據IoT Analytics數據，2022年活躍連接的物聯網設備將達到144億，2025年將增長至270億[1]。作為物聯設備中必不可少的控制與計算的大腦，MCU也將迎來持續增長。Yole最新數據顯示，2022年MCU的市場規模預計為200億美元以上，并且將保持7.1%年復合增長率，于2027年達到300億美元[2]市場規模。
圖：Yole development Microcontroller Quarterly Market Monitor Q1 2022
數百(bai)億的(de)市場背后，蘊含(han)著(zhu)持續不斷的(de)技術創新，從(cong)簡單(dan)控制到IoT大腦(nao)，MCU一(yi)路(lu)高歌猛進(jin)，熱度不減。
MCU的進化之路：從簡單控制到IoT大腦
上世紀60年代末70年代初，微控制器（MCU）的產品雛形出現。早期均是多芯片的(de)方(fang)案，從(cong)Intel的(de)MCS-4(Micro-Computer Set-4)開始，明確了CPU、RAM、ROM和I/O這(zhe)樣的(de)一個(ge)(ge)具有通用性的(de)基本系統架構。隨后出現的(de)TMS1000，將這(zhe)四個(ge)(ge)部(bu)分整(zheng)合在一個(ge)(ge)芯片中，便成為了歷史上(shang)第一個(ge)(ge)真正意義上(shang)的(de)MCU。
圖：Lee Boysel 組裝了一個8 位 AL1 的系統(tong)，證明它可以作(zuo)為微(wei)處(chu)理(li)器工作(zuo)[3]
通用型MCU的(de)出現，繁榮了(le)后(hou)面50年(nian)的(de)電子設(she)備創新，各(ge)種品(pin)類層(ceng)出不窮。MCU的(de)功能和規格(ge)也隨著技(ji)術發展、應用需求提升而(er)進(jin)化。進(jin)入到(dao)IoT時(shi)代之后(hou)，MCU的(de)角色更是成為了(le)端側(ce)的(de)計(ji)算中樞，成為端側(ce)的(de)物聯生態(tai)構建的(de)決定因素。
圖：連接現實與數字世界(jie)
如上圖所示，典型的IoT應用由感知、計算、執行、連接和安全幾部(bu)分組成(cheng)。傳感(gan)器檢測大量的(de)(de)環(huan)境信(xin)(xin)息(xi)，將物理世界(jie)的(de)(de)模擬信(xin)(xin)號(hao)轉(zhuan)換為數(shu)字信(xin)(xin)號(hao)數(shu)據，傳遞給后端的(de)(de)MCU中進(jin)行(xing)計(ji)算分析(xi)和處(chu)理；MCU根(gen)據計(ji)算結果給出(chu)(chu)決策信(xin)(xin)號(hao)到(dao)(dao)后端的(de)(de)執(zhi)行(xing)層；執(zhi)行(xing)層根(gen)據MCU給出(chu)(chu)的(de)(de)動(dong)作(zuo)指令完(wan)成(cheng)相(xiang)應動(dong)作(zuo)；在(zai)整個過(guo)程中，必要(yao)的(de)(de)數(shu)據也會(hui)通過(guo)無線連接的(de)(de)方式(shi)上傳到(dao)(dao)云端進(jin)行(xing)云AI運算或存儲。
從單(dan)點的設(she)備到聯網(wang)的端側(ce)設(she)備，對于MCU提出了更高的要求。縱觀整個MCU市場，呈現出以下的技(ji)術演進趨勢。
第一是對(dui)于(yu)算力提升的(de)要求，同時也要追求更高的(de)能效比(bi)。高端(duan)MCU的(de)(de)主(zhu)頻已經(jing)提升到GHz級，采用雙CPU核的(de)(de)架構，針對不同(tong)工(gong)作(zuo)負載實現(xian)靈(ling)活調度，有的(de)(de)MCU將會集(ji)成專用的(de)(de)NPU核來執(zhi)行(xing)特定(ding)的(de)(de)AI/ML工(gong)作(zuo)。
第二是無線射頻功能的集成，支持(chi)例如BLE、Sub-G、Zigbee等無線通信協議。通過(guo)內部集成無線(xian)功能，簡化了系統整體設(she)計(ji)，縮減PCB面積，幫助非射(she)頻專業(ye)開發者(zhe)在產品中快速構建(jian)無線(xian)連接。
第三是具(ju)備(bei)圖(tu)形(xing)交(jiao)互界(jie)面（GUI）的能(neng)力。從傳統的(de)機械按鍵+段(duan)式(shi)LCD顯示，到現在的(de)語音控制、圖形(xing)(xing)界面交互(hu)控制，人機交互(hu)效果越來越友好(hao)。MCU需要具備足(zu)夠的(de)圖形(xing)(xing)處(chu)理能力（2.5D、3D圖形(xing)(xing)化加速器），支持(chi)不同的(de)接口和顯示屏(ping)的(de)底層(ceng)驅動，具備足(zu)夠豐富的(de)圖形(xing)(xing)庫開發資(zi)源(yuan)。
第四是(shi)對于安全（Security）的(de)更高要(yao)求。設(she)計者(zhe)開始明確：安全(quan)應該是從硬(ying)件設(she)計之(zhi)初就開始考量，而(er)不(bu)是僅僅存在于軟件層(ceng)面(mian)的(de)(de)安全(quan)設(she)計。像Arm在Cortex-M的(de)(de)中(zhong)引入(ru)了(le)Trustzone硬(ying)件安全(quan)架構(gou)，通過硬(ying)件隔離(li)實現安全(quan)的(de)(de)密(mi)鑰信息存儲。在Trustzone的(de)(de)安全(quan)設(she)計基礎(chu)上，不(bu)同MCU中(zhong)還會(hui)集成一系列(lie)安全(quan)功能，譬如(ru)HSM、AES、硬(ying)件密(mi)鑰、雙組閃存等等。
第五是強調MCU的整體開(kai)發(fa)生態，在MCU芯片(pian)之(zhi)上(shang)構建(jian)較為完整方案加速客戶的(de)(de)上(shang)市時(shi)間。從前端的(de)(de)傳感器連接，到后端的(de)(de)上(shang)云(yun)提供完整的(de)(de)開發(fa)鏈(lian)條；一些簡(jian)單的(de)(de)設計(ji)可以通(tong)過低代碼(ma)的(de)(de)圖形化開發(fa)工具快速完成；提高(gao)同(tong)一MCU平(ping)臺上(shang)不同(tong)型號之(zhi)間的(de)(de)代碼(ma)的(de)(de)復用性，縮減用戶進行MCU升級時(shi)進行代碼(ma)遷移的(de)(de)成本。
業界領先廠商已經向(xiang)著上述幾(ji)個技術(shu)趨勢去發(fa)力，推出(chu)符合AIoT時代需(xu)求的(de)新一(yi)代MCU產品(pin)。如(ru)下(xia)圖所示(shi)，英飛凌(ling)計劃將(jiang)會在下(xia)一(yi)代MCU產品(pin)中提供包括連接、機器學習、人機接口、傳感(gan)等功能，并提供包括軟件(jian)硬件(jian)參考、安全、IoT云在內的(de)全方案開發(fa)平臺。
圖：英飛凌下一代MCU產品
芯片即方案：一顆MCU滿足全部IoT應用需求
IoT Analytics總結了2022年物聯網的十大技術趨勢[4]，其中提到：完(wan)備5G基礎設施將會加速IoT垂直(zhi)領(ling)域應用(yong)發(fa)展(zhan)；IoT將會改變制造業，并成為實現可持續(xu)發(fa)展(zhan)的關鍵技術(shu)；云平臺(tai)商(shang)(shang)和(he)IT廠(chang)商(shang)(shang)開始競逐邊(bian)緣端平臺(tai)市場；AI變得(de)無處不在，隱形AI在各(ge)行各(ge)業釋(shi)放(fang)潛能(neng)；AI的計算正在向著邊(bian)緣端拓展(zhan)，實現端側部(bu)署。
圖：2022年物聯網10大技術趨勢(shi)
端側物聯網應用需(xu)(xu)要選擇什么樣(yang)的(de)(de)MCU，才能迎合這樣(yang)的(de)(de)IoT發展(zhan)需(xu)(xu)求(qiu)？對于開發者而(er)言，在選型的(de)(de)階段將傳統的(de)(de)通(tong)用型MCU，替換(huan)成(cheng)選擇一(yi)顆IoT MCU，可謂整個開發工(gong)作(zuo)已經成(cheng)功了大半。
PSoC6是一款專門為IoT和消費類應用而生的雙核無線MCU，是一款可編程嵌入式系統級芯片解決方案。
首先作為IoT Purpose的MCU，雙核的架構設計(ji)是其一(yi)大特色，用戶可以根據不(bu)同工作(zuo)(zuo)(zuo)負載動態(tai)分配M4核(he)和(he)(he)(he)M0+核(he)的工作(zuo)(zuo)(zuo)任務，M4核(he)專(zhuan)注(zhu)于高(gao)性(xing)能計(ji)算處理，M0+核(he)則(ze)專(zhuan)注(zhu)于實時監(jian)控(kong)的工作(zuo)(zuo)(zuo)，例如無(wu)線通訊協議的頻(pin)繁監(jian)控(kong)采樣和(he)(he)(he)回應等工作(zuo)(zuo)(zuo)。M0+作(zuo)(zuo)(zuo)為M4的減壓引擎，允許M4進入睡眠(mian)狀(zhuang)態(tai)；這種雙核(he)架構實現了功(gong)耗和(he)(he)(he)性(xing)能的完(wan)美(mei)平衡。
圖：PSoC6 Block diagram
可編程模塊是PSoC系列的(de)(de)另一(yi)特色，在(zai)CPU的(de)(de)外圍有12個類(lei)似(si)于PLD的(de)(de)可(ke)(ke)編(bian)(bian)輯的(de)(de)數字邏輯單元（UDB），這種硬(ying)件可(ke)(ke)編(bian)(bian)程(cheng)模(mo)塊為MCU提供了更(geng)高的(de)(de)靈活度，并且可(ke)(ke)以通過PSoC Creator軟件來實現硬(ying)件編(bian)(bian)程(cheng)，避免(mian)HDL的(de)(de)陡峭學習曲(qu)線。
無線功能的集成是作為IoT MCU的(de)必要元素，PSoC6支持Bluetooth 5和WiFi無線連接方式(shi)，開發(fa)者還可以通過(guo)可編程硬(ying)件模塊創(chuang)建自定義的(de)AFE，并(bing)支持產(chan)品最后一分鐘的(de)設(she)計更改，最大限(xian)度地減少PCB的(de)重新設(she)計。英飛凌還提(ti)供(gong)了AIROC這一Wi-Fi+藍(lan)牙(ya)Combo的(de)單芯片方案，可以與PSoC6一起構成(cheng)更完整的(de)從端(duan)到云的(de)無線開發(fa)生(sheng)態。
圖(tu)：AIROC系列(lie)無(wu)線連接產品(pin)
在安全性方面，PSoC6內置了IoT安全模塊，同(tong)時支持多(duo)個安全環境，無需(xu)額外(wai)外(wai)部安全存(cun)儲器或元件，同(tong)時集成包括ECC2和AES3在(zai)內的多(duo)種行業標(biao)準密碼算法。此(ci)外(wai)，PSoC64安全系列還(huan)經過(guo)了PSA二級安全認證，集成了硬件RoT和開箱即用的Amazon FreeRTOS。
圖：PSoC 64 Standard Secure – AWS MCU — PSA Level2認證(zheng)書[5]
在開發生態方面，英飛凌提供了Modus Toolbox這一跨平臺開發工具，提(ti)供工程的(de)創(chuang)建、編(bian)輯、編(bian)譯、調試(shi)、燒寫等功能(neng)，同(tong)時它還集成了(le)實(shi)時操作系統、硬(ying)件外設驅動(dong)(dong)、無(wu)線連(lian)接的(de)驅動(dong)(dong)庫(ku)和眾多(duo)的(de)中間件。通過Modus Toolbox軟件平(ping)臺(tai)，結合英飛凌的(de)傳感(gan)器(qi)、無(wu)線連(lian)接、MCU、執行(xing)器(qi)完整的(de)產品(pin)陣營(ying)，開發者可(ke)以輕松(song)實(shi)現(xian)從傳感(gan)器(qi)到云端的(de)完整IoT應用開發。
圖：ModusToolbox跨平臺(tai)開發工具
以(yi)上(shang)幾大特質融(rong)合在一起，讓PSoC6成為(wei)了(le)IoT開(kai)發的利器。以(yi)智能門鎖應用為(wei)例，傳(chuan)統方案需要將指紋(wen)識(shi)別、語音(yin)識(shi)別、觸控(kong)、無線連接等多個不(bu)同的芯片(pian)整合在一起構成一個系統方案；而現在一顆(ke)PSoC6就具備了(le)這(zhe)些功能，極(ji)大地簡化了(le)開(kai)發流程，縮(suo)減(jian)了(le)整體(ti)成本并提高了(le)安全性。
圖：PSoC6智(zhi)能門鎖應用(yong)實例
從邊緣ML到TinyML，將AI的觸角拓展到極致邊緣端
縱觀業(ye)界趨勢，AI正(zheng)逐漸向邊(bian)緣端發(fa)展。機器學習（下文簡稱ML）的(de)訓練一般(ban)會在云端進行，而(er)ML的(de)推理會越來越多(duo)在設備端進行。在邊(bian)緣端進行ML的(de)處理，可以提高本(ben)地(di)的(de)設備響(xiang)應，減少云端上傳的(de)數據(ju)帶(dai)寬，提高本(ben)地(di)數據(ju)的(de)安全性。當前在一些(xie)MCU中也(ye)會添加特(te)定的(de)加速器，通過專用算力來進行ML的(de)運算，從而(er)釋放CPU的(de)通用算力。
圖：機器學習從云端向邊緣端遷移
與智能手機等邊緣設備不同，在MCU為計算中心的端側設備上進行機器學習面臨著不小的挑戰。這種更邊緣側的機器學習應用需要在本地有限的計算資源上，滿足超低功耗的要求（mW級乃至更低）。為了區分，業界將這種更為極致的邊緣側ML稱為TinyML。TinyML對接的傳感器數據的種類相比邊緣ML設備要復雜的多，因此數據的標簽化處理工作也更復雜；很多云端和邊緣ML上成熟的算法模型因為體積太大，往往也不能直接在TinyML應用中進行部署；軟件和硬件的配合也需要有更成熟的方案。大部(bu)分IoT設備(bei)的(de)(de)開發者并不具備(bei)資深的(de)(de)AI/ML的(de)(de)知識(shi)，幫助這(zhe)些開發者越過陡峭的(de)(de)學習曲線(xian)，避免繁雜的(de)(de)算(suan)法、軟件工作，快速實現TinyML的(de)(de)部(bu)署(shu)，才會迎來(lai)IoT應用的(de)(de)新一輪爆發。
為了解決(jue)TinyML的(de)應(ying)用(yong)難(nan)題，英飛凌與(yu)SensiML攜(xie)手一起構建了從(cong)云端訓練、到(dao)嵌入式(shi)軟件(jian)開(kai)發、再到(dao)最(zui)終硬件(jian)部署(shu)的(de)一套完(wan)整的(de)邊緣側機器(qi)學習應(ying)用(yong)方案。
圖：PSoC6，XENSIV和(he)SensiML解(jie)決方(fang)案
SensiML致力(li)于(yu)為極致邊緣的(de)(de)(de)IoT設備(bei)構建(jian)準(zhun)確的(de)(de)(de)AI傳感器(qi)算法(fa)。英飛凌的(de)(de)(de)XENSIV傳感器(qi)捕獲(huo)原(yuan)始的(de)(de)(de)傳感數(shu)(shu)據(ju)(ju)信(xin)息；透過SensiML Analystics Toolkit平(ping)臺的(de)(de)(de)Data Capture Lab進(jin)(jin)行數(shu)(shu)據(ju)(ju)的(de)(de)(de)收(shou)集和(he)標簽化(hua)處理；Aanlystics Studio進(jin)(jin)行數(shu)(shu)據(ju)(ju)清理，生(sheng)成數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)(zheng)和(he)適合PSoC6平(ping)臺的(de)(de)(de)嵌(qian)入(ru)式AI模(mo)型；Knowledge Pack進(jin)(jin)行數(shu)(shu)據(ju)(ju)特(te)(te)征(zheng)(zheng)提取和(he)模(mo)型優(you)化(hua)，優(you)化(hua)好的(de)(de)(de)模(mo)型可以在PSoC6的(de)(de)(de)平(ping)臺進(jin)(jin)行部(bu)署。Test App可以將實時(shi)數(shu)(shu)據(ju)(ju)導入(ru)進(jin)(jin)行在線(xian)模(mo)型驗(yan)證(zheng)，同(tong)時(shi)也可以在設備(bei)上進(jin)(jin)行模(mo)型驗(yan)證(zheng)。
圖：SensiML工作流程
SensiML的Analystics Toolkit完善后導出ML模型，通過ModusToolbox將其部署到PSoC6和XENSIV的硬件平(ping)臺上(shang)。
英飛凌與(yu)SensiML一起構(gou)建了云端(duan)訓練、嵌入(ru)式軟件開發(fa)和(he)ML硬(ying)件部署(shu)的(de)垂直開發(fa)生(sheng)態，開發(fa)者(zhe)即使(shi)并不是(shi)AI/ML的(de)算法(fa)研究者(zhe)，也可以(yi)在XENSIV和(he)PSoC6平臺上(shang)快速(su)構(gou)建邊緣ML的(de)應用，推(tui)進(jin)邊緣ML的(de)部署(shu)。
圖(tu)：用于機(ji)器學習(xi)前(qian)景的ModusToolbox
結語
從通用MCU到IoT MCU，再到具備TinyML特質的IoT MCU，微控制器的發展與整個消費電子設備的演進浪潮休戚相關。單品MCU已經不足以滿足當下IoT開發者的需求，選擇一顆MCU即選擇了一個完整的開發生態。英飛凌構建了包括感知、計算、執行、連接和安全在內的完整的物聯網生態，并且通過與SensiML的合作幫助實現物聯網的邊緣AI部署。
圖：英(ying)飛凌完(wan)整(zheng)一站式(shi)物(wu)聯網解決方(fang)案(an)
當物聯網端側開始擁抱AI，一個全(quan)新的(de)IoT局面(mian)即將開啟(qi)。在下(xia)一波百億(yi)物聯設備的(de)背(bei)后(hou)，離不開英飛凌(ling)的(de)MCU及其全(quan)面(mian)IoT解(jie)決方(fang)案(an)的(de)參與。
《Number of connected IoT devices growing 18% to 14.4 billion globally》//iot-analytics.com/number-connected-iot-devices/ ↑
《Yole Développement - MCU Quarterly Market Monitor Q1 2022 - Product Brochure》//s3.i-micronews.com/uploads/2022/04/Microcontroller-Quarterly-Market-Monitor-Q1-2022-Product-Brochure.pdf ↑
《Inventing The Microprocessor: The Intel 4004》//hackaday.com/2018/01/29/inventing-the-microprocessor-the-intel-4004/ ↑
《10 IoT technology trends to watch in 2022》//iot-analytics.com/iot-technology-trends/ ↑
《PSoC 64 Standard Secure – AWS MCU | PSA Certified》//www.psacertified.org/products/psoc-64-standard-secure-aws-mcu/ ↑
