要说嵌入式行业有多卷，想必工程师都有体会。时间来到下半年，今年厂商依然在不断 「飙车」，疯狂迭代。
接下来，EEWorld 就来盘点一下今年嵌入式行业的技术风向。
RISC-V MCU，快速崛起
华为海思近期发布了 Hi3066M 与 Hi3065P 两款 RISC-V 芯片：Hi3066M 是针对家电端侧智能化需求设计的嵌入式 AI MCU，使用海思自有 RISC-V 内核，内置 eAI 引擎，支持 200MHz 主频、64KB SRAM 和 512KB 内置 Flash；Hi3065P 是针对家电、工业等领域设计的高性能、大存储实时控制 MCU，使用海思自有 RISC-V 内核，支持 200MHz 主频，支持 64KB SRAM 和最大 512KB 内置 Flash，可支持客户产品功能持续迭代和算法升级。
由此可见，RISC-V 已经成为海思下一个战略支点，「备胎计划」 或已上路。近期海思还发布了一系列自研芯片，包括 Cat 1、ADC 等。
沁恒作为 RISC-V 领域老玩家，一直被工程师所关注，因为开发者较多，碰到问题也可以快速解决，同时 「青稞 RISC-V+接口 PHY」 全栈研发模式在推动 RISC-V 应用落地上具备原生优势。
最近，沁恒的双核 RISC-V MCU CH32H417 是其主推产品。CH32H417 基于青稞 RISC-V5F 和 RISC-V3F 双内核设计的互联型通用微控制器，集成 USB 3.2 Gen1 控制器和收发器、百兆以太网 MAC 及 PHY、SerDes 高速隔离收发器、Type-C/PD 控制器及 PHY。
先楫的 RISC-V MCU 在国内口碑非常不错，这家公司最近主推产品是高性能产品 HPM6P00。该系列旗舰产品 HPM6P81 内置 RISC-V 双核，主频达到了惊人的 600 MHz，支持多达 32 路高分辨率 PWM 输出，配备 4 个独立 16 位 ADC（多达 32 个模拟输入通道）和 8 个高速模拟比较器，并集成Σ∆数字滤波、硬件电流环等高精度运动控制模块，满足严苛控制应用需求。
RISC-V MCU 上车，也是近期关注的热点。此前，英飞凌宣布将引领汽车行业采用 RISC-V，计划未来几年推出基于该架构的全新汽车微控制器系列。该系列将纳入其成熟的 AURIX 汽车微控制器品牌，以扩展现有基于 TriCore（AURIX TC 系列）和 Arm（TRAVEO 系列、PSOC 系列）的产品组合，覆盖从入门级到高性能的广泛汽车应用，范围超越当前市场现有产品。此外，英飞凌作为 RISC-V 标准化的重要推动者，正积极布局 RISC-V 在汽车领域的应用与生态建设。
EEWorld 得知，ST 目前也在观望 RISC-V 在 MCU 中的机会，有相关计划的话会及时向市场披露相关的信息。此外，ST 也在观望在中国本地生产汽车 MCU 的机会，40nm 在中国生产技术上完全可行，ST 不排除这样的可能性。
汽车 MCU，开启存储革命
对汽车 MCU 来说，eNVM 至关重要，它用于存储车辆的关键代码和重要配置数据。不过 eFlash 局限也很明显，比如，可重写次数太少，随着每次写入和擦除周期，浮栅 NOR 单元中隧道氧化物会退化，漏电会增加，从而加速 eFlash 老化。
更重要的是，eFlash 基本锁死了 MCU 制程迭代的路。因为 eFlas 晶体管构造特殊，28nm 以下 eFlash 需要的掩摸层数太多，很难实现微缩化。加之 eFlash 超过 40nm 可靠性会受到存储单元、外围晶体管、金属互连限制，随着晶体管器件中和金属互连之间的氧化膜越来越薄，瞬态介电击穿 （TDDB）寿命严重下降。
为了应对上述挑战，如今汽车 MCU 开始应用下一代 eNVM 技术。其中分为三条路线——包括相变存储器 （PCM）、阻变存储器 （RRAM）和磁阻存储器 （MRAM）。
PCM（相变存储器）：ST 最近推出内置 xMemory 的 Stellar 系列汽车 MCU，其 PCM 基于 28nm 与 18nm FD-SOI（全耗尽型绝缘体上硅）工艺，其存储密度可达竞品两倍以上。
意法半导体汽车 MCU 事业部高级总监、事业部战略办公室成员向 EEWorld 解析，PCM 的优势包括五点：1.PCM 提供同类最小存储单元，可在尽可能小单位面积实现以往一倍以上的信息存储信息量提升；2.PCM 可在不改变成本情况下，将整体存储容量提升一倍；3. 拥有强大耐高温和耐辐射性能，甚至可在 165℃结温之下稳定运行；4. 能在恶劣工况之下也保持较低功耗；5.PCM 非新技术，从二十年前至今技术成熟度已经非常高，ST 已经研究 PCM 多年，因此非常安全可靠。
MRAM（磁阻存储器）：NXP 最近推出了全球首款 16nm FinFET+MRAM MCU S32K5，作为一款区域控制器，它既可以集成所有实时控制功能，也能用作区域聚合器或网关。
恩智浦半导体资深副总裁兼汽车微控制器总经理 Manuel Alves 向 EEWorld 表示，MRAM 具备独特的优势，一是写入和编程速度极快，比闪存快 10 倍，可快速运行，二是耐久性强，能实现 100 万次写入，不仅可存代码，还能用于数据存储，灵活性高，便于数据收集和跨区域存储。
RRAM（阻变存储器）：Infineon 去年发布采用台积电 28nm 的 AURIX TC4x 系列 MCU，并引入 RRAM。采用新一代 TriCore 1.8 架构，主频达到 500MHz，搭载 PPU 并行处理单元。
Infineon 认为，与 NOR Flash 相比，RRAM 驱动程序简单，其在重写内存之前不需要擦除命令，同时还支持字节粒度写入，大大简化了驱动程序设计，更少的命令和内存操作也有助于 RRAM 技术固有的功率、性能和耐久性优势；与 EEPROM 相比，RRAM 具有更快的写入速度和更高的密度，使其适用于需要频繁更新数据的应用，例如数据记录；与 MRAM 相比，RRAM 的运行功率效率更高，提供了性能、功率和成本的均衡组合。
AI MCU，要卷疯了
随着 AI 大模型发展，现在几乎每家厂商都会推出带有 NPU 的 MCU 产品，同时加大对于软件还有模型上的投入。
STM32 几乎是每个工程师必会的产品之一，目前 ST（意法半导体）正在加大对于边缘 AI 的硬件加速、优化软件栈、安全功能以及从边到云几大趋势的投入。
硬件上，STM32N6 是其主推产品，NPU 方面采用自研 Neural-ART 加速器，频率达到 1GHz，算力达到 600 GOPS，平均性能 3 TOPS/W，而在 CPU 上，Arm Cortex-M55@800 MHz 引入 Arm Helium 向量处理技术为标准 CPU 带来了数字信号处理 （DSP）；此外，ST 曾向 EEWorld 透露，计划在 Stellar P 和 G 的产品当中进一步集成 NPU 功能，并在此后公布详细的计划。
软件上，ST 提供 Edge AI-Core、Edge AI Developer Cloud、STM32Cube.AI、NanoEdge AI Studio、AI for OpenSTLinux、StellarStudioAI、AIoT Craft、MEMS Studio、MLC/ISPU 模型库等。
Infineon（英飞凌）在 2024 年登顶全球 MCU 榜首，在 AI 上的战略也是软硬件两手抓。
硬件上，英飞凌新型 PSOC Edge E8x MCU 系列设计成为首家达到嵌入式安全框架 PSA4 最高认证要求的产品，所有 PSOCTM Edge E8x 微控制器均采用具有安全启动、密钥存储和加密操作功能的片上硬件隔离飞地。其中，PSOC Edge E83 和 E84 内置 Arm Ethos-U55 NPU 处理器，E81 则采用 Arm Helium DSP 技术和英飞凌 NNLite 神经网络 （NN）加速器。
软件上，Infineon 在 2023 年收购了 Imagimob，并于 2024 年推出边缘 AI 软件解决方案品牌 DEEPCRAFTTM，其可与 ModusToolbox 一站式完成数据采集及预处理、模型训练、优化以及部署的全过程。英飞凌提供了多种开箱即用的模型，最新模型包括声源方向检测模型、表面检测模型、工厂报警检测模型、手势检测模型、跌倒探测模型等。
NXP（恩智浦）在端侧 AI 上的战略是以高度集成硬件、软件和系统解决方案为核心，强调功能安全、低功耗和可扩展性。NXP 认为，Agentic AI 已经来到了边缘，自主边缘 （Autonomous edge）是接下来行业发展的下一步。
这几年，NXP 越来越强调解决方案的概念，而很少提及单个产品，虽然如此，其产品升级幅度依然很大。NXP 的 eIQ Neutron NPU（神经网络处理单元）已经覆盖 MCU、跨界 MCU、应用处理器三大系列，尤其是其在去年底推出的跨界 MCU i.MX RT700，提升幅度非常之大，可以说是 「降维打击」。相比上一代产品，其在边缘提供高达 172 倍的速度提升和 119 倍的节能，同时功耗比上一代产品降低了 30～70%。i.MX 9 系列处理器也集成了 Neutron NPU，支持从基本推理到复杂的多模态 AI 应用，包括 eIQ AI 开发套件，用于优化 AI 模型的性能和效率。
瑞萨这几年在 MCU 领域一直走得比较快，产品更新频率也很高，比如率先使用 M85、M55 之类的内核。在边缘 AI MCU 上，最近性能极为强大的 RA8P1 开始正式发售，其将 1GHz Arm Cortex-M85 和 250MHz Cortex-M33 CPU 核心、与 Arm Ethos-U55 NPU 相结合，实现了业界最高等级的 7，300 CoreMark CPU 性能以及 256 GOPS AI 运算性能。
TI 的 C2000 作为经典 MCU，也在不断升级，去年年底，C2000 也终于开始拥抱 NPU——发布 TMS320F28P55x 系列 （简称 F28P55x 系列），可实现高精度和低延迟的故障检测。F28P55x 实时内核采用 C28x 系列的 32 位 150MHz DSP MCU，NPU 具有 600～1200MOPS 能力。通过 NPU，与软件实现相比延迟降低了 5～10 倍。此外，在集成 NPU 上运行的模型通过训练学习并适应不同环境，可以帮助系统实现超过 99% 的故障检测准确率，从而在边缘做出更明智的决策。
ADI 在过去两年也很强调边缘 AI 的概念。比如 MAX7800X 系列 MCU 由两个微控制器内核 （ARM Cortex M4F 和 RISC-V）与卷积神经网络 （CNN）加速器构成。最近，ADI 和 Antmicro 共同开发的 AutoML for Embedded，现在作为 Kenning 框架的一部分提供，Kenning 框架是一个与硬件无关的开源平台，用于在边缘设备上优化、基准测试和部署 AI 模型。AutoML for Embedded 旨在让从嵌入式工程师到数据科学家的每个人都可以访问、高效和可扩展边缘 AI。
国芯科技推出基于 RISC-V 架构的端侧 AI MCU 芯片 CCR4001S 采用公司自主开发的 RISC-V 内核 CRV4H，主频 230MHz，集成了一个 0.3 TOPS@INT8 算力的神经网络处理单元 （NPU），专门用于加速 AI 任务。
存算一体，下一场革命
冯·诺依曼计算架构已经很多年了，其正面临 「存储墙」 和 「功耗墙」 两大瓶颈。新型存算一体芯片就被视为后摩尔时代突破冯·诺依曼架构瓶颈的重要技术方向之一。
这恰好与 AI 时代 MCU 面临的问题相同：「如何在严格控制功耗、成本与体积的情况下，集成足够的算力来满足边缘 AI 推理需求？」
苹芯科技日前发布了一款基于存算一体的 NPU IP 核 PIMCHIP-N300，可完美满足 MCU 级芯片对低功耗、低成本的需求，解决传统 MCU 无法高效运行 AI 算法的难题。其采用 SRAM 存内计算技术，在 28nm 工艺下将计算核心能效比提升至 27.3 TOPS/W，而在 22nm 工艺下可实现 1~2mW 超低功耗待机，为智能穿戴、AIoT 设备提供了 「Always Online」 的 AI 能力。
此前，EEWorld 从一些厂商分享中得知，正在布局下一代具有存算一体技术的 MCU 产品。
总之，从目前存算一体芯片应用情况来看，的确能够为端侧 AI 带来功耗上的优势。如果将存算一体与 MCU 结合，或许让 MCU 既能运行高负载的 AI 算法，又能拥有极低的功耗，同时为 MCU 厂商节省了宝贵的芯片面积资源，应对碎片化、个性化场景。
本文来自微信公众号：电子工程世界 （ID：EEworldbbs），作者：付斌
