传统MCU芯片发生深刻变化，向着人工智能化的方向发展

发布时间：2023-02-22 阅读量：938 来源: 我爱方案网整理发布人: Aurora

随着人工智能和物联网技术的发展，我们看到智能设备正在加速普及。我们的身边，渐渐地有智能音箱、早教机器人、扫地机器人等新智能设备品类出现，同时在智能工业、智能城市和智能零售等领域，智能化的脚步也在向前进展。我们看到，在这样的发展趋势下，传统的MCU芯片也在发生着深刻的变化，在向智能化的方向发展。

智能物联网与MCU智能化

这一波人工智能的兴起起源于大数据和深度学习。随着互联网的发展，人类社会产生了大量数据，而大数据配合深度神经网络等算法可以训练出一些精度极高的机器学习模型，从而能撬动人脸识别，自动驾驶，语音识别等新应用。基于大数据的人工智能中，终端节点负责采集数据并且交给云端，云端服务器反复迭代训练高精度模型，并最终将这些模型部署到应用中。应当说数据采集和模型训练的任务分别在终端和云端做目前得到了一致认可，但是具体部署的机器学习模型在何处执行在不同的应用中却有所不同。

有些应用（如摄像头内容分析）的模型部署在云端，即终端把原始数据完全回传给云端，云端在该数据上执行深度学习模型的推理，之后把结果发回给终端，终端再根据云端的结果执行相应操作；而在自动驾驶等应用中模型必须部署在终端，即终端收集到数据后在本地执行深度学习模型的推理，并根据结果作出相应动作。在智能工业等需要在终端执行深度学习模型推理的场景，原来用来执行相关动作的MCU就必须能够支持这样的深度学习推理计算，这也就是MCU的智能化。

通常来说，机器学习模型必须部署在终端执行的理由包括传输带宽、反应延迟和安全性等。从传输带宽来考虑，目前物联网中节点分布在各种场景中，如果要把原始数据直接传输到云端，则带宽开销非常大，而且无线传输的能量开销也不小。而如果在终端部署机器学习推理则可以省下带宽的开销，只需要有选择性地把部分重要数据传送到云端，而无需传输全部原始数据。

反应延迟也是把深度学习部署在终端的重要理由。目前数据到云端的来回传送时间通常在数百毫秒级，对于工业机器人等对于延迟有高要求的应用来说无法满足要求。即使在5G低延迟网络下，无线网络的可靠性对于智能工业等要求高可靠性的应用来说也难以满足需求，偶尔的高延迟甚至数据丢包都可能会造成要求即时反应的机器发生问题，因此会倾向于选择将深度学习推理的计算放在本地做。

最后，数据的安全性也是一个考量，对于一些敏感应用来说将数据通过网络传送给云端服务器意味着存在着数据被入侵的风险——如果黑客通过破解智能工厂与云端服务器的数据从而控制整个工厂将会给工厂带来巨大损失——而如果把这些计算放在本地则会安全地多。

方案介绍

基于MCU差分升级FOTA方案

传统MCU芯片发生深刻变化，向着人工智能化的方向发展

运行在各种设备的程序，由于功能的迭代或自身bug的修复，难免需要升级功能，通常升级的程序都是以完整升级包（new app）的方式进行，存在包体积大、耗时长的缺点；

包文件分析显示一般程序在版本迭代时A、B版本之间的差异部分在10%以内；顾名思义，差分升级就是提取A、B版本之间的差异，减小包体积、降低升级时间；

该差分算法库与平台无关，可移植到各大常用芯片平台，移植非常简单，并有文档介绍操作。

算法为自研算法，目前已有产品在市面上运行。

性能参数

行业分类 : 智能家居

开发平台 : Atmel 爱特梅尔

交付形式 : 软件

性能参数 : ，RAM : 1k，flash : 5k

应用场景 : 低速无线，OTA，差分升级，低功耗无线升级

查看方案详情>>

内置32位MCU运算处理内置32位MCU运算处理

传统MCU芯片发生深刻变化，向着人工智能化的方向发展

方案简介

采用进口红外4波段传感器，

内置32位MCU运算处理，

探测距离50米

角度90度

报警时间3秒

提供元器件清单，电路图，软件。

性能参数

行业分类 : 智能家居

开发平台 : STM 意法半导体

交付形式 : PCBA

性能参数 : 传感器 : 红外&紫外

应用场景 : 各种火灾隐患场所

查看方案详情>>

我爱方案网是一个电子方案开发供应链平台，提供从找方案到研发采购的全链条服务。找方案，上我爱方案网!在方案超市找到合适的方案就可以直接买，没有找到就到快包定制开发。我爱方案网积累了一大批方案商和企业开发资源，能提供标准的模块和核心板以及定制开发服务，按要求交付PCBA、整机产品、软件或IoT系统。更多信息，敬请访问http://www.52solution.com

技术服务靳工：15529315703