隨著物聯(lián)網(wǎng)的爆炸式增長(zhǎng)，設(shè)備通過無處不在的有線和無線連接相互連接和通信。這種超連接性允許收集大量數(shù)據(jù)，然后將這些數(shù)據(jù)進(jìn)行收集、分析從而做出明智的決策。從數(shù)據(jù)中獲取見解并根據(jù)這些見解做出自主決策的能力是人工智能（AI）的本質(zhì)。人工智能（AI）和物聯(lián)網(wǎng)（IoT）或人工智能物聯(lián)網(wǎng)（AIoT）的結(jié)合，可以創(chuàng)建“智能”設(shè)備，這些設(shè)備可以從數(shù)據(jù)中學(xué)習(xí)并在沒有人為干預(yù)的情況下做出決策。

在邊緣設(shè)備上構(gòu)建智能的趨勢(shì)有以下幾個(gè)驅(qū)動(dòng)因素：

邊緣決策可減少與云連接相關(guān)的延遲和成本，并使實(shí)時(shí)操作成為可能

云帶寬不足導(dǎo)致計(jì)算和決策需要邊緣設(shè)備

安全性是一個(gè)關(guān)鍵的考慮因素 - 對(duì)數(shù)據(jù)隱私和機(jī)密性的要求推動(dòng)了在設(shè)備本身上處理和存儲(chǔ)數(shù)據(jù)的需求

因此，邊緣人工智能具有自主性、更低延遲、更低功耗、更低帶寬要求、更低成本和更高安全性等優(yōu)勢(shì)，所有這些都使其對(duì)新興應(yīng)用和用例更具吸引力。

AIoT為MCU開辟了新的市場(chǎng)，使越來越多的新應(yīng)用和用例成為可能，這些應(yīng)用和用例可以使用MCU與某種形式的AI加速相結(jié)合，以促進(jìn)邊緣和端點(diǎn)設(shè)備的智能控制。這些支持AI的MCU為計(jì)算和機(jī)器學(xué)習(xí)（ML）提供了獨(dú)特的DSP功能，并用于關(guān)鍵字識(shí)別、傳感器融合和振動(dòng)分析等各種應(yīng)用。更高性能的MCU可實(shí)現(xiàn)更復(fù)雜的視覺和成像領(lǐng)域的應(yīng)用，如人臉識(shí)別、指紋分析和物體檢測(cè)。

神經(jīng)網(wǎng)絡(luò)用于AI/ML應(yīng)用，例如圖像分類、人員檢測(cè)和語(yǔ)音識(shí)別。這些是用于實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法的基本構(gòu)建塊，并廣泛使用線性代數(shù)運(yùn)算，例如用于推理處理、網(wǎng)絡(luò)訓(xùn)練和權(quán)重更新的點(diǎn)積和矩陣乘法。正如您可能想象的那樣，將AI構(gòu)建到邊緣產(chǎn)品中需要處理器具有強(qiáng)大的計(jì)算能力。這些新興AI應(yīng)用的設(shè)計(jì)人員需要滿足對(duì)更高性能、更大內(nèi)存和更低功耗的需求，同時(shí)保持低成本。

在過去的日子里，這是GPU和MPU的職權(quán)范圍，它們具有強(qiáng)大的CPU內(nèi)核、大內(nèi)存資源和用于分析的云連接。最近，可以使用AI加速器從主CPU卸載此任務(wù)。其他邊緣計(jì)算應(yīng)用（如音頻或圖像處理）需要支持快速乘法累加運(yùn)算。通常，設(shè)計(jì)人員選擇在系統(tǒng)中添加DSP來處理信號(hào)處理和計(jì)算任務(wù)。所有這些選項(xiàng)都提供了所需的高性能，但會(huì)大大增加系統(tǒng)成本，并且往往更耗電，因此不適合低功耗和低成本的端點(diǎn)設(shè)備。

MCU如何填補(bǔ)這一空白？

更高性能MCU的出現(xiàn)使得低成本、低功耗的邊緣AIoT成為現(xiàn)實(shí)。AIoT是通過最新MCU更高的計(jì)算能力以及更適合這些終端設(shè)備中使用的資源受限MCU的輕量級(jí)神經(jīng)網(wǎng)絡(luò)模型來實(shí)現(xiàn)的。與MPU或DSP相比，基于MCU的物聯(lián)網(wǎng)設(shè)備上的AI可實(shí)現(xiàn)實(shí)時(shí)決策和更快的事件響應(yīng)，并且還具有更低的帶寬要求、更低的功耗、更低的延遲、更低的成本和更高的安全性等優(yōu)勢(shì)。MCU還提供更快的喚醒時(shí)間，從而實(shí)現(xiàn)更快的推理時(shí)間和更低的功耗，以及與存儲(chǔ)器和外設(shè)的更高集成度，以幫助降低成本敏感型應(yīng)用的整體系統(tǒng)成本。

基于Cortex-M4/M33的MCU可以滿足更簡(jiǎn)單的AI用例的需求，例如性能需求較低的關(guān)鍵字識(shí)別和預(yù)測(cè)性維護(hù)任務(wù)。然而，當(dāng)涉及到更復(fù)雜的用例時(shí)，如視覺AI（目標(biāo)檢測(cè)、姿態(tài)估計(jì)、圖像分類）或語(yǔ)音AI（語(yǔ)音識(shí)別、NLP），需要更強(qiáng)大的處理器。較舊的Cortex-M7內(nèi)核可以處理其中一些任務(wù)，但推理性能較低，通常僅在2-4 fps范圍內(nèi)。

我們需要的是具有AI加速功能的更高性能微控制器。

RA8系列高性能AI MCU簡(jiǎn)介

全新RA8系列MCU采用基于Arm v8.1M架構(gòu)的Arm Cortex-M85內(nèi)核和7級(jí)超標(biāo)量流水線，可提供計(jì)算密集型神經(jīng)網(wǎng)絡(luò)處理或信號(hào)處理任務(wù)所需的額外加速。

Cortex-M85是性能最高的Cortex-M內(nèi)核，配備Helium，即Arm v8.1M架構(gòu)中引入的Arm M -Profile矢量擴(kuò)展（MVE）。Helium是一種單指令多數(shù)據(jù)（SIMD）向量處理指令集擴(kuò)展，它可以通過使用單個(gè)指令處理多個(gè)數(shù)據(jù)元素來提升性能，例如在多個(gè)數(shù)據(jù)上重復(fù)乘法累加。

與較舊的Cortex-M7內(nèi)核相比，Helium顯著加速了資源受限的MCU器件中的信號(hào)處理和機(jī)器學(xué)習(xí)能力，并在ML任務(wù)中實(shí)現(xiàn)了前所未有的4倍加速，在DSP任務(wù)中實(shí)現(xiàn)了前所未有的3倍加速。RA8 MCU具有大容量?jī)?nèi)存、高級(jí)安全性以及豐富的外設(shè)和外部接口，非常適合語(yǔ)音和視覺AI應(yīng)用，以及需要信號(hào)處理支持的計(jì)算密集型應(yīng)用，例如音頻處理、JPEG解碼和電機(jī)控制。

審核編輯：劉清