物联网|联通沃卡惠：物联网拥抱人工智能，MCU如何成为跨界( 二 ) CNN|拥抱|中国联通

ADI MCU产品线资深业务经理李勇说：“传统意义上的AI芯片的特点是算力强但功率和尺寸较大，针对的更多是对计算速度、算力较高的应用。如果将FPGA或者GPU用到边缘端，一是成本受不了，二是没有办法用电池进行供电。 ”
李勇用一个例子形象的解释了这种需求错配：终端一个安防摄像头的工作往往只是拍摄一幅图片再分析一次，然后再拍衣服图片并再分析一次，这并不需要很高的算力，反而需要的是能够满足长时间待机需求的长续航。
在边缘应用的新要求下， AI正在寻找新的出路， MCU则是这个问题的一个可能解。
早在上世纪60年代末， MCU产品的雏形就已经出现。某种程度上，通用型MCU的广泛应用为上世纪后五十年的电子设备创新打下了基础。
在物联网时代到来后， MCU则被赋予了端侧计算中枢这一更高使命。无论是设备本身的功能还是作为物联网的一部分，物联网设备在连接、交互、安全等方面都已经离不开MCU 。
而当如今智能遇上边缘， MCU又担起了新的使命。
随着MCU的算力进一步提升，高频MCU的主频已经提升到GHz级别，已经可以满足边缘端低算力人工智能需求。将人工智能集成在MCU上，只用一颗芯片实现端侧部署，正在成为新的潮流。
在过去几年里，包括瑞萨在内的多家MCU厂商都在积极探索将MCU与人工智能结合。
在日前举办的ADI MCU Media Workshop上， ADI中国技术支持中心高级工程师辛毅就介绍的ADI最新的边缘AI解决方案MAX78000就是践行的这条路线。
辛毅介绍到， MAX78000集成了卷积神经网络(CNN)引擎，能够满足边缘人工智能应用需求，并且MAX78000的设计宗旨是最大程度降低CNN引擎功耗。

为了这个目标，该器件采用了Arm Cortex-M4F处理器与32位RISC-V处理器的双内核架构，内置了CNN引擎。
辛毅形象的把这个架构比喻成“爸爸和妈妈”：两个微控制器内核是“买菜的妈妈” ， CNN加速器则是“做菜的爸爸” ，合力完成边缘智能的计算工作。
在这样的架构下，能够减少数据迁移，提高数据并行性，降低电流消耗。
两个不同架构的微控制器则有着进一步分工。李勇介绍， Arm与RISC-V双内核在具体工作过程中各司其职，算力较强的Arm内核负责MCU的控制处理，而RISC-V内核则作为协处理器配合CNN引擎进行AI计算中的数据搬运。功耗甚至能够做到MCU+DSP架构的百分之一。
【物联网|联通沃卡惠：物联网拥抱人工智能，MCU如何成为跨界】在人工智能时代， MCU这个芯片届的老前辈并没有落后，依然“历久弥新” ，在可见的未来里，已经成为了物联网边缘不可或缺的“大脑” 。