邊緣運算(Edge Computing)話題，催生出tinyML的概念，也讓微控制器(MCU)因此能和AI(人工智慧)連成一線，在物聯網(IoT)的發展趨勢下，無疑為整個產業帶來更多新刺激。比起過往，MCU的應用想像空間變得更大，諸如震動偵測、感測器相關應用、關鍵字偵測等，已相當常見。如何給MCU具備機器學習(ML)能力，AI模型該微縮到多小能讓MCU可用，已然成為業界聚焦的大方向之一。

MCU智慧運算能力與適用情境。 (圖: ST提供)

MCU運算速度、記憶體空間等硬體規格，很難與一般AI晶片比擬；不過，同時具備成本和功耗相對低於一般AI晶片的優勢。功耗正是tinyML訴求的其中一個主要規格，據tinyML基金會定義的tinyML規格，是用mW等級以下的超低功耗，在常時啟動(Always-on)及電池供電的邊緣裝置執行邊緣運算。因應趨勢，Arm日前推出新支援神經處理器(Neural network Processing Unit，NPU)的處理器核心，讓MCU能透過硬體實現更強大的AI運算。

NPU的定義，是透過電路模擬類似人類的神經和突觸(synapse)，遇到需處理的狀況時，會藉由模擬所有可行的方案，從中挑選一個最適解。透過深度學習(Deep Learning)指令集直接處理大量神經單元和突觸，並透過突觸權重，實現儲存和運算一體化，相較傳統中央處理器(CPU)採取運算和儲存分離的馮紐曼型架構(Von Neumann architecture)，呈現出更好的執行效率。

意法半導體(ST)亞太區資深產品行銷經理楊正廉表示，Arm新的M核心支援NPU，為的是要在越小的晶片做出越多適合AI的產品，NPU分擔MCU的工作，有機會讓整體效果展現更好。未來相關產品推出後，很多應用程式可避免再有侷限性的問題，且有NPU可做AI處理，MCU的資源就能做更完善的規劃。

據悉，ST首款帶NPU的MCU STM32N6有望最快今年底問世，成本和功耗相當有競爭力。另，ST針對AI產品也發展自有Cube AI工具，提供有經驗的開發者透過工具選定MCU跟AI模型，進行AI模型的轉換及最佳化，最佳化包括AI模型微型化、記憶體空間配置等。另，針對缺乏AI經驗或Know-how的開發者，也可以選用nano Edge。ST表示，接下來工具將支援更多模組，持續優化AI生態系。

楊正廉認為，tinyML的概念宛如是替MCU打造AI環境，周邊小細節的應用，像是溫溼度、震動、壓力偵測等，只要牽涉到感測器附加上智慧判斷跟反應，都有機會看到tinyML的身影，比如馬達震動的偵測，就能透過建立AI模型判斷馬達運轉順不順利。ST在AI議題跟ML議題很早就投入，現在開出名詞，可說是跟ST的方向不謀而合。

當加入一些AI模型運算，判斷的內容越來越複雜，就需要用更好的MCU，獨立在設備端就完成運算，即時做反應或動作，可減少頻寬、伺服器負擔。對此，楊正廉指出，ST包括M4到M7系列，都有產品可支援。現階段來看，除了上述三種應用相對常見，手勢跟語音辨識也越來越多，接下來的產品，持續朝低功耗、高效能開發，運算單元的模組也還在加強，持續提升效能。

活動簡介

從無線連接、更快的處理和運算、網路安全機制、更複雜的虛擬實境(VR)到人工智慧(AI)等技術，都將在未來的每一個嵌入式系統中發揮更關鍵功能。「嵌入式系統設計研討會」將全面涵蓋在電子產業最受熱議的「智慧」、「互連」、「安全」與「運算」等系統之相關硬體和軟體設計。

會中將邀請來自嵌入式設計相關領域的研究人員、代表廠商以及專家，透過專題演講、產品展示與互動交流，從元件、模組到系統，從概念設計到開發工具，深入介紹嵌入式系統設計領域的最新趨勢、創新和關注重點，並深入分享關於嵌入式系統設計的經驗、成果以及遇到的實際挑戰及其解決方案。

贊助廠商

立即報名