首页 / 技术 / 英飞凌解读MCU的进化之路,提供AIROC系列无线连接产品

英飞凌解读MCU的进化之路,提供AIROC系列无线连接产品

据IoT Analytics数据,2022年活跃连接的物联网设备将达到144亿,2025年将增长至270亿。作为物联设备中必不可少的控制与计算的大脑,MCU也将迎来持续增长。Yole最新数据显示,2022年MCU的市场规模预计为200亿美元以上,并且将保持7.1%年复合增长率,于2027年达到300亿美元市场规模。

数百亿的市场背后,蕴含着持续不断的技术创新,从简单控制到IoT大脑,MCU一路高歌猛进,热度不减。

MCU的进化之路:从简单控制到IoT大脑

上世纪60年代末70年代初,微控制器(MCU)的产品雏形出现。早期均是多芯片的方案,从Intel的MCS-4(Micro-Computer Set-4)开始,明确了CPU、RAM、ROM和I/O这样的一个具有通用性的基本系统架构。随后出现的TMS1000,将这四个部分整合在一个芯片中,便成为了历史上第一个真正意义上的MCU。

Lee Boysel 组装了一个8 位 AL1 的系统
证明它可以作为微处理器工作

通用型MCU的出现,繁荣了后面50年的电子设备创新,各种品类层出不穷。MCU的功能和规格也随着技术发展、应用需求提升而进化。进入到IoT时代之后,MCU的角色更是成为了端侧的计算中枢,成为端侧的物联生态构建的决定因素。

连接现实与数字世界

如上图所示,典型的IoT应用由感知、计算、执行、连接和安全几部分组成。传感器检测大量的环境信息,将物理世界的模拟信号转换为数字信号数据,传递给后端的MCU中进行计算分析和处理;MCU根据计算结果给出决策信号到后端的执行层;执行层根据MCU给出的动作指令完成相应动作;在整个过程中,必要的数据也会通过无线连接的方式上传到云端进行云AI运算或存储。

从单点的设备到联网的端侧设备,对于MCU提出了更高的要求。纵观整个MCU市场,呈现出以下的技术演进趋势。

第一是对于算力提升的要求,同时也要追求更高的能效比。高端MCU的主频已经提升到GHz级,采用双CPU核的架构,针对不同工作负载实现灵活调度,有的MCU将会集成专用的NPU核来执行特定的AI/ML工作。

第二是无线射频功能的集成,支持例如BLE、Sub-G、Zigbee等无线通信协议。通过内部集成无线功能,简化了系统整体设计,缩减PCB面积,帮助非射频专业开发者在产品中快速构建无线连接。

第三是具备图形交互界面(GUI)的能力。从传统的机械按键+段式LCD显示,到现在的语音控制、图形界面交互控制,人机交互效果越来越友好。MCU需要具备足够的图形处理能力(2.5D、3D图形化加速器),支持不同的接口和显示屏的底层驱动,具备足够丰富的图形库开发资源。

第四是对于安全(Security)的更高要求。设计者开始明确:安全应该是从硬件设计之初就开始考量,而不是仅仅存在于软件层面的安全设计。像Arm在Cortex-M的中引入了Trustzone硬件安全架构,通过硬件隔离实现安全的密钥信息存储。在Trustzone的安全设计基础上,不同MCU中还会集成一系列安全功能,譬如HSM、AES、硬件密钥、双组闪存等等。

第五是强调MCU的整体开发生态,在MCU芯片之上构建较为完整方案加速客户的上市时间。从前端的传感器连接,到后端的上云提供完整的开发链条;一些简单的设计可以通过低代码的图形化开发工具快速完成;提高同一MCU平台上不同型号之间的代码的复用性,缩减用户进行MCU升级时进行代码迁移的成本。

业界领先厂商已经向着上述几个技术趋势去发力,推出符合AIoT时代需求的新一代MCU产品。如下图所示,英飞凌计划将会在下一代MCU产品中提供包括连接、机器学习、人机接口、传感等功能,并提供包括软件硬件参考、安全、IoT云在内的全方案开发平台。

英飞凌下一代MCU产品

芯片即方案:

一颗MCU满足全部IoT应用需求

IoT Analytics总结了2022年物联网的十大技术趋势,其中提到:完备5G基础设施将会加速IoT垂直领域应用发展;IoT将会改变制造业,并成为实现可持续发展的关键技术;云平台商和IT厂商开始竞逐边缘端平台市场;AI变得无处不在,隐形AI在各行各业释放潜能;AI的计算正在向着边缘端拓展,实现端侧部署。

2022年物联网10大技术趋势

端侧物联网应用需要选择什么样的MCU,才能迎合这样的IoT发展需求?对于开发者而言,在选型的阶段将传统的通用型MCU,替换成选择一颗IoT MCU,可谓整个开发工作已经成功了大半。

PSoC6是一款专门为IoT和消费类应用而生的双核无线MCU,是一款可编程嵌入式系统级芯片解决方案。

首先作为IoT Purpose的MCU,双核的架构设计是其一大特色,用户可以根据不同工作负载动态分配M4核和M0+核的工作任务,M4核专注于高性能计算处理,M0+核则专注于实时监控的工作,例如无线通讯协议的频繁监控采样和回应等工作。M0+作为M4的减压引擎,允许M4进入睡眠状态;这种双核架构实现了功耗和性能的完美平衡。

PSoC6 Block diagram

可编程模块是PSoC系列的另一特色,在CPU的外围有12个类似于PLD的可编辑的数字逻辑单元(UDB),这种硬件可编程模块为MCU提供了更高的灵活度,并且可以通过PSoC Creator软件来实现硬件编程,避免HDL的陡峭学习曲线。

无线功能的集成是作为IoT MCU的必要元素,PSoC6支持Bluetooth 5和WiFi无线连接方式,开发者还可以通过可编程硬件模块创建自定义的AFE,并支持产品最后一分钟的设计更改,最大限度地减少PCB的重新设计。英飞凌还提供了AIROC这一Wi-Fi+蓝牙Combo的单芯片方案,可以与PSoC6一起构成更完整的从端到云的无线开发生态。

AIROC系列无线连接产品

在安全性方面,PSoC6内置了IoT安全模块,同时支持多个安全环境,无需额外外部安全存储器或元件,同时集成包括ECC²和AES³在内的多种行业标准密码算法。此外,PSoC64安全系列还经过了PSA二级安全认证,集成了硬件RoT和开箱即用的Amazon FreeRTOS。

PSoC 64 Standard Secure
– AWS MCU — PSA Level2认证书

在开发生态方面,英飞凌提供了Modus Toolbox这一跨平台开发工具,提供工程的创建、编辑、编译、调试、烧写等功能,同时它还集成了实时操作系统、硬件外设驱动、无线连接的驱动库和众多的中间件。通过Modus Toolbox软件平台,结合英飞凌的传感器、无线连接、MCU、执行器完整的产品阵营,开发者可以轻松实现从传感器到云端的完整IoT应用开发。

ModusToolbox跨平台开发工具

以上几大特质融合在一起,让PSoC6成为了IoT开发的利器。以智能门锁应用为例,传统方案需要将指纹识别、语音识别、触控、无线连接等多个不同的芯片整合在一起构成一个系统方案;而现在一颗PSoC6就具备了这些功能,极大地简化了开发流程,缩减了整体成本并提高了安全性。

PSoC6智能门锁应用实例

从边缘ML到TinyML,

将AI的触角拓展到极致边缘端

纵观业界趋势,AI正逐渐向边缘端发展。机器学习(下文简称ML)的训练一般会在云端进行,而ML的推理会越来越多在设备端进行。在边缘端进行ML的处理,可以提高本地的设备响应,减少云端上传的数据带宽,提高本地数据的安全性。当前在一些MCU中也会添加特定的加速器,通过专用算力来进行ML的运算,从而释放CPU的通用算力。

机器学习从云端向边缘端迁移

与智能手机等边缘设备不同,在MCU为计算中心的端侧设备上进行机器学习面临着不小的挑战。这种更边缘侧的机器学习应用需要在本地有限的计算资源上,满足超低功耗的要求(mW级乃至更低)。为了区分,业界将这种更为极致的边缘侧ML称为TinyML。TinyML对接的传感器数据的种类相比边缘ML设备要复杂的多,因此数据的标签化处理工作也更复杂;很多云端和边缘ML上成熟的算法模型因为体积太大,往往也不能直接在TinyML应用中进行部署;软件和硬件的配合也需要有更成熟的方案。大部分IoT设备的开发者并不具备资深的AI/ML的知识,帮助这些开发者越过陡峭的学习曲线,避免繁杂的算法、软件工作,快速实现TinyML的部署,才会迎来IoT应用的新一轮爆发。

为了解决TinyML的应用难题,英飞凌与SensiML携手一起构建了从云端训练、到嵌入式软件开发、再到最终硬件部署的一套完整的边缘侧机器学习应用方案。

PSoC6,XENSIV和SensiML解决方案

SensiML致力于为极致边缘的IoT设备构建准确的AI传感器算法。英飞凌的XENSIV传感器捕获原始的传感数据信息;透过SensiML Analystics Toolkit平台的Data Capture Lab进行数据的收集和标签化处理;Aanlystics Studio进行数据清理,生成数据特征和适合PSoC6平台的嵌入式AI模型;Knowledge Pack进行数据特征提取和模型优化,优化好的模型可以在PSoC6的平台进行部署。Test App可以将实时数据导入进行在线模型验证,同时也可以在设备上进行模型验证。

SensiML工作流程

SensiML的Analystics Toolkit完善后导出ML模型,通过ModusToolbox将其部署到PSoC6和XENSIV的硬件平台上。

英飞凌与SensiML一起构建了云端训练、嵌入式软件开发和ML硬件部署的垂直开发生态,开发者即使并不是AI/ML的算法研究者,也可以在XENSIV和PSoC6平台上快速构建边缘ML的应用,推进边缘ML的部署。

用于机器学习前景的ModusToolbox

结语

从通用MCU到IoT MCU,再到具备TinyML特质的IoT MCU,微控制器的发展与整个消费电子设备的演进浪潮休戚相关。单品MCU已经不足以满足当下IoT开发者的需求,选择一颗MCU即选择了一个完整的开发生态。英飞凌构建了包括感知、计算、执行、连接和安全在内的完整的物联网生态,并且通过与SensiML的合作帮助实现物联网的边缘AI部署。

英飞凌完整一站式物联网解决方案

当物联网端侧开始拥抱AI,一个全新的IoT局面即将开启。在下一波百亿物联设备的背后,离不开英飞凌的MCU及其全面IoT解决方案的参与。

展开全文
打开智能头条APP 查看更多精彩资讯
上一篇
下一篇

为您推荐

返回顶部