来源：中国电子报、电子信息产业网

近日，德州仪器（TI）推出两款具有边缘人工智能 (Edge AI) 功能的新型微控制器(MCU) MSPM0G5187和AM13Ex MCU，集成了专为MCU设计的硬件加速器神经处理单元 (NPU) TinyEngine。这两款搭载了NPU的MCU，重点“死磕”两项能力：一是降耗，二是提升AI负载表现，且这两项能力不在高性能处理器或是SoC架构上实现，而是在更简易的嵌入式系统中。

在优化AI负载表现方面，通过在AM13Ex MCU中集成NPU，MCU能够实现更多实时控制的应用。例如，将AI应用于光伏系统的电弧检测，能够将检测准确率从传统方法的85%提升到最高99%。此外，电机的轴承故障检测、洗衣机的负载平衡、电池的健康检测、风机的负载失衡检测，以及空调系统优化、控制算法优化等部分，都可以利用NPU实现。

在降低能耗方面，德州仪器MSP微控制器产品线经理罗一丁举了个常见的例子：许多智能家居设备设有唤醒词检测功能，该功能需要长时间待机且尽可能降低对设备续航的影响。MSPM0G5187将AI推理引入到微控制器中，如此一来，扬声器可以监听唤醒词，在无须连接云端的情况下，保持不间断续航。

这一过程是如何实现的？罗一丁作了进一步梳理：

第一步，模拟麦克风捕捉用户声音，产生原始的声波，传递到模拟前端进行放大和噪声的滤波，再转化为数字数据。

第二步，MSPM0这款MCU通过I2S等通讯接口接收数字化的音频流。MCU中搭载的TinyEngine NPU对这些数据进行实时分析，检测特定如“你好，XX”之类的关键词。

第三步，当检测到这些唤醒词，系统将其识别为有效的唤醒条件，激活MCU中功能强大的处理器来执行所请求的任务，例如播放音乐或者回答问题。

在这个案例中，TinyEngine NPU运行一种一维卷积神经网络，这是专门为AI模型所设计的神经网络，能够对音频进行特殊的优化。这种方法既能有效识别语音数据中的语音模式，又使模型保持足够的紧凑，能够在本地器件中高效运行，无须进入云端处理。

而且，由于系统仅在检测到有效唤醒时才会激活主处理器，极大降低了整体设备的功耗，将传统语音处理数瓦级的功耗降到几十毫瓦级，延长了设备的续航时间。在与标准CPU内核上运行的CNN卷积模型相比，集成NPU还能将延迟降低92%。

罗一丁分析，在AI快速增长的背景下，MCU的角色正在发生质变：

第一是硬件加速的阵列化。仅靠CPU运行算法已经不够，MCU+NPU是未来趋势，这一方案比传统的硬件计算效率高出几十倍。

第二是安全性和隐私。随着AI终端接触更多的数据，数据本地化处理变成刚需，这一趋势要求将AI推理过程留在本地，不上传云端，对芯片的加密和安全隔离提出了更高的要求。

第三是内存的结构优化。近存计算的设计，能够减少数据在不同系统之间的搬运。