微控制器嵌入 AI：释放 TinyML 潜能

当人工智能遇上物联网，诞生 AIoT——一个利用神经网络压缩和高效推理突破的微控制器广阔前沿。现代智能手机应用处理器已执行图像识别、推荐引擎等复杂 AI 任务；将类似能力带入微小电池供电设备，开启无限新可能。

想象一款用 AI 滤除背景噪音的助听器、能识别用户面部并应用个性化设置的智能家电、或靠纽扣电池运行数年的传感器节点——全部本地驱动。边缘处理带来更低延迟、更强安全性和更高隐私，这些是难以逾越的优势。

Arm Cortex-M55 配合 Ethos-U55 加速器提供手势、生物识别和语音识别工作负载所需吞吐量（图片：Arm）

然而，在微控制器部署有意义的机器学习非同小可。有限内存和算力难以运行大模型，但数据科学团队在压缩网络占用，厂商提供硬件感知工具链和专用 IP 模块以满足嵌入式 AI 约束。

TinyML 开启加速

TinyML 快速增长体现在不断扩大的 TinyML Summit。首届硅谷峰会吸引 11 家赞助商；第二届达 27 家并提前数周售罄。面向设计师的全球聚会出席人数亦大幅增长。

"我们正进入由 TinyML 驱动的万亿级智能设备时代，它们感知、分析并自主行动，创造更健康、更可持续的环境，" Qualcomm 高级总监、TinyML 委员会联合主席 Evgeni Gousev 在近期会议上表示。Gousev 强调节能硬件、精简算法和成熟软件生态的协同，是企业与风投投资、初创活动和并购的引擎。

Eta Compute ECM3532 结合 Arm Cortex-M3 核心与 NXP CoolFlux DSP 核心，允许机器学习工作负载在任一或两个处理器上运行（图片：Eta Compute）

据 TinyML 委员会，技术现已验证，基于微控制器的产品级 AI 预计两三年内上市，旗舰"杀手级"应用将在三到五年内到来。

关键里程碑发生在去年春天，Google 发布 TensorFlow Lite for Microcontrollers。轻量运行时在 Arm Cortex-M3 上仅 16 KB，支持语音关键词检测等模型推理，总占用 22 KB。不支持训练。

巨头响应

领先微控制器厂商加速自家 AI 支持。STMicroelectronics 提供 STM32Cube.AI 扩展包，将神经网络映射运行于 STM32 Cortex-M 系列。Renesas Electronics 提供 e-AI 开发环境，将模型转为原生 C/C++ 代码用于 e2 studio。NXP Semiconductors 在低端 Kinetis 和 LPC MCU 上演示机器学习工作负载，并跨应用处理器和跨界解决方案扩展 AI 生态系统。

Arm 驱动的主导地位

Arm Cortex-M 系列仍是微控制器市场基石。新发布的 Cortex-M55 专为 AI 工作负载设计，与 Ethos-U55 加速器无缝配对，均面向超低功耗环境。竞争对手现聚焦架构差异化而非构建基于 Arm 的 SoC。

"对抗巨头需要架构优势——超越标准 Cortex-M 的性能与灵活性，" XMOS CEO Mark Lippett 说。XMOS 的 Xcore.ai 跨界处理器瞄准语音界面，展示差异化核心如何开辟利基应用，虽不直接与微控制器竞争。

>> 继续阅读本文第二页，原发于姊妹站 EE Times Europe。