嵌入式行业的风向，变了。曾经，嵌入式系统以其在各类电子设备中的广泛应用而备受瞩目，稳定且高效的性能是其核心优势。然而，如今随着科技的飞速发展，行业风向悄然转变。新兴技术如人工智能、物联网的崛起，对嵌入式系统提出了更高的要求。嵌入式行业不再仅仅满足于传统的功能实现，而是要紧密融合这些前沿技术，实现智能化、网络化的升级。这意味着嵌入式工程师们需要不断学习新的知识和技能，以适应这一变化，在新的风向下引领行业的发展。

要说嵌入式行业有多卷，想必工程师都有体会。时间来到下半年，今年厂商依然在不断“飙车”，疯狂迭代。

接下来，EEWorld就来盘点一下今年嵌入式行业的技术风向。

RISC-V MCU，快速崛起

华为海思近期发布了Hi3066M与Hi3065P两款RISC-V芯片：Hi3066M是针对家电端侧智能化需求设计的嵌入式AI MCU，使用海思自有RISC-V内核，内置eAI引擎，支持200MHz主频、64KB SRAM和512KB内置Flash；Hi3065P是针对家电、工业等领域设计的高性能、大存储实时控制MCU，使用海思自有RISC-V内核，支持200MHz主频，支持64KB SRAM和最大512KB内置Flash，可支持客户产品功能持续迭代和算法升级。

由此可见，RISC-V已经成为海思下一个战略支点，“备胎计划”或已上路。近期海思还发布了一系列自研芯片，包括Cat 1、ADC等。

沁恒作为RISC-V领域老玩家，一直被工程师所关注，因为开发者较多，碰到问题也可以快速解决，同时“青稞RISC-V+接口PHY”全栈研发模式在推动RISC-V应用落地上具备原生优势。

最近，沁恒的双核RISC-V MCU CH32H417是其主推产品。CH32H417基于青稞RISC-V5F和RISC-V3F双内核设计的互联型通用微控制器，集成USB 3.2 Gen1控制器和收发器、百兆以太网MAC及PHY、SerDes高速隔离收发器、Type-C/PD控制器及PHY。

先楫的RISC-V MCU在国内口碑非常不错，这家公司最近主推产品是高性能产品HPM6P00。该系列旗舰产品HPM6P81内置RISC-V双核，主频达到了惊人的600 MHz，支持多达32路高分辨率PWM输出，配备4个独立16位ADC（多达32个模拟输入通道）和8个高速模拟比较器，并集成Σ∆数字滤波、硬件电流环等高精度运动控制模块，满足严苛控制应用需求。

RISC-V MCU上车，也是近期关注的热点。此前，英飞凌宣布将引领汽车行业采用RISC-V，计划未来几年推出基于该架构的全新汽车微控制器系列。该系列将纳入其成熟的AURIX汽车微控制器品牌，以扩展现有基于TriCore（AURIX TC系列）和Arm（TRAVEO系列、PSOC系列）的产品组合，覆盖从入门级到高性能的广泛汽车应用，范围超越当前市场现有产品。此外，英飞凌作为RISC-V标准化的重要推动者，正积极布局RISC-V在汽车领域的应用与生态建设。

EEWorld得知，ST目前也在观望RISC-V在MCU中的机会，有相关计划的话会及时向市场披露相关的信息。此外，ST也在观望在中国本地生产汽车MCU的机会，40nm在中国生产技术上完全可行，ST不排除这样的可能性。

汽车MCU，开启存储革命

对汽车MCU来说，eNVM至关重要，它用于存储车辆的关键代码和重要配置数据。不过eFlash局限也很明显，比如，可重写次数太少，随着每次写入和擦除周期，浮栅NOR单元中隧道氧化物会退化，漏电会增加，从而加速eFlash老化。

更重要的是，eFlash基本锁死了MCU制程迭代的路。因为eFlas晶体管构造特殊，28nm以下eFlash需要的掩摸层数太多，很难实现微缩化。加之eFlash超过40nm可靠性会受到存储单元、外围晶体管、金属互连限制，随着晶体管器件中和金属互连之间的氧化膜越来越薄，瞬态介电击穿（TDDB）寿命严重下降。

为了应对上述挑战，如今汽车MCU开始应用下一代eNVM技术。其中分为三条路线——包括相变存储器（PCM）、阻变存储器（RRAM）和磁阻存储器（MRAM）。

PCM（相变存储器）：ST最近推出内置xMemory的Stellar系列汽车MCU，其PCM基于28nm与18nm FD-SOI（全耗尽型绝缘体上硅）工艺，其存储密度可达竞品两倍以上。

意法半导体汽车MCU事业部高级总监、事业部战略办公室成员向EEWorld解析，PCM的优势包括五点：1.PCM提供同类最小存储单元，可在尽可能小单位面积实现以往一倍以上的信息存储信息量提升；2.PCM可在不改变成本情况下，将整体存储容量提升一倍；3.拥有强大耐高温和耐辐射性能，甚至可在165℃结温之下稳定运行；4.能在恶劣工况之下也保持较低功耗；5.PCM非新技术，从二十年前至今技术成熟度已经非常高，ST已经研究PCM多年，因此非常安全可靠。

MRAM（磁阻存储器）：NXP最近推出了全球首款16nm FinFET+MRAM MCU S32K5，作为一款区域控制器，它既可以集成所有实时控制功能，也能用作区域聚合器或网关。

恩智浦半导体资深副总裁兼汽车微控制器总经理Manuel Alves向EEWorld表示，MRAM具备独特的优势，一是写入和编程速度极快，比闪存快10倍，可快速运行，二是耐久性强，能实现100万次写入，不仅可存代码，还能用于数据存储，灵活性高，便于数据收集和跨区域存储。

RRAM（阻变存储器）：Infineon去年发布采用台积电28nm的AURIX TC4x系列MCU，并引入RRAM。采用新一代TriCore 1.8架构，主频达到500MHz，搭载PPU并行处理单元。

Infineon认为，与NOR Flash相比，RRAM驱动程序简单，其在重写内存之前不需要擦除命令，同时还支持字节粒度写入，大大简化了驱动程序设计，更少的命令和内存操作也有助于RRAM技术固有的功率、性能和耐久性优势；与EEPROM相比，RRAM具有更快的写入速度和更高的密度，使其适用于需要频繁更新数据的应用，例如数据记录；与MRAM相比，RRAM的运行功率效率更高，提供了性能、功率和成本的均衡组合。

AI MCU，要卷疯了

随着AI大模型发展，现在几乎每家厂商都会推出带有NPU的MCU产品，同时加大对于软件还有模型上的投入。

STM32几乎是每个工程师必会的产品之一，目前ST（意法半导体）正在加大对于边缘AI的硬件加速、优化软件栈、安全功能以及从边到云几大趋势的投入。

硬件上，STM32N6是其主推产品，NPU方面采用自研Neural-ART加速器，频率达到1GHz，算力达到600 GOPS，平均性能3 TOPS/W，而在CPU上，Arm Cortex-M55@800 MHz引入Arm Helium向量处理技术为标准CPU带来了数字信号处理（DSP）；此外，ST曾向EEWorld透露，计划在Stellar P和G的产品当中进一步集成NPU功能，并在此后公布详细的计划。

软件上，ST提供Edge AI-Core、Edge AI Developer Cloud、STM32Cube.AI、NanoEdge AI Studio、AI for OpenSTLinux、StellarStudioAI、AIoT Craft、MEMS Studio、MLC/ISPU模型库等。

Infineon（英飞凌）在2024年登顶全球MCU榜首，在AI上的战略也是软硬件两手抓。

硬件上，英飞凌新型PSOC Edge E8x MCU系列设计成为首家达到嵌入式安全框架PSA4最高认证要求的产品，所有PSOCTM Edge E8x微控制器均采用具有安全启动、密钥存储和加密操作功能的片上硬件隔离飞地。其中，PSOC Edge E83和E84内置Arm Ethos-U55 NPU处理器，E81则采用Arm Helium DSP技术和英飞凌NNLite神经网络（NN）加速器。

软件上，Infineon在2023年收购了Imagimob，并于2024年推出边缘AI软件解决方案品牌DEEPCRAFTTM，其可与ModusToolbox一站式完成数据采集及预处理、模型训练、优化以及部署的全过程。英飞凌提供了多种开箱即用的模型，最新模型包括声源方向检测模型、表面检测模型、工厂报警检测模型、手势检测模型、跌倒探测模型等。

NXP（恩智浦）在端侧AI上的战略是以高度集成硬件、软件和系统解决方案为核心，强调功能安全、低功耗和可扩展性。NXP认为，Agentic AI已经来到了边缘，自主边缘（Autonomous edge）是接下来行业发展的下一步。

这几年，NXP越来越强调解决方案的概念，而很少提及单个产品，虽然如此，其产品升级幅度依然很大。NXP的eIQ Neutron NPU（神经网络处理单元）已经覆盖MCU、跨界MCU、应用处理器三大系列，尤其是其在去年底推出的跨界MCU i.MX RT700，提升幅度非常之大，可以说是“降维打击”。相比上一代产品，其在边缘提供高达172倍的速度提升和119倍的节能，同时功耗比上一代产品降低了30～70%。i.MX 9系列处理器也集成了Neutron NPU，支持从基本推理到复杂的多模态AI应用，包括eIQ AI开发套件，用于优化AI模型的性能和效率。

瑞萨这几年在MCU领域一直走得比较快，产品更新频率也很高，比如率先使用M85、M55之类的内核。在边缘AI MCU上，最近性能极为强大的RA8P1开始正式发售，其将1GHz Arm Cortex-M85和250MHz Cortex-M33 CPU核心、与Arm Ethos-U55 NPU相结合，实现了业界最高等级的7，300 CoreMark CPU性能以及256 GOPS AI运算性能。

TI的C2000作为经典MCU，也在不断升级，去年年底，C2000也终于开始拥抱NPU——发布TMS320F28P55x系列（简称F28P55x系列），可实现高精度和低延迟的故障检测。F28P55x实时内核采用C28x系列的32位150MHz DSP MCU，NPU具有600～1200MOPS能力。通过NPU，与软件实现相比延迟降低了5～10倍。此外，在集成NPU上运行的模型通过训练学习并适应不同环境，可以帮助系统实现超过99%的故障检测准确率，从而在边缘做出更明智的决策。

ADI在过去两年也很强调边缘AI的概念。比如MAX7800X系列MCU由两个微控制器内核（ARM Cortex M4F和RISC-V）与卷积神经网络（CNN）加速器构成。最近，ADI和Antmicro共同开发的AutoML for Embedded，现在作为Kenning框架的一部分提供，Kenning框架是一个与硬件无关的开源平台，用于在边缘设备上优化、基准测试和部署AI模型。AutoML for Embedded旨在让从嵌入式工程师到数据科学家的每个人都可以访问、高效和可扩展边缘AI。

国芯科技推出基于RISC-V架构的端侧AI MCU芯片CCR4001S采用公司自主开发的RISC-V内核CRV4H，主频230MHz，集成了一个0.3 TOPS@INT8算力的神经网络处理单元（NPU），专门用于加速AI任务。

存算一体，下一场革命

冯·诺依曼计算架构已经很多年了，其正面临“存储墙”和“功耗墙”两大瓶颈。新型存算一体芯片就被视为后摩尔时代突破冯·诺依曼架构瓶颈的重要技术方向之一。

这恰好与AI时代MCU面临的问题相同：“如何在严格控制功耗、成本与体积的情况下，集成足够的算力来满足边缘AI推理需求？”

苹芯科技日前发布了一款基于存算一体的NPU IP核PIMCHIP-N300，可完美满足MCU级芯片对低功耗、低成本的需求，解决传统MCU无法高效运行AI算法的难题。其采用SRAM存内计算技术，在28nm工艺下将计算核心能效比提升至27.3 TOPS/W，而在22nm工艺下可实现1~2mW超低功耗待机，为智能穿戴、AIoT设备提供了“Always Online”的AI能力。

此前，EEWorld从一些厂商分享中得知，正在布局下一代具有存算一体技术的MCU产品。

总之，从目前存算一体芯片应用情况来看，的确能够为端侧AI带来功耗上的优势。如果将存算一体与MCU结合，或许让MCU既能运行高负载的AI算法，又能拥有极低的功耗，同时为MCU厂商节省了宝贵的芯片面积资源，应对碎片化、个性化场景。

本文来自微信公众号：电子工程世界 （ID：EEworldbbs），作者：付斌