专访 ADI 产品专家：对边缘智能化市场，ADI MCU 将是适合的选择

近年来，随着信息化和智能化的深入发展，以芯片为代表的半导体产业备受关注。在半导体产业链中，除了广为人知的 CPU、GPU 等外，还有其他众多类型的芯片配套工作，这其中玖包括了 MCU。

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。例如近年来爆发式增长的物联网、智能汽车以及自动驾驶等，MCU 都发挥着不可替代的作用。。

MCU 在电子系统里起着至关重要的作用，可以按照一定的程序，对系统其它部件进行控制和管理，也可以收集外界或者内部的数据，进行处理计算，并做出决策，可以说是电子系统的"大脑"。

近期，ADI 的产品专家接受了包括最新在内的专访。据了解，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。

ADI 的边缘 AI MCU 解决方案是 MAX7800X 系列，集成 Arm Cortex-M4F、RISC-V 架构的两个微控制器内核负责数据加载和启动，还有 CNN 卷积神经网络加速器负责 AI 推理。

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（亚德诺半导体）创立于 1965 年，总部设在美国马萨诸塞州诺伍德市，设计和制造基地遍布全球，是业界公认的数据转换和信号处理技术领先供应商，拥有 6 万 + 世界各地的客户，涵盖全部类型的电子设备制造商。在模拟 IC 领域，ADI 一直高居第二，2021 年销售额 94 亿美元，同比增长 21％，占据 12.7％的市场份额。

以下为最新等媒体与 ADI 产品线资深业务经理李勇的对话（有编辑）：

媒体： 2022 年里 MCU 市场整个趋势并不太乐观，请问 ADI 如何看待 2023 年的 MCU 市场？

李勇：2022 年可能主要是一些消费电子领域呈现低迷情况，但根据最新的预测报告显示，从 2020 年到 2035 年 MCU 的需求将以 10% 的增长率增长，所以 ADI 对未来市场的发展前景还是很有信心的。

媒体：ADI 今天介绍的 AI MCU 的 AI 内核 IP 是 ADI 自研的还是基于 Arm 的相关 IP？

李勇：像 MAX78000 里面有三个内核，一个是 Arm 公司的 Cortex-M4F（这是 Arm 公司的 IP），RISC-V 是 ADI 自研的，CNN 是 ADI 的 IP。

媒体：我们在设计中用了 Arm 的内核和 RISC-V 的内核，为什么要采用这样设计？各自的功能如何？另外我们的 RISC-V 内核是自研的还是授权的？

李勇：RISC-V 内核也是 32 位的，它是最近几年才出现的，受到了很多用户欢迎。它的特点是功耗非常地低，尺寸比较小，比较简洁，而且是开放式的，所以很多用户都喜欢用它。作为 ADI 一直是以用户为核心，尽量提供客户所需要的产品，因此将 RISC-V 做到 ADI 产品中进一步优化了功耗，是这个原因。像 MAX78000 中的 RISC-V 是 ADI 自己研发的知识产权，未来可能会推出更多基于 RISC-V 的产品。

媒体：我们这个 AI MCU 里面的加速器是自研的吗？此外您怎么看待来自新兴边缘语音和图像 AI 芯片给 ADI MCU 带来的一些竞争，我们为什么不直接用边缘 AI 芯片来深耕这些市场，而是采用了 AI MCU 这个概念？

李勇：AI MCU 是 ADI 公司的 IP，ADI 大概从 2013 年就开始研发此类产品了，就是 AI 的产品。CNN 是 ADI 自己的 IP。刚才提的边缘 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。

媒体：MCU 智能化是大趋势，请问 2022 年市场对边缘算力提出了哪些新的需求？究竟多少算力才能满足现有需求，这种情况下如何兼顾算力和功耗？

李勇：第一，AI MCU 的算力其实主要是针对什么样的应用，ADI 的 AI MCU 因为是针对边缘应用，AI 主要是面向图像分析、声音分析，或者波形识别，对于单一应用，由于是面向边缘的而不是面向很多传感器，对于某一个传感器来说，对算力的要求不会很高。对图像分析、声音分析或者是波形分析，MAX78000 对绝大多数应用都是没问题的。另外，对一些视频、流媒体方面的需求，MAX78002 也是可以满足的。ADI 的 MCU 现在应用的市场已比较广泛，覆盖到工业、医疗等各领域。

媒体：AI 训练需要大量的样本，我们的边缘智能需要的样本数量大致多少精度能够达到？还有语音识别可以支持更多语种，比如中文吗？功耗是如何？

李勇：训练端其实是在 PC 平台上做的，因为这涉及一些数学的算法，而且针对不同的应用有不同的算法。一般来说，我所知道的情况大概 500 个样本就会基本上形成一些特征值，能够达到 90% 以上的辨别率，这个数据不是很精确，仅供参考。另外，中文肯定支持，其实不管是什么语言，比如说要搜 20 个关键词、50 个关键词，或识别开窗帘、开门、开灯这些都是没有问题。功耗与语言是没有什么关系的，英语、俄语、中文都是没有关系，功耗实际是看芯片设计，芯片设计定了，功耗就已经定下来了。ADI 采用的是非常低功耗的设计，因此适合于电池供电。

媒体：RISC-V 为了提升 AI 的能力已经推出了最新的 Vector1.0 标准，使得本身的 AI 能效得到了很大的提升，对 ADI 来说未来在一些 AIoT 的领域是否采用 RISC-V 内核即可满足 AI 的需求？

李勇：AI 其实就是涉及很多矩阵的乘法和加法，不管是 RISC-V，还是 Arm Cortex-M4、Cortex-M7 都是可以用的。但是我们都知道微控制器周围除了中央加速器，如乘法器、加法器，外面还有很多寄存器需要去指令，算完还需要往外面放，这是一个比较庞大的系统。因为 CNN 纯粹是一个数学的东西，涉及很多乘法和加法，如果用传统处理器内核来算是蛮复杂的，不管做到什么标准需要的时间都很长。RISC-V 可能功耗比较低，可能会比 Arm Cortex-M 系列好一点，但相比硬件 CNN 仍然还有一定差距，因为 ADI 的硬件 CNN 有 64 个 8 位处理器，里面有很多存放权重数据的 memory，这些 memory 都分布在 64 个处理器周围，没有那么多寄存器需要去管，就是直接取值，运算了再放出来，这么一个过程就会省很多时间，运算也非常快，它是硬件完成，比传统微控制器的处理速度要快得多。我认为硬件 CNN 会比其他传统 MCU 控制器省电。

媒体：请您从应用场景的角度来分析纯 MCU 的方案、MCU+DSP 的方案以及 MCU+Arm+RISC-V+FPGA 这三种方案的不同发展前景和竞争优势？

李勇：这几种方案其实适用于不同的具体应用。比如用 Arm Cortex-M4，里面有一个 DSP 协处理器，这是很通用的，也已经有相关产品了。纯 MCU 的方案可能在一些 8 位、16 位、32 位的处理器，会比较简单一些，可能更节约一些 wafer 空间，适用于一些家电、玩具、消费品等方面的应用。MCU+DSP 的方案需要一些数学方面的运算，如屏幕分析等，适合工业方面的应用。MCU+RISC-V+FPGA 适用于某些更专业、更复杂的应用。因为这种方案往往灵活度要差一些，并且由于加了太多东西，针对一些普通应用成本无法降低。这种复杂的 MCU 可能适合一些专业应用，RISC-V 主要可以作为 Sensor hub，如在可穿戴设备中，RISC-V 可以在 Arm Cortex-M 内核处于 sleep 状态时取一些数据，比如心率数据、血氧数据或心跳数据，可以把这些数据放在那儿，等到 Arm 内核唤醒时再对这些数据进行处理。我认为这些方案各有特点，适用于不同的应用场景。这也是为什么市场上有很多不同的 CPU 被大家采用，就是因为这些产品适用场景不同，需要按需配置。