元支援。擁有成熟軟硬體配套的ST、NXP等廠商，將在行業標準與客戶粘性上持續領先。

從市場層面來看，不同細分市場對AI MCU有著截然不同的優先訴求。消費電子追求廉價、易部署、快速迭代；汽車與工業則強調功能安全、穩定可靠、超低時延；物聯網要求超低功耗、高度整合。MCU大廠圍繞這些需求，正沿著自研NPU、授權IP、軟體加速等多條技術路線並行佈局。

隨著AI加速單元日臻成熟，多種嵌入式設計將以“混合CPU + NPU”架構取代掉一些傳統CPU + MPU方案。此舉不僅重塑產品定義，還將對半導體供應鏈、IP授權模式和產業分工帶來深遠影響——真正掀起新一輪的技術與商業革命。

結語

MCU上的AI之戰，既是技術創新的前沿，也是產業模式重塑的風口。整合NPU的MCU，正從技術探索邁入商業化加速階段。短期看，各家在架構與效能上各擅勝場；長期看，真正能讓AI“無感”融入千千萬萬裝置的，是軟硬一體的生態體驗與垂直場景的精準落地。隨著時間的推移，所有用於終端ML應用的MCU都將變成混合CPU/NPU裝置。這與過去幾十年MCU領域的其他基本趨勢一樣不可避免，例如轉向基於快閃記憶體的MCU，以及幾乎所有MCU都整合USB連線。

END

👇半導體精品公眾號推薦👇

▲點選上方名片即可關注

專注半導體領域更多原創內容

▲點選上方名片即可關注

關注全球半導體產業動向與趨勢

*免責宣告：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支援，如果有任何異議，歡迎聯絡半導體行業觀察。