AI乃至生成式 AI 正以前所未有的態(tài)勢向邊緣設備遷移，從 AIoT 的初步探索，邁向真正意義上的邊緣 AI 時代，這一轉變讓嵌入式行業(yè)發(fā)生著天翻地覆的巨變。

邊緣 AI 到底有多火？在嵌入式展上，各家廠商都無一例外介紹了邊緣AI的相關產(chǎn)品，那么我們就來看看意法半導體、英飛凌、恩智浦、德州儀器等行業(yè)領軍者的近況。

意法半導體

意法半導體MCU、數(shù)字IC和射頻產(chǎn)品線總監(jiān)Remi El-Ouazzane表示，在嵌入式展上，ST共有大約50個圍繞邊緣的Demo，方便與開發(fā)者進行深入交流。“事實上在兩天時間里，我與不同規(guī)模公司的研發(fā)經(jīng)理或開發(fā)人員開展深入交流，有的公司只有 10 人，有的則有上萬人，這讓我非常充實。”

El-Ouazzane強調，AI不再是曇花一現(xiàn)，如今已然是邊緣節(jié)點的核心?！拔覀兊目蛻糁饕譃槿?，第一類希望通過 AI 替代物理傳感器，降低物料成本；第二類長期使用隨機模型，現(xiàn)在正通過概率模型提升推理精度；第三類則是利用微控制器的低功耗和低成本特性，探索全新的 AI 應用場景。這些趨勢在三年前還只是萌芽，如今已成為主流。”

在嵌入式展上，El-Ouazzane參加幾十場會議，每場都提到了 AI。其舉例道，例如一家專注于能量收集傳感器的公司，盡管受限于能量預算，仍在探索如何用卷積模型優(yōu)化傳感器性能。這類應用已在工業(yè)領域落地，ST官網(wǎng)上有很多案例。

同樣的事情在汽車行業(yè)也是如此，也逐漸將 AI 從自動駕駛（依賴高性能計算）擴展到區(qū)域控制器、微控制器等邊緣設備。ST的汽車AI場景專注于 “非性感但關鍵” 的應用。比如預測輪胎漏氣、數(shù)據(jù)中心風扇故障、車牌識別、自動駕駛汽車電機過熱預警，以及電池管理系統(tǒng)中的熱失控風險監(jiān)測。這些應用雖不吸引眼球，但對客戶至關重要。

從市場規(guī)模來看，通用微控制器每年出貨量約 100 億個節(jié)點。雖然單個價值不如數(shù)據(jù)中心 GPU，但五年后，邊緣 AI 設備的總部署量將成為全球最大的智能終端群體。

談到ST如何在AI競賽中取勝，El-Ouazzane表示，關鍵在于開發(fā)者生態(tài)的質量。我們不僅優(yōu)化開發(fā)工具（如 IDE 功能、日志機制），還通過 AI 技術提升開發(fā)者開發(fā)效率。例如，我們訓練了一個基于 STM32 產(chǎn)品的生成式 AI 模型，可快速響應開發(fā)者問題，減少人工干預。此外，我們每月評估開發(fā)者滿意度，持續(xù)優(yōu)化工具鏈和社區(qū)服務。

“AI不僅在推動技術創(chuàng)新，還在重塑商業(yè)模式。例如，某公司為超大規(guī)模數(shù)據(jù)中心開發(fā)的風扇，通過預測性維護避免了因散熱問題導致的停機，從而改變了與客戶的合作模式。在工業(yè)領域，傳統(tǒng)企業(yè)正通過云連接智能設備實現(xiàn)數(shù)字化轉型，這一過程充滿挑戰(zhàn)但潛力巨大?！盓l-Ouazzane說道。

在嵌入式展上，ST展現(xiàn)了一款利用STM32MP2微處理器實現(xiàn)桌上足球系統(tǒng)的視頻采集和運算過程。

英飛凌

日前，英飛凌IoT計算和無線業(yè)務執(zhí)行副總裁Sam Geha在英飛凌播客中提到了英飛凌在邊緣AI的機遇。

Geha認為，目前邊緣AI最大的挑戰(zhàn)是生態(tài)系統(tǒng)建設。尤其是針對AIoT客戶，缺乏足夠數(shù)量的數(shù)據(jù)科學家和模型優(yōu)化專家，因此英飛凌開發(fā)了Deep Craft Studio工具，讓開發(fā)者能夠上傳自有數(shù)據(jù)、使用預訓練模型或從頭構建模型。此外，硬件設計也需要創(chuàng)新：微控制器（MCU）需支持大數(shù)據(jù)采集、傳感器融合和機器學習（ML）模型運行。例如，英飛凌的PSoC Edge最新一代MCU，集成了專用 AI 加速器，在降低成本和功耗的同時，性能可媲美微處理器（MPU）。

Geha介紹到，目前英飛凌正在通過三個層面加速客戶的AI部署，首先依然是通過Deep Craft Studio 提供端到端開發(fā)平臺，簡化AI工具鏈。其次是提供Deep Craft預訓練模型庫，客戶無需自行開發(fā)，可直接調用或通過第三方獲取模型。另外第三點也很重要，即安全增強，可以確保模型和數(shù)據(jù)不被竊取，英飛凌PSoC Edge 是全球首款達到PSA Level 4 安全認證的 AI 微控制器（MCU）。

為了滿足客戶對于不同AI性能的需求，英飛凌也推出了不同的產(chǎn)品組合，集成了英飛凌自研NPU或者Arm Ethos-U55不同類型，靈活適用于各類場景。

Geha給出了英飛凌認為邊緣AI的幾個重要趨勢，比如工業(yè)預測維護：通過 AI 分析電機振動數(shù)據(jù)，避免停機。智能家居優(yōu)化：根據(jù)衣物濕度自動調整烘干時間。安全認證：替代傳統(tǒng)門禁卡，通過人臉識別或語音驗證身份?？纱┐髟O備：實時健康監(jiān)測（如鼾癥檢測）。

“我們的目標是將 AI 解決方案成本從 20 美元降至 2 美元，并通過低功耗設計支持便攜設備?！盙eha說道。

Geha預測，AI的三大趨勢正在形成：首先是邊緣 AI 普及：低延遲、高效能、高安全性將成為下一代物聯(lián)網(wǎng)設備的標配。其次是應用爆發(fā)：智能家居、醫(yī)療健康、工業(yè)自動化等領域將加速 AI 集成。第三是生態(tài)開放：一方面英飛凌會構建自己的工具與平臺，另外也會積極參加第三方生態(tài)建設，努力提升AI的廣度與參與度。

利用英飛凌PSoC Edge實現(xiàn)智能廚房的邊緣AI檢測

恩智浦

恩智浦AI產(chǎn)品經(jīng)理Davis Sawyer在《智啟邊緣，芯承恩智浦》（AI Born at the Edge，Built on NXP）演講中，介紹了NXP在邊緣AI上的理解，尤其是在一些軟件策略方面。

當然硬件是根本，所以NXP推出了一系列可擴展NXP，以滿足不同AI需求。

NXP自研的額eIQ Neutron NPU IP，算力從GOPS到數(shù)TOPS，另外未來也在規(guī)劃更大算力的NPU。

NXP的NPU相比Cortex-A，在運行YOLOv8目標檢測時，可以更好地識別出車輛，反正比CPU算的好是一定的。

Davis 強調，邊緣 AI 并非云端模型的簡單移植，而是需要為設備特性量身定制的原生方案。首先是多樣化邊緣設備，因此需要謹慎移植，從家電中的微控制器到工業(yè)網(wǎng)關，恩智浦可以提供覆蓋低功耗 MCU 到高性能 MPU 的全場景；其次是AI 生命周期重構，未來訓練集中化與推理本地化將協(xié)同演進，隨著數(shù)據(jù)的改進，算法與模型都是要不斷變化，未來兩者界限將進一步模糊。模型正在不斷變化，從 AlexNet（2012）到如今的LLM，另外邊緣原生創(chuàng)新也正在變化，如 TinyML、智能體工作流等開始變火。

NXP 通過eIQ軟件棧實現(xiàn)邊緣 AI 的全鏈路支持，實現(xiàn)軟硬件協(xié)同，恩智浦提供了一系列特色的工具鏈與生態(tài)，比如Time-Series Studio、模型優(yōu)化及安全特性（如模型 IP 保護）。另外，開發(fā)采用模塊化設計，支持自定義模型/數(shù)據(jù)導入，兼容TensorFlow Lite、PyTorch 等主流框架。

eIQ Time-Series Studio是 NXP 推出的一套開發(fā)工具，支持工業(yè)監(jiān)測、電池管理、預測性維護等。整個工作流程，包括數(shù)據(jù)采集、模型訓練、優(yōu)化、部署（支持 Kinetis、MCX、RT 系列）都在統(tǒng)一軟件平臺中執(zhí)行。可以一鍵生成模型并驗證，從而降低 AI 開發(fā)門檻。NXP的軟件支持自定義數(shù)據(jù)格式（如未標注傳感器數(shù)據(jù)）。

Davis還介紹了NXP在邊緣生成式AI上的表現(xiàn)，其中重點是RAG（檢索增強生成）技術。相比于云端AGI，邊緣AGI可以利用本地知識庫避免數(shù)據(jù)泄露，從而符合歐盟 AI 法案等合規(guī)要求。恩智浦的eIQ GenAI Flow可以實現(xiàn)低延遲語音控制（如智能家居、醫(yī)療設備），響應速度較 2024 年提升 3 倍。

另外，Davis還介紹了多模態(tài)融合技術，可以結合語音、視覺與傳感器數(shù)據(jù)，打造更智能的人機交互（如無接觸醫(yī)療監(jiān)護）。

在客戶介紹環(huán)節(jié)，Davis介紹了諸多邊緣AI的應用，比如傳感器融合技術助力精準農(nóng)業(yè)，AI 健康控制器實現(xiàn)遠程多模態(tài)健康監(jiān)測，基于邊緣的工業(yè)設備異常檢測系統(tǒng)，語音控制的智能家電（空調、烤箱等）。

德州儀器

德州儀器也正在以全新的嵌入式產(chǎn)品組合迎接智能邊緣的未來，其更多關注工業(yè)和汽車方面的市場，通過提供專用的開發(fā)工具和器件，幫助客戶利用傳感器數(shù)據(jù)優(yōu)化系統(tǒng)性能，實現(xiàn)故障預測、預防性維護等功能，提升安全性、能效和可持續(xù)性。

德州儀器提供全譜系的邊緣AI產(chǎn)品，覆蓋不同場景需求：

高端處理器：適用于視覺系統(tǒng)（如機器人或汽車的障礙物檢測），支持實時圖像分析和 AI 模型部署。

中端設備：針對時間域分析（如振動監(jiān)測），例如太陽能系統(tǒng)中檢測電纜短路的 C2000P55 芯片，可實現(xiàn) 99% 以上的準確率并快速響應。

低功耗解決方案：用于資源受限的嵌入式系統(tǒng)，確保高效數(shù)據(jù)處理的同時降低能耗。

德州儀器嵌入式處理業(yè)務部高級副總裁Amichai Ron之前介紹過一些TI在邊緣智能領域的創(chuàng)新，比如在太陽能系統(tǒng)上，通過實時監(jiān)測電流和溫度，提前發(fā)現(xiàn)故障（如電纜接觸短路，滅弧檢測等等），避免火災或設備損壞。

汽車上，通過傳感器數(shù)據(jù)分析車輛行為數(shù)據(jù)，優(yōu)化駕駛安全和能效。在工業(yè)設備中，通過預測機械故障，減少停機時間，提升生產(chǎn)效率。

Amichai 指出，Edge AI 將推動各行業(yè)向更安全、節(jié)能和用戶友好的方向發(fā)展，包括可持續(xù)性、安全性以及易用性。

在 2025 年嵌入式展上，德州儀器展示了其邊緣技術的最新突破 —— 一款基于視覺處理器的演示系統(tǒng)。該系統(tǒng)不僅能實現(xiàn)實時物體分類，還能從單攝像頭無縫擴展至 12 個攝像頭，同時保持低功耗特性。

TI 的邊緣AI解決方案聚焦于解決兩大行業(yè)痛點：

首先是實時響應能力。在智能家居、智慧城市等場景中，設備需要快速響應（如視頻門鈴檢測訪客、工業(yè)機械故障預警）。TI 通過在處理器中集成本地 AI 加速模塊，實現(xiàn)毫秒級決策，無需依賴云端。

其次是系統(tǒng)可擴展性。傳統(tǒng)視覺系統(tǒng)在擴展多攝像頭或高分辨率時面臨性能瓶頸。TI 的視覺處理器支持靈活擴展：從單攝像頭的AM62A（低功耗，<2W）到支持 12 個攝像頭的AM69A（可同時處理 4K@60fps 視頻流）。

TI 視覺處理器的技術亮點

集成 AI 加速器：所有處理器內置專用 AI 引擎，支持實時目標檢測與分類。

軟件兼容性：提供統(tǒng)一的 SDK 和工具鏈，允許用戶從低功耗設備（如 AM62A）到高端型號（如 AM69A）平滑遷移。

能效優(yōu)化：專為電池供電設備設計，例如視頻門鈴可在低功耗模式下長期運行，同時保持高識別精度。

實際應用場景

• 智能家居

視頻門鈴：通過 AM62A 處理器實現(xiàn)人形檢測與分類，功耗低于 2W，延長電池壽命。

智能家電：實時分析用戶行為，優(yōu)化設備運行模式（如節(jié)能模式）。

• 工業(yè)監(jiān)控

多攝像頭系統(tǒng)：AM69A 支持 12 路視頻流同步處理，用于工廠生產(chǎn)線缺陷檢測或安防監(jiān)控。

• 智慧城市

交通管理：通過路邊攝像頭實時識別車輛、行人，優(yōu)化信號燈控制。

為什么選擇 TI 的 Edge AI 方案？

靈活的性能梯度：覆蓋從單攝像頭到多設備的全場景需求。

低功耗設計：適用于電池供電或散熱受限的環(huán)境。

簡化開發(fā)流程：提供預訓練模型和開發(fā)工具，降低 AI 部署門檻。

TI的嵌入式視覺邊緣AI處理器產(chǎn)品組合

總結

半導體巨頭在邊緣 AI 領域的積極布局，充分彰顯了邊緣 AI 的火爆程度。從開發(fā)工具優(yōu)化到硬件創(chuàng)新，從應用場景拓展到生態(tài)系統(tǒng)建設，各企業(yè)全方位發(fā)力，不僅滿足了當下多樣化的市場需求，也為邊緣 AI 未來的發(fā)展鋪就了堅實道路。

歡迎將我們設為“星標”，這樣才能第一時間收到推送消息。

關注EEWorld旗下訂閱號：“機器人開發(fā)圈”

回復“DS”領取《DeepSeek:從入門到精通》完整版

掃碼添加小助手回復“機器人”

進群和電子工程師們面對面交流經(jīng)驗