边缘AIoT：重新定义物联网数据处理

物联网边缘的人工智能（AIoT）正在重塑互联设备捕获、处理和分析数据的方式，从而在各类消费和工业应用中实现更高效的结果。与依赖于云端服务器的AI不同，AIoT将智能移近数据源，实现实时、原位决策，同时增强隐私保护并降低能耗。

挑战与解决方案

尽管前景广阔，物联网边缘的AI仍面临重大挑战。传统AI模型计算密集，需要大量内存和电源，而资源受限的物联网设备通常由电池供电且处理能力有限。为应对这些挑战，设计人员需开发高度优化的轻量级神经网络模型，如TinyML，使其能在微控制器、微处理器及其他低功耗硬件上高效运行，而不牺牲性能或精度。

TinyML助力实时分析

通过在本地传感器中嵌入机器学习（ML）模型，AIoT减少了对云服务器的依赖，实现了即时响应和更高的安全性。例如，在工厂设备中嵌入预测性维护功能，无需等待云分析即可检测异常或故障；智能家居设备则可以通过AI增强的语音接口执行即时关键字识别和自然语言理解，无需发送敏感音频数据至云端。

数据中心AI推理建模注重强大的并行处理器以训练大型语言模型（LLM），而边缘AIoT则需最大限度减少内存需求和计算开销，使电池供电的物联网端点的实时分析变得可行。此外，TinyML推理建模支持多模态应用，结合语音、视觉和传感器数据，用于环境监测和自主导航等高级用例。

瑞萨电子推出新型MCU和MPU

为了更好地服务于边缘AIoT应用，瑞萨电子近期扩展了其处理器产品组合，推出了新的高性能、低功耗MCU和MPU，这些器件集成了专为AI计算构建的神经处理单元（NPU）。

RA8P1 MCU专为语音和视觉边缘AI应用设计，具有双Arm®内核（1GHz Cortex-M85®和250MHz Cortex-M33），以及可提供高达256GOPS AI性能的Arm Ethos-U55™ NPU。该MCU还支持Arm TrustZone®安全执行环境、硬件信任根、安全启动和高级加密引擎，确保关键边缘应用的安全部署。

RZ/G3E MPU结合了四核Arm Cortex-A55 CPU、Cortex-M33和高级显卡，嵌入了Arm Ethos-U55 NPU，提供高达512GOPS的AI性能，减轻主CPU负担，适用于图像分类、语音识别和异常检测等任务。

Arm NPU：功率与性能的理想平衡

Arm Ethos-U55 NPU支持ResNet、DS-CNN和MobileNet等流行神经网络模型，相比仅使用CPU处理，推理速度提高了35倍。Ethos-U55以毫瓦级功率提供硬件加速推理，非常适合物联网边缘设备。它还支持压缩和量化神经网络，减少内存和计算开销，实现实时、本地化的AI处理。

开发工具简化AI边缘部署

瑞萨电子的e² studio集成开发环境结合了RUHMI框架，加速边缘AIoT设计。RUHMI支持TensorFlow™ Lite、PyTorch®和ONNX等领先的ML格式，使开发人员能够导入和优化预训练模型，以实现高性能、低功耗的边缘AI部署。RUHMI框架简化了图像和音频数据的预处理，并在NPU上执行推理及结果后处理。

市场前景与未来趋势

Grand View Research报告指出，到2024年全球边缘AI市场的销售额将超过200亿美元，预计到2030年将达到近665亿美元。MCU和MPU因其低功耗、本地化处理和成本效益，越来越成为边缘AIoT视觉和语音应用的首选。

瑞萨电子还在开发用于视觉转换器（ViT）网络的MPU，这种深度学习模型最初为自然语言处理设计，现应用于计算机视觉。与耗电的GPU不同，ViT无需冷却风扇即可处理高分辨率图像和视频。此外，瑞萨电子正在创建零接触安全解决方案，如后量子密码学（PQC），以抵御来自经典计算机和量子计算机的攻击，增强网络安全。

注：瑞萨电子代理商-深圳市中芯巨能电子有限公司，为制造业厂家的工程师或采购提供选型指导+数据手册+样片测试+技术支持等服务。如需RA8P1和RZ/G3E等产品规格书、样片测试、采购、技术支持等需求，请加客服微信：13310830171。