2024，MCU的“四大變局”
據Yole研究報告顯示，2023年全球MCU市場規模約229億美元，預計至2028年將以5.3%的年復合增速達到320億美元。《國際電子商情》也注意到，2024年，盡管在市場與技術的雙重驅動下，本就多元化的MCU市場正迎來新一輪的競爭，但以下四方面的變化則更引人關注。
制程工藝屢獲突破
3月底，意法半導體(ST)宣布和三星晶圓代工廠共同開發出基于18納米全耗盡絕緣體上硅(FD-SOI)技術，并整合嵌入式相變存儲器(ePCM)的先進制造工藝，用以支持下一代汽車、工業嵌入式處理器的升級進化。
意法半導體中國區微控制器、數字IC與射頻產品部(MDRF)、物聯網/人工智能技術創新中心及數字營銷副總裁朱利安(ARNAUD JULIENNE)對媒體表示，與ST目前在用的40nm嵌入式非易失性存儲器(eNVM)技術相比，這項新工藝技術集成了容量更大的存儲器和更多的模擬與數字外設，將使嵌入式處理應用的性能和功耗實現巨大飛躍。
路線圖顯示，基于新技術的下一代STM32微控制器的首款產品將于2024下半年開始向部分客戶提供樣片，2025年下半年排產。
與此同時，恩智浦也宣布將推出5nm S32N系列處理器，提供安全、實時應用處理的可擴展組合，滿足汽車制造商的中央計算需求。S32N處理器不僅可以幫助實現軟件定義汽車的新用例和優勢，還能高效地創建和變現汽車數據的收集與分析，在汽車的生命周期簡化汽車功能和服務的部署。
上述兩款產品主要圍繞汽車應用展開。目前，國際大廠在車規級MCU層面最先進的工藝為40nm，國內廠商大多為130nm/90nm/65nm，隨著汽車電子電氣架構的升級和智能化程度的不斷提升，越來越多的廠商希望車規級MCU具備大算力、高帶寬、大容量、高安全性等先進特性，而提升制程工藝無疑是最有效的手段之一。
推動車規級MCU工藝快速突破的另一原因，還來自嵌入式閃存，尤其是新興存儲技術領域取得的巨大進步。關于這一點，我們在《2024年全球半導體行業10大技術趨勢》一文中進行了精準的預測，并指出，“無論是作為獨立芯片還是被嵌入于ASIC、微控制器和運算處理器中，它們都有可能變得比現有的主流內存技術更具競爭力。”
盡管從目前的主流市場來看，閃存與MCU在制程工藝水平上基本保持一致(40nm)，但傳統閃存面臨著難以進一步擴展和集成、可擦寫次數較少等瓶頸，這也是為什么PCM、MRAM和RRAM等新型存儲技術得到重點關注的原因。
比如臺積電日前就推出了業界首個擁有最先進的22納米CMOS技術的RRAM，可與嵌入式STT-MRAM相媲美，相比英飛凌目前與臺積電合作的28nm RRAM工藝又前進了一步。MRAM方面，瑞薩和恩智浦是主要玩家，前者為22nm STT-MRAM，后者為16nm FinFET MRAM。
當然，能否實現較高的生產良率？產品的可靠性是否經歷了大規模車載應用的檢驗？供應鏈穩定性如何？等問題，是這些新型存儲技術需要面對的挑戰。
不過，朱利安也指出，雖然18nm工藝的優勢在于高功率密度和超低功耗，但并不是所有的MCU都需要采用這一工藝，ST 40nm工藝將長期存在。對于國內MCU廠商而言，立足當下，將現有產品做大做強，在成熟工藝領域加大替代力度，擴大市占率，一些具備實力的頭部企業可提前做平臺預研和開發，應該是較為理性的發展道路。
加碼圖像處理性能
最近，不斷拓展MCU產品的圖形處理能力，用MCU實現昂貴的MPU才能實現的圖形效果，也正成為MCU廠商們比拼的重點。
我們可以先來看一組新聞報道，感受一下MCU巨頭血拼GPU性能的激烈程度：
先楫半導體
先楫半導體推出的HPM6800系列配備了芯原的高性能2.5D OpenVG GPU，能夠為MCU/MPU設備提供高能效的圖形處理和優質的圖像輸出，同時顯著降低CPU負載，可廣泛應用于汽車、工業和可穿戴產品中。
兆易創新
2023年5月推出的GD32H7系列MCU內置了TFT LCD液晶驅動器和圖形處理加速器IPA(Image Processing Accelerator)，支持2D圖像疊加、旋轉、縮放及多種顏色格式轉換等功能。
意法半導體
最新推出的STM32H7R/S MCU就集成了NeoChrom GPU圖形處理器，能夠實現MPU級別的圖形用戶界面(GUI)，具有豐富的色彩，支持動畫播放和3D圖效；另一顆MCU產品STM32MP2則配備了GPU、NPU和視頻處理器(VPU)，3D GPU支持分辨率高達1080p的顯示，強大的多媒體功能還包括帶有并行 LVDS 和 DSI 接口的全高清視頻通道。
英飛凌
TRAVEO T2G-C系列微控制器配有專用的圖形加速器，能夠以MCU的成本打造具有MPU性能的儀表盤、車載信息娛樂和座艙系統。其內置的圖形引擎可將圖形處理所需的內存減少3-5倍，從而降低功耗和成本。由于配備經過優化的2.5D圖形引擎，該MCU可支持分辨率高達1920 x 1080的全虛擬儀表盤。
恩智浦
恩智浦在2020年發布的i.MX RT500系列跨界MCU中就集成了2D GPU。隨后，無論是2021年推出的i.MX RT1160系列，還是2023年推出的i.MX RT1170系列跨界MCU，也均搭載了2D GPU，用以高效地完成諸如圖形縮放、旋轉、傾斜、圖層疊加、混合等酷炫的顯示效果。
瑞薩
搭載2D圖形繪制引擎的RA8D1是比較有代表性的產品。該圖形LCD控制器支持高達WXGA的分辨率(1280×800)、16位CEU攝像頭接口、以及32位外部SDRAM接口，瑞薩還為其在工業HMI、視頻門鈴、病人監護儀、圖形計算器、安全面板、打印機顯示面板和家電顯示器等圖形應用領域搭建了強大的開發平臺。
“之所以會在MCU中引入2D/3D GPU，與現在人機交互方式的轉變密不可分。”意法半導體中國區微控制器、數字IC與射頻產品部(MDRF)市場經理杜銘認為，消費者希望在智能家電、智能家居控制器、電動車和工業終端中看到更清晰的畫質、更有趣的互動、更時尚的人機界面，因此，圖形專用MCU成為廠商競爭的另一個賽道并不令人感到意外。
發力藍牙5.4
根據藍牙技術聯盟(Bluetooth Special Interest Group，SIG)日前發布的年度報告《2024年藍牙市場最新資訊》，到2028年，藍牙設備的年出貨量將達到75億臺，五年復合年增長率(CAGR)為8%。
該報告指出，藍牙技術不僅被用于支持越來越多的傳統用例，而且還擴展到并創造了廣泛的新興用例。這其中，電子貨架標簽(ESL)和網絡照明控制(NLC)最具代表性，而它們正是利用了最近在Bluetooth核心規格5.4版中發布的幾個新功能，尤其是帶有響應的定期廣播(PAwR)和加密廣播數據。
正因為如此，從藍牙5.4面世開始，MCU廠商就陸續推出了相關產品。以ST新推出的STM32WBA54和STM32WBA55兩款無線微控制器(MCU)為例，兩款高性能無線微控制器均支持BLE 5.4與BLE Audio標準，能夠讓開發者更靈活地優化音質和功耗。此外，LE Audio帶來的最新用例讓開發者可以利用廣播和多播音頻等功能設計更多富有想象力的新產品。
恩智浦MCX W72則選擇支持藍牙信道探測技術，能夠實現兩個設備之間的距離/間距測量。這是因為SIG預測稱在未來五年內，藍牙位置服務設備的年復合成長率為22%，在2028年出貨量將達到5.63億臺。而即將推出的“Channel Sounding”規范有望實現更為精準的測距，為當前的即時定位系統(RTLS)帶來更多優勢，包括更高的精準度和安全性等。
Nordic nRF54系列也支持藍牙5.4、LE Audio、藍牙mesh、Thread、Matter等協議，早在2023年10月，Nordic就與深圳云里物里科技合作推出電子貨架標簽，并展示了相關用例。
AIROC? CYW20829低功耗藍牙系統級芯片和AIROC? CYW5551x Wi-Fi 6/6E和藍牙5.4二合一解決方案，是英飛凌方面的新嘗試，智能家居、傳感器、醫療看護、照明、藍牙mesh網絡、遠程控制、人機交互設備(鼠標、鍵盤、虛擬現實和游戲控制器)、工業自動化以及汽車等領域有著廣泛的應用。
國內廠商方面，樂鑫推出的ESP32-H4同樣融合了802.15.4和Bluetooth 5.4(LE)技術，并且在功耗、連接性能和內存擴展能力方面進行了升級，能夠滿足市場對低功耗無線設備日益增長的需求。
2023年3月，沁恒推出的CH592是基于青棵RISC-V內核設計的藍牙無線MCU，內部集成2Mbps的BLE5.4，采用低功耗射頻工藝設計，定位于更低功耗、更低成本LCD顯示的藍牙應用。
總體而言，網絡連接能力對物聯網端側設備而言是實現智能化、自動化以及與用戶/設備/服務進行互動的基礎，用戶在選擇低功耗藍牙設備時最看重三點：超低功耗、射頻連接穩定性和小巧的尺寸。
此外，要考慮的因素還包括根據產品形態和功能對集成的功能模塊、外設或者其他一些參數提出的額外要求。盡管市場需求量大，但只拼價格的做法一定是不可持續的，創新的技術、本土化支持和在產能和供應鏈上的主導權，將成為未來10-15年內競爭的焦點。
將AI全面下沉至端側
人工智能(AI)并不是全新的技術概念，其歷史可以追溯到20世紀50年代，進入21世紀后，受益于算力的迅猛提升，以及大數據、云計算、深度學習等技術的快速發展，AI在圖像識別、語音識別、自然語言處理、機器人、自動駕駛等領域取得了突破性的進展。尤其是近年來，隨著應用的不斷拓展和滲透，“邊緣人工智能(Edge AI) ”/“嵌入式AI”/“端側AI”等概念逐漸成為業界熱點。
雖然叫法不同，但這些不同概念講述的其實是同一件事情——“將AI算法嵌入到端側設備中，使得設備能夠具備智能化、自動化和高效化的能力”。而MCU作為最末端、直接控制物料動作的數字邏輯器件，也應該是AI化的，不應該被排斥在AI之外。事實上，AI/ML技術的使用增長極其迅猛，從數量上來看，相對于數百萬到千萬量級的AI服務器，到2030年，預計端側支持嵌入式AI設備出貨將達到25億臺，市場潛力巨大。
但“跨界不易，結合更難”。比如，許多可以利用AI/ML功能的網絡邊緣應用需要在極具嚴苛的功耗限制下運行，很多設備需要在僅充一次電或者僅依靠收集和存儲能量的情況下運行較長時間，甚至可能是幾個月或幾年。而且，近十年來AI模型快速發展，AI分類模型創新的數量逐年遞增，導致不斷有新的實現方式產生，這就需要硬件和算法上的優化。
同時，由于MCU硬件性能限制、AI軟件的復雜度高、行業應用實時性要求高、能耗限制嚴格、數據安全性要求高，嵌入式AI在MCU的行業應用落地需要業務團隊具備豐富的AI知識經驗，以及嵌入式軟硬件能力。
一方面要開發團隊與落地場景之間要展開深度合作。基于真實場景的基礎數據及嵌入式AI團隊提供的專業的定制化方案，才能真正解決問題，做出價值。
另一方面要能夠實現AI模型到MCU的快速部署。通用AI模型往往并不是針對嵌入式應用設計，AI開發工具品類又非常龐雜，而MCU的RAM、Flash資源及CPU算力通常都非常受限，如何選擇合適的AI模型和開發工具用來開發出解決特定場景問題模型，又如何將AI模型部署到受限資源的MCU上，這是一個復雜的工程。
