物联网端侧拥抱AI，MCU如何担重任？

先将几个核心判断摆在前面：据IoT Analytics统计，2022年全球活跃连接的物联网设备已达144亿，这个数字到2025年预计将攀升至270亿。作为物联网设备的“大脑”，MCU的增长几乎是必然的。Yole的最新数据也佐证了这一点——2022年MCU市场规模已超过200亿美元，并有望以7.1%的年复合增长率在2027年达到300亿美元。

在数百亿市场背后，是持续演进的技术创新。从最初的简单控制，到如今充当IoT的“中枢神经”，MCU的热度从未消退。

MCU的进化之路：从简单控制到IoT大脑

微控制器的雏形可以追溯到上世纪60年代末70年代初。彼时，还是多芯片方案的天下。从Intel的MCS-4开始，CPU、RAM、ROM和I/O这些基本系统架构才被正式确立。直到TMS1000将这四个核心模块集成到一颗芯片上，才诞生了历史上第一颗真正意义上的MCU。

通用型MCU的出现，为接下来50年的电子设备创新注入了无限活力，各种品类层出不穷。随着技术迭代和应用场景的复杂化，MCU的功能与规格也在不断进化。进入物联网时代后，MCU的角色更是彻底转变——它成为端侧的计算中枢，直接决定了整个端侧物联生态的构建能力。

图：连接现实与数字世界

典型的IoT应用由感知、计算、执行、连接和安全几个环节构成。传感器采集大量环境信息，将物理世界的模拟信号转化为数字数据，传递给后端的MCU进行运算分析；MCU根据计算结果给出决策指令，驱动执行层完成相应动作；同时，必要的数据也会通过无线连接上传至云端，进行云端的AI运算或存储。

从单点设备到联网的端侧设备，MCU面临的要求显然更高了。纵观整个市场，以下几个技术趋势格外清晰：

首先是算力提升与能效比的平衡。高端MCU的主频已经迈入GHz级，双CPU核的架构让不同工作负载能被灵活调度，有些MCU甚至集成了专用的NPU核，专门用来执行AI/ML任务。

其次是无线射频功能的集成。BLE、Sub-G、Zigbee等无线通信协议被内置到芯片中，极大简化了系统设计，缩小了PCB面积，也让非射频专业的开发者能轻松实现无线连接。

第三是图形交互界面（GUI）能力的增强。从传统的机械按键加段式LCD，到如今的语音控制、图形化交互，人机交互越来越友好。MCU需要具备足够的图形处理能力——比如2.5D、3D图形翻跟斗，支持不同接口和显示屏驱动，同时要提供足够丰富的图形库资源。

第四是安全要求的显著提升。设计者们逐渐达成共识：安全必须从硬件设计之初就纳入考量，而非仅仅是软件层面的修补。Arm在Cortex-M中引入的Trustzone硬件安全架构就是典型代表，通过硬件隔离实现密钥信息的安全存储。在此基础上，不同MCU还会集成HSM、AES、硬件密钥、双组闪存等一系列安全功能。

第五是整体开发生态的完善。如今的MCU更像是一个平台，需要在前端传感器连接和后端上云之间提供完整的开发链条。低代码的图形化开发工具降低了入门门槛，而同一平台不同型号之间的代码复用、迁移成本也成了衡量价值的重要标准。

业界领先厂商已经在这些方向上发力，推出了符合AIoT时代需求的新一代MCU产品。以英飞凌为例，其下一代MCU将集成连接、机器学习、人机接口、传感等功能，并提供包含软件硬件参考、安全、云平台在内的完整方案。

芯片即方案：一颗MCU满足全部IoT应用需求

IoT Analytics在总结2022年物联网十大技术趋势时提到，完备的5G基础设施正在加速IoT垂直应用的发展；IoT正在重塑制造业，并成为可持续发展的关键技术；云平台商和IT厂商开始争夺边缘端平台市场；AI无处不在，正在各行各业释放潜力，且计算正向边缘端拓展。

那么，端侧物联网应用到底该选什么样的MCU？对开发者来说，选型阶段如果把通用型MCU换成一款真正的IoT MCU，整个开发工作就已经成功了大部分。

PSoC6就是这样一款专门为IoT和消费类应用设计的双核无线MCU，它本质上是一个可编程的嵌入式系统级芯片方案。

作为IoT专用MCU，双核架构是其最大特色。用户可以根据不同工作负载，动态分配M4核和M0+核的任务：M4专注于高性能计算，M0+则负责实时监控，比如无线通讯协议的频繁采样和回应。M0+相当于M4的“减压引擎”，让M4在空闲时进入睡眠状态，从而实现功耗与性能的完美平衡。

可编程模块是PSoC系列的另一个亮点。在CPU外围，有12个类似PLD的可编辑数字逻辑单元（UDB）。这种硬件可编程模块提供了极大的灵活性，开发者可以通过PSoC Creator软件直接进行硬件编程，不必经历HDL的陡峭学习曲线。

无线功能的集成是IoT MCU的必备技能。PSoC6支持Bluetooth 5和WiFi连接，开发者还能通过可编程硬件模块创建自定义的AFE，甚至在产品设计最后阶段进行修改，最大限度减少PCB的重新设计。此外，英飞凌还提供了AIROC——一款Wi-Fi+蓝牙的组合单芯片方案，可与PSoC6一起构成更完整的从端到云的无线开发生态。

安全性方面，PSoC6内置了IoT安全模块，支持多个安全环境，无需额外外部安全存储器或元件。同时集成了ECC和AES等多种行业标准密码算法。值得一提的是，PSoC64安全系列还通过了PSA二级安全认证，并集成了硬件RoT和开箱即用的Amazon FreeRTOS。

在开发生态上，英飞凌提供了Modus Toolbox跨平台开发工具，集成了工程创建、编辑、编译、调试、烧写等功能，还包含实时操作系统、硬件外设驱动、无线连接驱动库和众多中间件。借助这个平台，开发者可以轻松实现从传感器到云端的完整IoT应用开发。

图：ModusToolbox跨平台开发工具

这些特质融合在一起，让PSoC6成了IoT开发的利器。拿智能门锁来说，传统方案需要将指纹识别、语音识别、触控、无线连接等多个芯片整合在一起；而现在，一颗PSoC6就能包揽所有功能，开发流程大幅简化，成本降低，安全性反而更高。

从边缘ML到TinyML，将AI的触角拓展到极致边缘端

AI向边缘端发展的趋势已非常明显。机器学习的训练通常在云端进行，但推理正在越来越多地迁移到设备端。在边缘端做ML处理，能提高本地设备响应速度，减少云端数据带宽压力，也提升了本地数据的安全性。目前，有些MCU已经添加了专用翻跟斗，用专用算力来执行ML运算，从而释放CPU的通用算力。

但与手机这类边缘设备不同，以MCU为核心的端侧设备做机器学习，挑战要大得多。这种更极端的边缘ML应用，需要在有限的计算资源上实现超低功耗——mW级甚至更低。业界把这种极端边缘ML称为TinyML。相比普通边缘ML，TinyML对接的传感器数据类型更复杂，数据标签化处理也更麻烦；很多在云端和边缘ML上成熟的算法模型因为体积太大，无法直接部署到TinyML应用中；软硬件协同也需要更成熟的方案。更关键的是，大多数IoT开发者并不具备资深的AI/ML知识。帮助他们跨越陡峭的学习曲线，绕过繁杂的算法和软件工作，快速实现TinyML部署，才是IoT应用迎来新一轮爆发的关键。

针对这些难题，英飞凌与SensiML联手，构建了一套从云端训练、嵌入式软件开发到最终硬件部署的完整边缘ML应用方案。

图：PSoC6，XENSIV和SensiML解决方案

SensiML专注于为极致边缘的IoT设备构建精准的AI传感器算法。英飞凌的XENSIV传感器负责捕获原始传感数据；通过SensiML Analystics Toolkit平台的Data Capture Lab进行数据收集和标签化处理；Aanlystics Studio则负责数据清理、特征生成，并输出适合PSoC6平台的嵌入式AI模型；Knowledge Pack进一步做特征提取和模型优化；最后，Test App可以导入实时数据进行在线模型验证，或在设备上直接验证。

SensiML的Analystics Toolkit输出ML模型后，通过ModusToolbox部署到PSoC6和XENSIV的硬件平台上。这样一来，即使开发者不是AI/ML算法研究者，也能快速在XENSIV和PSoC6平台上搭建起边缘ML应用。

结语

从通用MCU到IoT MCU，再到具备TinyML特质的IoT MCU，微控制器的发展始终与消费电子设备的演进浪潮同频共振。单颗MCU已经无法满足当下IoT开发者的需求——选择一颗MCU，本质上就是选择了一个完整的开发生态。英飞凌构建了包含感知、计算、执行、连接和安全的完整物联网生态，并通过与SensiML的合作，让边缘AI的部署不再是难题。

当物联网端侧开始拥抱AI，一个全新的局面正在开启。下一波百亿物联设备背后，英飞凌的MCU及其全面IoT解决方案，显然将扮演关键角色。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：物联网端侧拥抱AI，MCU如何担重任？要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题