嵌入式行業的風向，變了

要說嵌入式行業有多卷，想必工程師都有體會。時間來到下半年，今年廠商依然在不斷“飆車”，瘋狂迭代。

接下來，EEWorld就來盤點一下今年嵌入式行業的技術風向。

RISC-V MCU，快速崛起

華為海思近期發布了Hi3066M與Hi3065P兩款RISC-V芯片：Hi3066M是針對家電端側智能化需求設計的嵌入式AI MCU，使用海思自有RISC-V內核，內置eAI引擎，支持200MHz主頻、64KB SRAM和512KB內置Flash；Hi3065P是針對家電、工業等領域設計的高性能、大存儲實時控制MCU，使用海思自有RISC-V內核，支持200MHz主頻，支持64KB SRAM和最大512KB內置Flash，可支持客戶產品功能持續迭代和算法升級。

由此可見，RISC-V已經成為海思下一個戰略支點，“備胎計劃”或已上路。近期海思還發布了一系列自研芯片，包括 Cat 1、ADC等。

沁恒作為RISC-V領域老玩家，一直被工程師所關注，因為開發者較多，碰到問題也可以快速解決，同時“青稞RISC-V+接口PHY”全棧研發模式在推動RISC-V應用落地上具備原生優勢。

最近，沁恒的雙核RISC-V MCU CH32H417是其主推產品。CH32H417基于青稞RISC-V5F和RISC-V3F雙內核設計的互聯型通用微控制器，集成USB 3.2 Gen1控制器和收發器、百兆以太網MAC及PHY、SerDes高速隔離收發器、Type-C/PD控制器及PHY。

先楫的RISC-V MCU在國內口碑非常不錯，這家公司最近主推產品是高性能產品HPM6P00。該系列旗艦產品HPM6P81內置 RISC-V 雙核，主頻達到了驚人的600 MHz，支持多達32路高分辨率PWM輸出，配備4個獨立16位 ADC（多達32個模擬輸入通道） 和8個高速模擬比較器，并集成Σ?數字濾波、硬件電流環等高精度運動控制模塊，滿足嚴苛控制應用需求。

RISC-V MCU上車，也是近期關注的熱點。此前，英飛凌宣布將引領汽車行業采用 RISC-V，計劃未來幾年推出基于該架構的全新汽車微控制器系列。該系列將納入其成熟的 AURIX 汽車微控制器品牌，以擴展現有基于 TriCore（AURIX TC 系列）和 Arm（TRAVEO 系列、PSOC 系列）的產品組合，覆蓋從入門級到高性能的廣泛汽車應用，范圍超越當前市場現有產品。此外，英飛凌作為RISC-V標準化的重要推動者，正積極布局RISC-V在汽車領域的應用與生態建設。

EEWorld得知，ST目前也在觀望RISC-V在MCU中的機會，有相關計劃的話會及時向市場披露相關的信息。此外，ST也在觀望在中國本地生產汽車MCU的機會，40nm在中國生產技術上完全可行，ST不排除這樣的可能性。

汽車MCU，開啟存儲革命

對汽車MCU來說，eNVM至關重要，它用于存儲車輛的關鍵代碼和重要配置數據。不過eFlash局限也很明顯，比如，可重寫次數太少，隨著每次寫入和擦除周期，浮柵NOR單元中隧道氧化物會退化，漏電會增加，從而加速eFlash老化。

更重要的是，eFlash基本鎖死了MCU制程迭代的路。因為eFlas晶體管構造特殊，28nm以下eFlash需要的掩摸層數太多，很難實現微縮化。加之eFlash超過40nm可靠性會受到存儲單元、外圍晶體管、金屬互連限制，隨著晶體管器件中和金屬互連之間的氧化膜越來越薄，瞬態介電擊穿（TDDB）壽命嚴重下降。

為了應對上述挑戰，如今汽車MCU開始應用下一代eNVM技術。其中分為三條路線——括相變存儲器（PCM）、阻變存儲器（RRAM）和磁阻存儲器（MRAM）。

PCM（相變存儲器）：ST最近推出內置xMemory的Stellar系列汽車MCU，其PCM基于28nm與18nm FD-SOI（全耗盡型絕緣體上硅）工藝，其存儲密度可達競品兩倍以上。

意法半導體汽車MCU事業部高級總監、事業部戰略辦公室成員向EEWorld解析，PCM的優勢包括五點：1. PCM提供同類最小存儲單元，可在盡可能小單位面積實現以往一倍以上的信息存儲信息量提升；2. PCM可在不改變成本情況下，將整體存儲容量提升一倍；3. 擁有強大耐高溫和耐輻射性能，甚至可在165℃結溫之下穩定運行；4. 能在惡劣工況之下也保持較低功耗；5. PCM非新技術，從二十年前至今技術成熟度已經非常高，ST已經研究PCM多年，因此非常安全可靠。

MRAM（磁阻存儲器）：NXP最近推出了全球首款16nm FinFET+MRAM MCU S32K5，作為一款區域控制器，它既可以集成所有實時控制功能，也能用作區域聚合器或網關。

恩智浦半導體資深副總裁兼汽車微控制器總經理Manuel Alves向EEWorld表示，MRAM具備獨特的優勢，一是寫入和編程速度極快，比閃存快10倍，可快速運行，二是耐久性強，能實現100萬次寫入，不僅可存代碼，還能用于數據存儲，靈活性高，便于數據收集和跨區域存儲。

RRAM（阻變存儲器）：Infineon去年發布采用臺積電28nm的AURIX TC4x系列MCU，并引入RRAM。采用新一代TriCore 1.8架構，主頻達到500MHz，搭載PPU并行處理單元。

Infineon認為，與NOR Flash相比，RRAM驅動程序簡單，其在重寫內存之前不需要擦除命令，同時還支持字節粒度寫入，大大簡化了驅動程序設計，更少的命令和內存操作也有助于RRAM技術固有的功率、性能和耐久性優勢；與EEPROM相比，RRAM 具有更快的寫入速度和更高的密度，使其適用于需要頻繁更新數據的應用，例如數據記錄；與MRAM相比，RRAM的運行功率效率更高，提供了性能、功率和成本的均衡組合。

AI MCU，要卷瘋了

隨著AI大模型發展，現在幾乎每家廠商都會推出帶有NPU的MCU產品，同時加大對于軟件還有模型上的投入。

STM32幾乎是每個工程師必會的產品之一，目前ST（意法半導體）正在加大對于邊緣AI的硬件加速、優化軟件棧、安全功能以及從邊到云幾大趨勢的投入。

硬件上，STM32N6是其主推產品，NPU方面采用自研Neural-ART加速器，頻率達到1GHz，算力達到600 GOPS，平均性能3 TOPS/W，而在CPU上，Arm Cortex-M55@800 MHz引入Arm Helium向量處理技術為標準CPU帶來了數字信號處理（DSP）；此外，ST曾向EEWorld透露，計劃在Stellar P和G的產品當中來進一步集成NPU功能，并在此后公布詳細的計劃。

軟件上，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模型庫等。

Infineon（英飛凌）在2024年登頂全球MCU榜首，在AI上的戰略也是軟硬件兩手抓。

硬件上，英飛凌新型PSOC Edge E8x MCU系列設計成為首家達到嵌入式安全框架PSA4最高認證要求的產品，所有PSOCTM Edge E8x微控制器均采用具有安全啟動、密鑰存儲和加密操作功能的片上硬件隔離飛地。其中，PSOC Edge E83和E84內置Arm Ethos -U55 NPU處理器，E81則采用Arm Helium DSP技術和英飛凌NNLite神經網絡（NN）加速器。

軟件上，Infineon在2023年收購了Imagimob，并于2024年推出邊緣AI軟件解決方案品牌DEEPCRAFTTM，其可與ModusToolbox一站式完成數據采集及預處理、模型訓練、優化以及部署的全過程。英飛凌提供了多種開箱即用的模型，最新模型包括聲源方向檢測模型、表面檢測模型、工廠報警檢測模型、手勢檢測模型、跌倒探測模型等。

NXP（恩智浦）在端側AI上的戰略是以高度集成硬件、軟件和系統解決方案為核心，強調功能安全、低功耗和可擴展性。NXP認為，Agentic AI已經來到了邊緣，自主邊緣（Autonomous edge）是接下來行業發展的下一步。

這幾年，NXP越來越強調解決方案的概念，而很少提及單個產品，雖然如此，其產品升級幅度依然很大。NXP的eIQ Neutron NPU（神經網絡處理單元）已經覆蓋MCU、跨界MCU、應用處理器三大系列，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，可以說是“降維打擊”。相比上一代產品，其在邊緣提供高達172倍的速度提升和119倍的節能，同時功耗比上一代產品降低了30～70%。i.MX 9系列處理器也集成了Neutron NPU，支持從基本推理到復雜的多模態AI應用，包括eIQ AI開發套件，用于優化AI模型的性能和效率。

瑞薩這幾年在MCU領域一直走得比較快，產品更新頻率也很高，比如率先使用M85、M55之類的內核。在邊緣AI MCU上，最近性能極為強大的RA8P1開始正式發售，其將1GHz Arm Cortex-M85和250MHz Cortex-M33 CPU核心、與Arm Ethos-U55 NPU相結合，實現了業界最高等級的7,300 CoreMark CPU性能以及256 GOPS AI運算性能。

TI的C2000作為經典MCU，也在不斷升級，去年年底，C2000也終于也開始擁抱NPU——發布TMS320F28P55x系列（簡稱F28P55x系列），可實現高精度和低延遲的故障檢測。F28P55x實時內核采用C28x系列的32位150MHz DSP MCU，NPU具有600～1200MOPS能力。通過NPU，與軟件實現相比延遲降低了5～10倍。此外，在集成NPU上運行的模型通過訓練學習并適應不同環境，可以幫助系統實現超過99%的故障檢測準確率，從而在邊緣做出更明智的決策。

ADI在過去兩年也很強調邊緣AI的概念。比如MAX7800X系列MCU由兩個微控制器內核（ARM Cortex M4F和RISC-V）與卷積神經網絡（CNN）加速器構成。最近，ADI和Antmicro共同開發的AutoML for Embedded，現在作為Kenning框架的一部分提供，Kenning框架是一個與硬件無關的開源平臺，用于在邊緣設備上優化、基準測試和部署AI模型。AutoML for Embedded旨在讓從嵌入式工程師到數據科學家的每個人都可以訪問、高效和可擴展邊緣 AI。

國芯科技推出基于RISC-V架構的端側AI MCU芯片CCR4001S采用公司自主開發的RISC-V內核CRV4H，主頻230MHz，集成了一個0.3 TOPS@INT8算力的神經網絡處理單元（NPU），專門用于加速AI任務。

存算一體，下一場革命

馮·諾依曼計算架構已經很多年了，其正面臨“存儲墻”和“功耗墻”兩大瓶頸。新型存算一體芯片就被視為后摩爾時代突破馮·諾依曼架構瓶頸的重要技術方向之一。

這恰好與AI時代MCU面臨的問題相同：“如何在嚴格控制功耗、成本與體積的情況下，集成足夠的算力來滿足邊緣AI推理需求？”

蘋芯科技日前發布了一款基于存算一體的NPU IP核PIMCHIP-N300，可完美滿足MCU級芯片對低功耗、低成本的需求，解決傳統MCU無法高效運行AI算法的難題。其采用SRAM存內計算技術，在28nm工藝下將計算核心能效比提升至27.3 TOPS/W，而在22nm工藝下可實現1~2mW超低功耗待機，為智能穿戴、AIoT設備提供了“Always Online”的AI能力。

此前，EEWorld從一些廠商分享中得知，正在布局下一代具有存算一體技術的MCU產品。

總之，從目前存算一體芯片應用在情況來看，的確能夠為端側AI帶來功耗上的優勢。如果將存算一體與MCU結合，或許讓MCU既能運行高負載的AI算法，又能擁有極低的功耗，同時為MCU廠商節省了寶貴的芯片面積資源，應對碎片化、個性化場景。

歡迎將我們設為“星標”，這樣才能第一時間收到推送消息。

關注EEWorld旗下訂閱號：“機器人開發圈”

回復“DS”領取《DeepSeek:從入門到精通》完整版

掃碼添加小助手回復“機器人”

進群和電子工程師們面對面交流經驗