MCU助攻設備「智動化」升級 需具備六大特性

2022-07-18
作者 蔡銘仁

邊緣運算(Edge computing)近年在物聯網(IoT)、AIoT技術大步向前的趨勢下,使被認為最適合扮演邊緣裝置大腦的微控制器(MCU)技術發展,獲得更多關注。如何兼顧低功耗同時保有一定的AI運算力,成為各MCU廠的重要課題...

邊緣運算(Edge computing)近年在物聯網(IoT)、AIoT技術大步向前的趨勢下,使被認為最適合扮演邊緣裝置大腦的微控制器(MCU)技術發展,獲得更多關注。如何兼顧低功耗同時保有一定的AI運算力,成為各MCU廠的重要課題,此外,業界並歸納出六項判斷MCU是否有助設備實現AIoT升級的關鍵特性,包括低延遲、精確度、低功耗、資料保護、通訊傳輸和記憶體。

 

其中,低功耗、通訊傳輸和資料保護,對比其他特性格外重要。雅特力產品與行銷處長杜立博解釋,邊緣設備要在短時間內快速進行資料採集和通訊傳輸,大多仰賴電池供電,就需要低功耗的MCU;另外,在進行連網時產生的大量敏感資料,需要確保安全,MCU在資料儲存受保護區和嚴格的編程流程規劃及操作中管理訪問權限的應用相當重要;通訊傳輸的穩定性,更是做為串連IoT系統的重要能力。

 

因應市場低功耗的需求,杜立博透露,雅特力預計今年下半年推出入門級低功耗MCU AT32L021,CPU主頻最高達72MHz,支援64KB Flash和9KB SRAM,且快速進入/喚醒低功耗模式與低待機功耗,可延長電池壽命,為成本敏感的連網裝置為理想選擇。資料保護部分,雅特力自行開發的sLib安全庫(Security Library),可支持密碼保護指定範圍程序區,強化產品本身的安全性、可靠性和二次開發的使用便利性。

 

MCU之所以適合做為邊緣運算的關鍵核心,杜立博指出,MCU相對低功耗、開發速度快且成本相對低等優勢,讓它在嵌入式機器學習(Embedded ML)到微型機器學習(Tiny ML),都能有很好的發揮,以MCU進行的AI運算同時結合強調數值運算功能的數位訊號處理器(DSP),及用於分類、辨識、預測及推理判斷的ML,適用如感測器偵測、語音辨識等應用,高階的MCU甚至能實現電腦視覺和成像應用。

 

國際研調機構IoT Analytics的研究顯示,全球企業IoT市場在2021年增長22%,達到1,579億美元,預計至2027年市場規模將達5,250億美元。亞洲矽谷的統計資料,也顯示台灣IoT產值自2016年起持續上升,2018年突破新台幣1兆元,預估今年年底產值將突破新台幣2兆元。由此可見,IoT市場無論在台灣或全球,成長態勢明確,加上AI升級為AIoT,應用層面大開,潛在商機更是龐大。

 

因應IoT業者在有限預算的情況下,追求更高的規格要求和不同場域應用便利性,杜立博表示,雅特力全產品線皆採用55nm製程,在單位面積上增加更多功能,大幅提升性價比,55nm 1.2核心電壓相較市面上大部分MCU 1.8V核心電壓,在相同工作頻率下亦可有效降低運行功耗,未來將持續朝28nm和40nm製程及高效能市場研發邁進。

 

展望未來,雅特力擘劃三大重點方向,杜立博指出,第一步實現通用型MCU設計與生產製造;第二步將引入IDH方案商,開發Turnkey方案;第三步以通用型MCU為市場切入點,開發ASSP MCU及周邊IC。他預期,未來連網設備需求數量會更多,而為保持設備隨時處在連網狀態下,使設備電力延長壽命狀態和快速喚醒能力,低功耗MCU將會是接下來的重點市場。

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

蔡銘仁

喜歡寫故事的電機人。

發表評論

訂閱EETT電子報