物联网的迅猛发展带我们走进了云计算时代，但在云计算过程中产生的海量数据，无形会影响到物与物连接的响应速度，以及数据的安全性等众多的问题。而边缘计算的出现很好的解决了一些问题，它在网络的边缘产生、处理、分析数据，再到云端。而随着数字化智能时代的到来，在AI算法的加持下，万物互联又升级到一个新的高度，“智能边缘”是将边缘计算与人工智能相结合，直接在边缘设备上运行AI算法。一般由内置的微处理器和传感器组成，可有效降低延迟率并提高网络带宽。

针对智能边缘，ADI始终致力于在现实世界与数字世界之间架起桥梁，以实现智能边缘领域的突破性创新。ADI提供结合模拟、数字和软件技术的解决方案，推动数字化工厂、汽车和数字医疗等领域的持续发展。近日ADI举办了“激活边缘智能 · ADI MCU媒体沟通会”，ADI MCU产品线资深业务经理李勇、ADI中国技术支持中心高级工程师辛毅出席了沟通会。

无处不在的MCU

微控制器MCU无处不在，以消费类、工业、医疗、汽车领域为例，微控制器涉及到传感器管理、数据采集、逻辑控制、算法、安全认证、数据通讯和电源管理等方方面面，起到了中枢神经的作用。在万物智能、万物互联的今天，MCU的作用更是显而易见，以一台智能洗衣机为例，可通过机内的传感器向MCU发送水量和电量的使用数据情况，并且可以将信息发送到用户的手机上。

ADI在MCU领域耕耘多年，自1995起，出货量已经超过了10亿片，ADI不同类型不同特色的MCU已遍布世界每个角落，例如其低功耗MCU、安全MCU，特别是2020年之后，ADI在传统MCU的技术上开拓创新了崭新的边缘AI MCU，从而可以在电池供电设备中轻松实现物联网人工智能，成为ADI微控制器系列上的一个跨时代的里程碑。

ADI MCU特色

之所以ADI MCU在市场上有如此高的占有率，离不开其产品的六大特色：功耗低、接口优、通讯新、评估全、开发易、安全强等。辛毅解释说，低功耗方面，体现在其具备灵活的操作模式和超低功耗，可以大大提升电池寿命，延长系统续航时间；在接口方面，具备高速安全的多时钟选项，可以优化程序性能；在通讯方面，部分产品集成最新的低功耗蓝牙（BLE）模块，支持远程模式和BLE音频等特色，从而允许设备在更远的范围内进行通信；

一般而言，针对MCU应用，仅有芯片是远远不够的，还需要各种支持资源以帮助用户进行开发。ADI针对大多数产品提供完备的评估方案和开发示例，硬件包括评估板、演示套件等；软件包括SDK、库文件、驱动代码，从而助力用户全面了解产品性能、加速产品开发；在物联网时代安全是一项重要的功能，ADI具备30余年的MCU的IP保护和信任根研发经验，从而极大增强系统安全性，帮助安全敏感型的设备制造商快速、高效地为其产品增加安全加密、密钥存储和防篡改功能。

为什么是边缘AI

随后，辛毅抛出了今天的重点话题“ADI边缘AI微控制器：助力物联实践”。AI大家并不陌生，简单的讲就是人工智能，可以让机器具有类似人类大脑一样的智慧。被广泛应用在工农业、医疗、汽车、消费类等各个领域，并随着智能终端的发展和我们的生活联系的越来越紧密。下面几个案例告诉我们AI究竟有什么作用？例如，护林员的智能AI相机可以拍到凶猛怪兽的入侵，并将高分辨率的照片通过网络发送到报警系统，从而保障护林员的人身安全。再比如，工业AI机器人可以感知到如果有工人出现在机器臂的操作区域，从而立即停机以防止误伤。总之，AI设备可以“看到”“听到”或者是“感知到”某个物体、声音或者是事件，并且像人类一样做出相应的行动。谈到这里，可能会有人反驳，以传统的软件方法，使用经典的信号处理也是可以实现某些功能的？那AI有什么优势呢？辛毅告诉大家，传统的软件需要各种编程来判别事物的特征，而大量的例外情况也会给传统软件技术带来巨大的困难，从而不够精准。但AI技术可以不断的学习训练，进而从多角度提取事物的特征。物联网会产生海量的数据处理需求，毫不夸张的讲，也只有AI强大的计算能力才能够胜任。但在IoT技术与AI技术深度融合的过程中又会出现一定的矛盾和挑战。比如，支持AI的设备必然需要进行大量的矩阵运算，这就意味着需要大量的存储空间、强大的计算能力、高速的数据交互，且成本高，往往只有部署在云端的大型服务器才能够胜任这一工作。然而，IoT是物与物之间的互连，多数设备是需要电池供电，并且数据在物与物之间的流通并不能完全依赖于云端，因此物联网通常意味着低成本和低功耗。为解决这一痛点，ADI引入一种新技术--边缘AI。

对比云端AI的优势

边缘AI技术相对于云端AI技术而言，在靠近用户本地的终端网络边缘执行AI运算，而不是将数据集中在云或数据中心进行处理。与云端AI相比，由于不需要将数据上传至云端，边缘AI具备实时性好、带宽资源要求低、隐私性高等特点，特别适合物联网应用。和云端AI相同，边缘AI也具备AI的共性特征。有数据报告，预计2025年将有75%的数据产生在边缘侧进行处理，这就为边缘AI技术带来了更大的机会。另外，在一些网强信号差的环境下，如森林火灾监测，公路、铁路或者是大坝塌方监测等，通过边缘AI的自主智能识别，在紧急情况发生时只需设备发送的一条短信就可以快速实现报警的功能，从而避免更严重的灾害发生。边缘AI通常需要使用电池供电，因此在系统功耗、计算速度和设备成本之间取得了很好的平衡。往往机遇就是挑战，为了解决这些难题，ADI的边缘AI解决方案MAX7800X系列应运而生。

双核MCU+CNN协同打造精品MAX7800X

辛毅分享，MAX7800X系列产品具备特殊的架构，由两个微控制器内核（ARM Cortex M4F和RISC-V）与一个卷积神经网络（CNN）加速器构成。两部分各有分工，微控制器内核只负责数据的加载和启动，仅以电池就可以给整个系统供电，从而实现更低的功耗。而AI推理由卷积神经网络加速器专门负责，无需通过互联网上传。

针对两个微制器的配置，ADI MCU产品线资深业务经理李勇表示，M4F主要负责一些应用和通信，而RISC-V则是一颗小内核，采用32位精简指令集，主要配合CNN的工作。由于CNN工作时需要输入一些原始数据，比如图片、声音、波形等数据通过通信接口或者图像camera接口输入进来后，会由RISC-V内核将这些数据搬运至存储空间。CNN经过硬件计算，将原始的数据通过矩阵的乘法和加法得到一些特征值，再放到内存来进行比对。而对于为什么要集成CNN？李勇也坦白的说是因为功耗。如果用Cortex-M7来运算CNN算法，MCU需要长时间全力运行，功耗较高，但如果面向一个监控设备的话，在集成了CNN后就可以很快计算出来，之后就可以进入睡眠状态。

此架构所带来的优势使得MAX7800X方案具备更高的数据吞吐量，速度提高了100倍，但是成本仅仅是FPGA或GPU解决方案的零头。相比于微控制器加上DSP的方案，ADI方案的功耗不足该方案的百分之一。因此，ADI方案可以在功耗、速度、成本三个方面达成最优的平衡，加上其小尺寸的优势，是边缘AI应用的理想产品，辛毅表示。

目前MA7800X系列拥有两个型号-MAX78000和MAX78002，MAX78000可支持多达3.5M的模型权重，MAX78002则支持多达16M的模型权重。后者不仅可以做到图像的识别，还可以进行复杂的视频分析。总结来讲，ADI的边缘AI解决方案具备速度快、无需外部存储、时钟控制灵活和超低功耗等四大特色，因此非常适用于需要使用电池供电、需要及时决策的物联网设备。为方便开发人员轻松上手，ADI推出了许多支持资源，包括数据手册、应用笔记、评估套件、参考设计、教学视频、工具、例程，帮助用户基于MAX7800X系列进行进一步的AI研发。用户可以在ADI官网上或者GitHub上找到这些资源。得益于以上优势，MAX7800X系列产品深受市场欢迎，也在国际上获得众多知名奖项。

辛毅也分享了MAX7800X系列一些案例，如应用在人脸识别上，可以设计考勤打卡、智能门锁方案。在物品识别上，可以做垃圾分类、产品分装、快递分拣方案。此外MAX7800X系列还支持关键字识别，识别出用户的语音指示来进行操作，可以用在一些语音控制的物联网设备上。

最后，李勇强调，ADI非常重视中国市场，在中国有很大的服务支持团队与本地客户紧密配合，另外ADI也有专门的中国产品事业部，会针对本地市场需求调研、定义、研发、销售和运营产品，并逐步完善本地供应链与生产合作体系。