Token导航 LogoToken导航

AI 资讯 · 深网

芯片巨头端侧AI卡位:异构算力与低功耗MCU拐点

更新 2026-11-19深网正文 2095字阅读约 7分钟1 张图片

图片图源:视觉中国

作者丨雅萱 

编辑丨叶锦言

出品丨深网·腾讯新闻小满工作室

随着生成式 AI 从云端向端侧快速渗透,边缘设备不再只是“数据采集器”,而需要具备本地推理与实时响应的智能能力。在这一趋势下,CPU 是否具备原生 AI 处理能力,直接决定了端侧 AI 的落地门槛与能效天花板。

11月18日,安谋科技(中国)有限公司举办 Arm® Cortex®-M CPU 新品说明会,深度解析 Arm Cortex-M42 CPU,并正式推出基于该产品的“星辰100e”AIoT 原型平台。这不仅标志着经典微控制器(MCU)架构正式迈入低成本端侧 AI 时代,也折射出这家半导体 IP 巨头在端侧算力重构期的新一轮卡位。

Cortex-M42 是 Arm 于11月13日面向全球推出的最新处理器产品,由安谋科技与 Arm 联合开发(中国市场命名为“星辰”STAR-MC3),与业界出货量较大的 Arm Cortex-M4 和 Arm Cortex-M33 同属 Cortex-M 产品家族。

长期以来,端侧 MCU 设计讲究“麻雀虽小,五脏俱全”,必须在严苛的面积与功耗约束下实现高实时性;而 AI 计算则强调高并行度与大规模矩阵运算。如何在不破坏传统 MCU 成本结构的前提下赋予其 AI 算力? 

Arm边缘AI产品管理高级总监Lionel Belnet称,“基于 Armv8.1-M 架构的 Cortex-M42 给出了三大核心能力。” 

Arm Helium™技术:加速向量处理,带来更强的机器学习(ML)和数字信号处理(DSP)性能。

Arm自定义指令(ACI):支持芯片合作伙伴实现专用指令,针对特定工作负载优化处理性能。 

基于AHB的紧凑设计:沿用成熟的微控制器(MCU)系统架构,无需复杂的内存子系统,可高效集成至现有设计中。

对于存量庞大的老客户和开发者而言,这一设计的价值在于“平滑演进”。

安谋科技 CPU 产品总监朱晓鸣表示,Cortex-M42 为合作伙伴提供了一条简便的升级路径,使他们能够在现有 Cortex-M4 和 Cortex-M33 产品基础上轻松升级,硬件集成方式几乎不变,软件栈可“开箱复用”,从而保留在成熟 MCU 设计中的大部分既有投入,大幅降低替换风险并缩短产品上市时间。

随着端侧 AI 从简单的关键词唤醒向实时语音识别、多目标视觉检测乃至小语言模型演进,卷积神经网络(CNN)和大规模张量计算的重负载,已经超出了纯 CPU 矢量扩展的最优能效区间。 

针对这一痛点,安谋科技在本次发布会上给出了立体化的算力答案:构建“‘星辰’CPU + Helium 矢量扩展 + Ethos NPU”的异构 AIoT 原型平台,让处理器不再单打独斗,而是实现标量、向量与张量计算的全覆盖。

在这一分工体系中,Cortex-M42 负责传统逻辑控制、实时响应以及 AI 推理的前后处理任务;而通过总线外挂的 Arm Ethos™-U55 低功耗 NPU(神经网络处理器),则专攻卷积、全连接等密集型张量运算。

“星辰100e”中的“E”在立项初期曾代表“Experiments(实验)”,随着今年夏天团队在 FPGA 平台上跑通全套模型并收获超出预期的实测表现,“E”正式更名为“Enhancement(增强)”。朱晓鸣透露。

实测数据印证了异构计算在端侧的爆发力:在 FPGA 搭建的“星辰100e”系统上,与单独使用 Cortex-M42 处理器相比,Cortex-M42 搭配 Ethos-U55 后,关键字检测推理性能提升 95 倍;目标识别推理性能提升超过 132 倍;自动语音识别(ASR)推理性能提升更是高达 340 倍以上。

此外,第一代“星辰300”(Cortex-M52 + Ethos-U55)已全面支持主流小模型,而更高性能的下一代“星辰”原型平台也已规划将于 2027 年推出。

当端侧异构平台展现出数百倍的性能跃迁时,业界也随之产生了一个核心疑问:未来“CPU+NPU”是否会成为入门级 MCU 的行业标配?

对此,朱晓鸣给出了冷静且务实的判断:“不为 AI 而 AI,一切取决于具体场景对算力的真实需求。”

他算了一笔算力与成本的细账:如果设备仅需处理传统控制逻辑,或每秒帧数要求不高的基础音频唤醒(算力需求仅约 60 余 MOPS),那么单纯依靠带 Helium 扩展的 Cortex-M42 就足以覆盖,无需外挂 NPU 增加芯片面积与成本;只有当应用涉及实时目标检测、复杂语音识别等需要数个 GOPS 算力的重负载场景时,“CPU+NPU”的异构组合才成为刚需。

“不过,作为上游 IP 供应商,Arm 与安谋科技必须走在产业前面,提前将'武器库'部署到位。”朱晓鸣称。

对于广大中小芯片设计厂商(Fabless)和开发者而言,这套异构平台解决的最核心难题并非简单的“搭积木”,而是工程杠杆与生态统一。 

包括降低自研微架构门槛。中小 MCU 厂商无需组建庞大的 NPU 硬件与底层编译器团队,即可直接基于验证成熟的参考子系统进行芯片定义与差异化开发。

以及打破软件工具链碎片化。通过统一的工具链(如 Vela 编译器、CMSIS-NN 加速库)和 TensorFlow、PyTorch 等主流框架,算法开发者无需在 CPU 与 NPU 之间割裂调试,算子不支持的部分可自动无缝回退至 CPU 的 Helium 单元执行,大幅缩短研发周期。

文章标签芯片算力

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。