“功耗”专访ADI：探索AI MCU应用边界，集成CNN硬件加速器将是边缘AI处理的技术趋势

今天，很高兴为大家分享来自36氪的专访ADI：探索AI MCU应用边界，集成CNN硬件加速器将是边缘AI处理的技术趋势，如果您对专访ADI：探索AI MCU应用边界，集成CNN硬件加速器将是边缘AI处理的技术趋势感兴趣，请往下看。

来源：36氪

文｜韦世玮

封面来源｜视觉中国

得益于近年来市场供需关系的剧烈变化，以及物联网、汽车电子市场的新增长，MCU（微控制单元）已逐渐成为一块香饽饽。

MCU即“单片机”，也被称为电子系统的“大脑”，它既能按照一定程序对系统的其他部件进行控制，也能通过收集外界或内部数据做出处理、计算和决策，可广泛应用于消费、工业、医疗和汽车等领域。

简单来说，不管是汽车内车窗的升降控制、空调温度调节，还是如今火热的血氧、心率甚至是血压测量产品，其功能的实现都离不开MCU。它早已渗透至人们生活的方方面面，与人们的衣食住行息息相关。

据IC Insights数据，2021年因供应链紧张，MCU平均售价上涨10%，销售规模实现创纪录的196亿美元，预计2022年全球MCU销售额将增长10%至215亿美元，其中汽车MCU市场增长将超过大多数终端市场。

在模拟芯片市场，尽管ADI以其高精度的信号链芯片产品起家，并与其电源产品一同开拓出强大的商业帝国，但它在MCU领域也有着不可小觑的技术实力。从1995年至今，ADI的MCU产品出货量已超过10亿片。同时从2020年起，AID开始在传统MCU的基础上，开拓了边缘AI MCU产品线，能够帮助电池供电设备更轻松地实现人工智能及物联网应用。

整体来看，ADI MCU产品具有功耗低、接口丰富、通讯模块新、评估方案和开发示例齐全、产品开发简易化、安全性高等特点。根据功能应用，ADI的MCU产品可分为三大类：

低功耗MCU：具有小体积、低功耗、大存储特点，可应用于工业、物联网、医疗、可穿戴等领域；

安全MCU：具备安全的系统架构，具有较强的抗攻击加密能力，可应用于对安全性能要求较高的智能机或终端上，如POS机、读卡器等；

人工智能MCU：脱胎于第一类低功耗MCU，特色是能够将AI推理从云端推向边缘端，可应用于智能家居、人脸打卡、语音控制等应用。

ADI微控制器产品概览

围绕MCU产品，ADI还提供了一系列支持资源方便简化用户的设计，包括专业支持团队、轻松集成的驱动例程、大方简洁的机械设计、稳健可靠的评估套件以及清晰易读的手册指南，大大简化客户的研发流程。

同时在硬件方面，ADI亦发布了多种评估套件、开发版与参考设计，还有丰富的软件库和设计文档、编译与调试IDE等，还支持KEIL、IAR、mbed、eclipse等专门平台，并组建了线上线下技术支持FAE/ADI中国技术支持中心，能够及时回应客户需求。

谈及MCU在边缘领域的应用，ADI中国技术支持中心高级工程师辛毅认为，由于物与物之间的互联产生了海量的数据处理需求，只有强大的算力才能够胜任，因此IoT技术正在与AI产生深度融合，催生了AIoT的概念，其中IoT就相当于遍布的人身上的神经网络，AI相当于人的大脑，若要达到类似于人类的智能，设备必须要进行大量的矩阵运算，这对设备的存储空间、计算能力、数据交互速度和成本都提出了更高要求，只有部署在云端的大型服务器才能胜任。

但IoT设备之间的互联需要电池供电，设备之间数据的流通也不能完全依赖云端，因此IoT应用亦需要低功耗和低成本，这也为AI技术和IoT技术的融合带来了挑战。

针对这些痛点，ADI将AI和IoT两者优点相结合，实现在IoT设备的边缘端执行AI推理任务，让设备能够在本地自行做出运算和决策，不一定非要连接互联网。与云端AI相比，边缘AI具备实时性好、带宽资源要求低、隐私性高等特点，同时也具备与云端AI相同的AI共性特征。

ADI边缘AI微控制器技术优势

例如，ADI的边缘AI解决方案MAX7800X系列，由两个微控制器内核（ARM Cortex M4F和RISC-V）与一个卷积神经网络（CNN）加速器构成，该架构针对边缘进行了高度优化，数据的加载和启动由微控制器内核负责，而AI推理由卷积神经网络加速器专门负责。基于两个硬件的分工合作，MAX7800X系列既不需联网，也支持电池供电，大大满足了边缘AI的要求。

除此之外，在低功耗MCU方面，ADI通过单一芯片集成了传统上多片MCU才具备的功能，并内置电源管理模块，具有超低功耗、高性能、资源丰富等优势，同时部分产品还内置了蓝牙模块，可大大缩小系统尺寸。

为了进一步了解ADI的MCU产品系列布局，近期36氪等媒体与ADI MCU产品线资深业务经理李勇进行了一次深入交流，他们在详细分享ADI MCU产品及业务进展的同时，也从产业层面对MCU的智能化和市场趋势进行了观点分享。

以下为36氪等媒体与ADI专访的对话，经编辑：

Q：最近这段时间血氧仪非常火爆，请问ADI如何看待这个市场？

李勇：血氧仪火爆可能是因为新冠疫情，但其实在新冠发生之前，ADI就已经有专门的血氧测试方案，以及测试血氧饱和度的芯片，同时有专门面向此测试开发的算法，将专属算法下载到ADI芯片里即可提供给客户。客户直接采用ADI芯片，加上ADI的ADC和算法，就可以构建自己的产品。所以针对这个应用领域，ADI其实布局很早，我们非常看好医疗健康领域。

Q：集成CNN硬件加速器的优势是什么？这会是未来边缘AI处理的一个技术趋势吗？

李勇：目前看这是一个技术趋势方向。ADI为什么要集成CNN？坦白说是因为功耗。因为有很多客户原来用的是通用处理器，比如说Cortex-M7，它的速度比较快，主频200MHz，但运行起来功耗比较高，如果要用Cortex-M7来运算CNN算法，如刚才提到CNN的算法是很多矩阵的乘法还有加法，运算的时间就很长。

MCU需要长时间全力运行，功耗就比较高，但如果面向一个监控设备的话，现在集成了CNN就可以很快计算出来，之后就可以进入睡眠状态。CNN其实很大程度降低了它的功耗，我们认为，在未来边缘的应用中，特别是一些特殊的应用中这是一个非常重要的特征，这就是我们为什么微处理器要做一个CNN。

Q：神经网络加速器和MCU之间需不需要考虑组合或者匹配的关系？在面对不同算力需求的场景时，CNN加速器的性能是否可以实现拓展？

李勇：ADI的AI MCU不仅仅是集成了硬件的CNN，也集成了两个微控制器，一个是Arm的Cortex-M4F，另一个是RISC-V的。它们之间的配合，M4F主要是做一些应用和通信，这是已经分配好的，同时内部还配有FLASH和SRAM。而RISC-V则是一颗小内核，采用32位精简指令集，它主要是配合CNN来工作。由于CNN工作时需要输入一些原始数据，比如图片、声音、波形等数据通过通信接口或者图像camera接口输入进来后，会由RISC-V内核将这些数据搬运至存储空间，再让CNN来用。CNN经过硬件计算，将原始的数据通过矩阵的乘法和加法得到一些特征值，再放到内存里来进行比对。就是这么一个过程，因此配合肯定是需要的，不过ADI已经规划好了，同时还有一些成熟案例，让客户开发起来非常简单。

Q：MAX78000是一颗集成AI功能的通用MCU，您如何看待它与专门针对某一类应用或与某一类应用场景高度适配的AI SoC芯片之间的关系？

李勇：ADI的MAX78000也是一颗比较小的SoC，因为它不仅仅集成了处理器内核，还集成了memory（内存），包括FLASH和SRAM，所以无需外扩。整个应用用到的memory都集成了，同时还集成了电源模块、通信模块，还有一些camera接口。因此它可以运行一些Free的RTOS，不过它不能运行安卓和Linux，但它可以运行一些比较简单的RTOS，所以它也算一个SoC。

至于区别，我觉得MAX78000更适合做一些边缘的监测与控制，它可以将原始数据迅速分析出来，并且执行一些控制。而传统意义上的AI芯片则功率比较大，尺寸比较大，算力可能强，但也很贵。它们针对的更多的是计算速度较高、算力较强的应用。这种一般如传统意义上的GPU可能会用在服务器端，而ADI则面向边缘端。

所以要将很大的像FPGA或者GPU用到边缘端，一个是成本受不了，二是没有办法用电池进行供电，而且也没有必要。比如说一个camera安防摄像头，往往只拍摄一幅图片分析一次，再拍摄一次图片再分析一次，所以不需要很高的算力。因此MAX78000非常适合边缘AI应用。

Q：您如何看待来自新兴边缘语音和图像AI芯片给ADI MCU带来的竞争？ADI为什么不直接用边缘AI芯片来深耕这些市场，而是采用AI MCU这个概念？

李勇：边缘AI更强调的是低功耗、尺寸、价格，还有安全性，算力只是一个方面。但比如做一个摄像头往往希望一个CPU就够了，这个CPU既要有控制功能，也要有CNN功能，这就是目前的市场需求，而ADI可以满足它。如果用传统的一些AI芯片来做，可能外面要加很多的东西，包括PMIC即电源管理IC，还有一些memory、存储、MCU，统统加上后，一是成本比较高，二是功耗也比较高。因此针对边缘智能化市场，ADI MCU将是非常适合的选择。

Q：ADI多个产品的低功耗的优势是通过什么样的手段来实现？未来是否还有继续降低低功耗的空间？

李勇：我觉得可穿戴级别的低功耗应该是最低的低功耗。怎么实现呢？

首先，每个产品采用的内核Cortex-M4F或者是RISC-V本身就是低功耗的，每个芯片有不同的工作模式、功耗模式。比如在活跃模式下，芯片需要全速运行，内核、时钟、memory、GPIO、集成器全部都要工作；在睡眠模式下，内核不工作了，停在那，但是我的时钟、memory、GPIO或者是集成器还是在工作；在深度睡眠模式下，主要的时钟已经不工作了，内核也关掉了，有一部分memory是带电的，因为一部分数据是需要保留的，另外一部分不需要保留数据的就也关掉了，还可能有一些GPIO基本上也都关掉了，剩下的一些可能是为了激活的，这些方方面面组合起来也是为了降低功耗。

其次，ADI的设计是有多个时钟源，我们的芯片里不仅有100MHz，还有7MHz和4MHz的，经过我们测试，用低频率的时钟源的功耗有显著降低。其实，一个芯片的功耗分为动态功耗和静态功耗，动态功耗是CPU跑起来，跑的频率多少就是它的动态功耗。关掉的时候，还有一个漏电流，这就是静态功耗。采用低频率时钟源的时候，静态功耗也能降低。

第三是提高集成度，ADI将电源管理、通信接口、比较大的memory、甚至是电频转换芯片也集成在芯片里面。比如，现在有两种传感器，一种是1.8V的，一种是3.3V的，一般的MCU需要加一个转换芯片，但ADI不需要，因为已集成在芯片内部，可以用软件进行配置，这一个端口1.8V，另外一个端口3.3V，所以集成在一起后，不需要的时候，客户都可以关掉配置，所以集成度高也有助于实现低功耗。我们把这些放在一起使得ADI低功耗MCU能够达到可穿戴级的低功耗。

好了，关于专访ADI：探索AI MCU应用边界，集成CNN硬件加速器将是边缘AI处理的技术趋势就讲到这。