微控制器进化赋能 AIoT

AI 与 IoT 融合催生 AIoT——一个不断扩展的领域，得益于神经网络压缩和优化突破，微控制器现可承载复杂机器学习。现代智能手机应用处理器常规执行图像分析、推荐引擎等 AI 推理，证明高性能 ML 不再局限于超算。

数十亿 IoT 设备将在未来几年获得机器学习能力（图片来源：NXP）

在低功耗微控制器部署此类智能解锁变革性用例：AI 驱动助听器抑制环境噪音、智能家电识别用户并应用个性化配置、或传感器节点在微焦耳功耗预算下运行数年。边缘推理降低延迟、增强数据安全、保护用户隐私。

但在微控制器嵌入 ML 仍具挑战。有限 SRAM 和 Flash 限制神经模型规模，算力吞吐有限。模型量化和剪枝快速进步，加上厂商专用工具链，正稳步缩小这一差距。

TinyML 势头强劲

行业快速扩张体现在 TinyML 峰会：今年赞助商 27 家，去年 11 家，注册名额提前数月告罄。组织者也报告全球月度设计导向聚会会员激增。

“我们设想由 TinyML 驱动的万亿级智能设备，每个感知、分析并自主行动，创造更健康、更可持续的环境，”Qualcomm 的 Evgeni Gousev，TinyML 委员会联席主席，在开幕主题演讲中表示。

他归因于更节能硬件、精进算法、成熟软件栈，并指出企业和风投投资激增、初创活动和并购增加。

TinyML 委员会现认为技术已验证，预测早期 AI 赋能微控制器产品将在 2-3 年内上市，真正变革性应用可能在 3-5 年出现。

关键里程碑：去年春天 Google 发布 TensorFlow Lite for Microcontrollers——面向仅 KB 级 RAM 设备的轻量推理引擎。核心运行时在 ARM Cortex-M3 上仅占 16 KB，完整语音关键词检测模型仅 22 KB。该库仅支持推理，不支持训练。

行业巨头紧盯 TinyML

主流微控制器厂商密切跟踪 TinyML 进展，因神经模型缩小拓展其产品机会。大多已提供 ML 支持。例如，STMicroelectronics 提供 STM32Cube.AI 扩展包，在其 STM32 ARM Cortex-M 家族映射运行神经网络。瑞萨提供 e-AI 开发环境，通过 e² Studio 将模型转为兼容 C/C++ 代码。NXP 报告客户在低端 Kinetis 和 LPC MCU 部署机器学习，通过硬件和软件集成 AI，特别是其跨界处理器桥接应用处理器和微控制器。

Arm 中心架构

Arm 以 Cortex-M 系列主导微控制器市场。公司近期推出面向 ML 工作负载的 Cortex-M55 内核，搭配 Ethos-U55 AI 加速器，均瞄准超低功耗、资源受限环境。两者联合提供手势识别、生物识别、语音识别所需算力。

Arm Cortex-M55 与 Ethos-U55 联用具备手势识别、生物识别、语音识别等应用算力（图片来源：Arm）

小厂商如何对抗 Arm 根深蒂固的生态差异化？

XMOS CEO Mark Lippett 直言：“不能靠造另一个基于 Arm 的 SoC 打败 Arm——他们擅长此道。唯一出路是引入架构优势——性能与灵活性兼备。”XMOS 的 Xcore.ai 面向语音界面的跨界处理器诠释此理念，虽不直接与微控制器竞争。

超低功耗芯片的电压频率动态缩放

TinyML 峰会上，Eta Compute 发布 ECM3532——超低功耗器件，100 µW 功耗预算下实现常时图像处理和传感器融合。集成 ARM Cortex-M3 内核和 NXP CoolFlux DSP 内核；任一或两者均可处理 ML 工作负载。芯片关键创新：双内核时钟频率和电压持续缩放，消除锁相环需求，大幅降功耗。

Eta Compute ECM3532 采用 Arm Cortex-M3 内核加 NXP CoolFlux DSP 内核，ML 工作负载可由任一或两者处理（图片来源：Eta Compute）

面对 RISC-V 等新兴竞争者，为何 Eta Compute 选 Arm 内核做 ML 加速？

Tewksbury 对 EETimes 解释：“Arm 生态系统更成熟。当下用 Arm 比 RISC-V 更易推产品，尽管未来可能变。RISC-V 在中国市场强，但我们瞄准国内和欧洲客户，Arm 生态最强。”

Tewksbury 强调 AIoT 跨广泛碎片化市场，众多利基应用产出适度量。但总量可达数十亿设备。开发者须避免为每个用例定制方案的成本；灵活性和易用性至关重要，Arm 生态提供此保障。

去年 10 月，Arm 宣布允许客户为专用工作负载（如 ML）创建自定义指令。此能力应用于未来内核可进一步降功耗。

当前 M3 内核无法受益此特性，Tewksbury 乐观：“绝对，我们计划在下一代产品利用 Arm 自定义指令集，进一步推高能效。”

新兴 ISA 选项：RISC-V

RISC-V 开源 ISA 免许可费，允许设计师添加专有扩展。公司可为特定工作负载裁剪内核，按需保护 IP。法国初创 GreenWaves 在其 GAP8 和 GAP9 芯片使用 RISC-V 内核——分别为 8 核和 9 核集群。GAP9 架构现包含 10 个 RISC-V 内核。

GreenWaves GAP9 超低功耗 AI 芯片架构现采用 10 个 RISC-V 内核（图片来源：GreenWaves）

GreenWaves 副总裁 Martin Croome 告诉 EETimes，RISC-V 指令级可配置性是决定性优势。自定义扩展使 ML 和信号处理任务显著降功耗。对新公司，在其他架构创建此类定制内核因许可/IP 成本而望而却步。

仅自定义扩展即带来 3.6 倍能效提升（对比未修改 RISC-V 内核）。Croome 还称赞 RISC-V 现代简洁 ISA 降低实现复杂度、进而降功耗。对每个内核执行的精确控制对极致能效必不可少——RISC-V 便于实现。

Croome 承认若 Arm 能提供同等定制化，将是自然选择。但 Arm 成熟软件工具链目前领先 RISC-V，后者生态正快速成熟。

总结：虽有人见 Arm 统治地位动摇，但 Arm 通过启用自定义扩展和从头开发 ML 导向内核进行反制。Arm 和非 Arm 方案现均可用于超低功耗 AI，随 TinyML 社区持续压缩模型、完善框架，市场蓄势待发。