这两年，全球各地的人们都在与COVID-19病毒进行不屑地斗争，疫情也在很多方面改变了人类的生活方式，并加快了全球的数字化转型。在全球数字化转型这一过程中，大量技术被释放出来，产品研发进程得到加速。越来越多包含MCU、MPU的设备被制造出来，成为数字世界的一部分，他们正变得无所不在，为我们变得不方便的工作生活提供方便，很多设备还能保护我们的健康。
历经半个世纪发展的MCU，如何应对时下困难，满足各种各样的需求？我们有幸邀请到几家知名公司共同来探讨这一话题。
异构SoC 架构MCU 或 MPU 更好满足未来需求
“MPU开始朝多重处理器的趋势迈进，两者都会采用多重处理器的配置。每个MCU的内部都是一颗CPU(中央处理单元)，有些还会配置第二或第三核心负责处理专属功能，包括从无线电到机器学习等各种任务。估计这项趋势还会延续。”Silicon Labs MCU产品经理Eric Bauereis说
Silicon Labs MCU产品经理Eric Bauereis
架构方面的挑战是平衡组件面临的要求，以更高的效率完成任务。多重核心在这方面将持续扮演重要角色。包括管理通讯、数据、排程等作业也将变得更加复杂。最大的挑战很可能是如何管理在多重核心组件上运行的软件。
随着物联网与 AI 的进展以及 5G 的推出，更多的终端智能让小型且成本敏感的装置，愈来愈有聪明、功能也愈来愈强，同时因为对云端与因特网的依赖较小，也将具备更高的隐私性与可靠度。
“异构的架构将越来越普遍，因为应用越来越广泛－特别是 AIoT 的崛起，对效能需求越高，就越需要特殊的加速器、或是专用运算单元，来满足这部份需求。”ARM 首席应用工程师 张维良表示
ARM在Cortex M系列的最新产品中就加入了专门针对机器学习的一系列功能
例如：ARM Cortex-M55+Ethos-U55 组合：Ethos-U55 就是针对 Cortex-M 平台推出的业界第一个微神经网络处理器（microNPU），Cortex-M55 结合 Ethos-U55 为微控制器带来 480 倍-跳跃式的机器学习效能。
Cortex-M55 内建 Helium 向量技术：Cortex-M55 为 Arm 历来 AI 能力最为强大的 Cortex-M 处理器，也是第一个基于 Armv8.1-M 架构处理器、内建 Arm Helium 向量技术，可大幅增加 DSP 与 ML 效能，同时还更省电。与前世代的 Cortex-M 处理器相比，Cortex-M55 的 ML 效能最高可提升 15 倍，而 DSP 效能也可提升五倍，且具备更佳的效能比。
Imagination的Shreyas Derashri指出：各界普遍认同摩尔定律与Dennard缩放定律已走近终点，在此同时运算需求的成长速度却日渐加快。据估计运算需求每年成长10倍(相较过去每18个月成长2倍)。因此，未来将会需要更加复杂的异质化SoC架构。
“多核和异构的SoC架构是恩智浦MCU和MPU设计技术趋势之一。”恩智浦半导体大中华区资深营销经理 黄健洲表示
恩智浦半导体大中华区资深营销经理 黄健洲
因此，恩智浦MPU 新产品将结合更高效能的应用核心、独立的MCU式实时域、Engergy Flex架构、与恩智浦独有并是业界最先进的EdgeLock®安全隔离区(secure enclave)和专用多感测数据处理引擎(可处理图形、图像、显示、音频和语音）。它需要重组IP设计，例如为了达到 Energy Flex架构，它需要重新定义应用域(application domain)、实时域(Real-time domain)和弹性域(flexible domain)，以管理和控制MPU电源，达到提高效率和节省电源。
MCU与MPU 已经不再有明显边界
Imagination Technologies异质运算产品管理资深总监Shreyas Derashri
“MCU与MPU之间的界线越来越模糊。依我个人来看，区别MCU与MPU其中的一个方法就是工作频率，虽然选择频率是很主观的工作。另外还可以用其他标准来区别两者。”Imagination异质运算产品管理资深总监Shreyas Derashri说
架构– MCU目前正逐渐朝32位发展。MPU通常为32/64/128位，目前朝64/128位架构迈进。另一项架构区别则是内存架构。MCU通常采用简单的无快取架构，需要更趋决定性的实时工作模式。
“在最近，发展出内嵌快取芯片的MCU，就不需要外部内存。这种设计促成业界开发出MCU支持的压缩指令集。“
MPU锁定更高效能，因此采用较复杂的内存架构，包含快取以及支持虚拟内存系统。最后一点，MCU属于单核架构，而MPU可能是单核心或多核心。
使用情境- 应用中采用的MCU负责直接解译与控制来自传感器与制动器的讯号。MCU芯片靠着内建的专业外围组件，逐渐变成无须依赖外部的全功能芯片。MPU更偏向泛用型组件 – 应用在richOS环境(像是Linux、Android等操作系统)，需要搭配外部外围组件组建成完整的运算系统。
Silicon Labs认为：MCU专注在控制层面(微 “控制器”单元)，涵盖模拟输入与输出的控制动作。同样对MCU相当关键的是内嵌内存用来存放所有需要的数据。有些高阶产品针对额外内存配置专属链接端口，但这属于例外状况。MPU属于非控制器类型的处理器，专注于处理数据，而非处理或量测模拟输入或输出讯号，它们没有内嵌DRAM内存，但几乎都会用外部内存来存放程序数据，速度属于次要参数。
实际上，高性能的MCU已经可以运行操作系统。
比如：恩智浦的跨界MCU系列。i.MX RT产品系列已能达到1GHz效能。
恩智浦使用核心和操作系统执行来定义MCU和MPU。如MCU是指使用ARM Cortex M核心或NXP专有DSC和8bit核心，并在各种实时操作系统上运行。MPU则是定义为使用ARM Cortex A核心，在Linux 或Android OS上运行。
也正是因为性能和功能不断提升，设计人员在选择时会更多地从需求角度出发，而非局限于刻板的定义。
对于RISC-V的看法
RISC-V一直是MCU&MPU领域的热门话题，MCU供应商基本表现出了谨慎乐观的态度，有些已经着手相关产品研发。
Imagination尤为乐观：RISC-V市占率正持续攀升，尤其是低阶MCU领域中，其已逐渐取代Arm 32位MCU(Cortex-M)。预估到了2025年RISC-V芯片的累计出货量将超过6500万。目前进入障碍较低的产业生态系，比较容易从中觅得机会。
“尽管恩智浦目前并没有RISC-V作为主CPU的产品，但恩智浦计划在某些NXP新处理器子系统中将RISC-V作为共同处理器。”恩智浦半的黄健洲说
Silicon Labs认为：RISC-V架构仍在持续演进，相比其他成熟的RISC价格，最大的差异显然是忠诚度、可用的工具、软件，以及新架构在没有大量测试及实用基础下的信心度等。RISC-V的成熟度将取决于需求，而需求则有赖于易用性、价位、信心，因此成长或与成熟度就形成互为因果的关系。
“许多消费应用深受价位以及亚太市场政策层面影响，这种环境很可能推动业界率先采用RISC-V设计。”Silicon Labs的Eric Bauereis表示
MCU供应紧张会持续到2022年
从目前市调公司的公开信息报告看来，供应链吃紧的情况可能会延长至2022年。
“对于设计人员而言，提前下单是避免长交期的方法之一；另一种方法是基于2种不同的MCU设计作为备案，如使用恩智浦KL和LPC8xx MCU系列进行设计，可互为备案。”NXP的黄健洲表示。
Silicon Labs对于MCU表达了类似观点：预料在明年整年这样的分配或至少供应层面的挑战将会延续。
“最好的作法是与芯片供货商密切合作。如果能像团队一般合作，组件供货商将能做出许多让步。虽然这并不需要规划或协作，但由于供应问题很可能再延续一年半或更久，因此确实值得投入更多心力。“Silicon Labs的Eric Bauereis说。
边缘计算应用中展现强劲市场潜力的领域
在边缘计算领域，MCU要负责处理各式各样的情况，包括传感器信号、连接、设备控制等等，系统的多样性被展现得淋漓尽致。
Silicon Labs认为：边缘运算是一种架构选择，对于应用有很高的依赖性。此外由于物联网组件的功能快速改进，因此应该经常重新评估这个领域。
ARM首席应用工程师 张维良指出：从技术趋势角度，现阶段在边缘节点有以下几个方向是技术和产品的热门区域：震动（Vibrance），语音（Voice）和视觉（Vision）。
ARM 首席应用工程师 张维良
震动（Vibrance）：包含来自多种传感器数据的处理，从加速计传感器到温度传感器，或来自马达的电气讯号。它可将智能带进 MCU 中的终端 AI 的进展，产生不同应用领域，包括温、湿度、压力检测、物理检测（如滑倒侦测）、物质侦测（如漏水、漏气）、磁通量侦测与电场侦测等等。运用震动分析的预测性维护（PdM），在旋转型机器密集的制造工厂里相当常见，可以揭露松脱、不平衡、错位与轴承磨损等状况。此外，磁传感器利用磁性浮筒与一系列可以感应并与液体表面一起移动的传感器，测量液面的高低。
语音（Voice）：语音启动在智能家庭应用中很常见，例如智能音箱，而它也逐渐成为启动智能家庭装置与智能家电的语音中枢，如电视、游戏主机与其它新的电器。在工业环境中，供车床、铣床与磨床等计算机数值控制（CNC）机器使用的计算机语音引擎正在兴起。语音整合在车辆中也相当关键，因为语音有潜力成为最安全的输入模式。OEM 代工厂商持续对车载娱乐系统中的语音识别系统，进行大量投资。其他车用的应用包括语音输入文字简讯、输入目的地、播放特定歌曲或歌曲子集，以及选择广播电台频道，甚至抛锚服务与礼宾服务等。
视觉（Vision）：
终端 AI 提供视觉领域全新的机会，特别是与对象检测及辨识相关。包括观察生产线的制造瑕疵，以及找出自动贩卖机需要补货的库存。其它实例包括农业应用，例如依据大小与质量为农产品分级。曳引机装上机器视觉摄影机后可实时检测出杂草、分类其种类、分析其对农获的威胁、进而客制化除草解决方案。在工业上，包括利用热显影来监控互动机器零件的温度，让任何异常情况很快变得显而易见。具备终端 AI 能力的装置，可以长期检测微细的变化，触发排程系统，自动采取适当的行动来预防零件故障。
“就恩智浦的观察，安全、智慧家居、还有机器学习相关，领域展示出了较为强劲的市场潜力” ”恩智浦半的黄健洲举例说：
适用于电子锁、智能门禁等应用的脸部识别功能
适用于智慧家居、智慧音箱、家庭影院、视频会议等的语音/音频辅助功能
适用于安全门禁、电子锁等应用的指纹识别功能
适用于姿势检测、AI机器人、智能零售等应用的机器学习
Imaginaiton补充了云端游戏和智慧住宅/智慧建筑，同样将带动边缘运算市场的发展。
COVID-19 疫情加速Embedded /MCU 市场
COVID-19疫情在全球各地反复蔓延，已经大大改变了人们的生活工作方式。
“随着远距工作成为普遍常态，对于个人化与居家运算的需求势必会随之增长。这也将促成网络端的需求跟着水涨船高” Imagination 的Shreyas Derashri表示。
根据 Arm 于 2020 年 8 月与麻省理工学院科技评论洞察（MIT Technology Review）合作的访谈报告显示，超过 62% 的受访者表示，他们正在投资并使用 AI 技术。来自大型企业组织（年营收超过 5 亿美元）受访者的部署率较高，接近 80%。较小型的企业组织（营收低于 500 万美元）的部署率则为 58%。1/3 的受访者表示，2020 年新冠疫情的爆发加速了他们在 AI 策略上的部署。
超过半数企业将 AI 部署在终端装置或边缘运算：在越来越需要极低延迟的数据存取，以及端点/边缘处理能力的应用上，为了兼顾成本效益及运算效率，越来越多应用将往数据产生的来源靠近。同时，AI 对几乎所有商业与社会活动层面的冲击持续扩大，让企业领袖必须正视 AI 能否在负责任的规范下使用。因此在边缘运算上，也衍生出对应软硬件攻击以及保护隐私等运算能力的强烈需求。
“Arm 正与生态系伙伴合作，确保那些不同且持续演进的工作负载，能在各个装置与操作系统上，简单地转移、维护与部署，同时还能无缝地连接到所有的云端服务。例如 Arm 推出的 Project Cassini，这是个开放、建立标准架构的提案，目的是在安全的 Arm 终端生态系上，为开发者达成统一且简化的 AI 体验。”
因应疫情的非接触需求的增加，带来新的市场机遇。
“因为疫情影响，语音辅助或非接触式的新要求越来越多，如语音控制拨入会议系统、停车场支付机流程等。脸部识别、远程医疗诊断、远程监控、可穿戴式的医疗保健设备也带给嵌入式系统MPU 和 MCU 新机会。”恩智浦半的黄健洲表示。
Silicon Labs：显然疫情导致一些消费与医疗组件的需求增加。大量在家工作的情况加速了包括家庭自动化在内许多领域对电子产品需求的长期趋势。制造业也意识到工业自动化降低人力劳动的利益。
“ 我们预计一旦供应链恢复正常，其他领域将增加对 MCU 和物联网装置的使用，以提高自动化并简化连接“Silicon Labs的Eric Bauereis表示。
