根據 IoT Analytics 的報告，全球物聯網 MCU 市場規模預計到 2030 年將達到 73 億美元，年復合增長率約為 6.3%。這一增長主要得益于自動化升級需求的釋放、LPWAN 項目的推動、AI 向邊緣遷移的趨勢以及亞洲尤其是中國市場的快速增長。AI 技術的融入正在徹底改寫 MCU 的生存邏輯。而 AI 技術的深度融入，正從底層改寫 MCU 的技術邏輯與市場格局，催生出兼具低功耗、實時性與智能推理能力的 AI MCU，成為物聯網智能化發展的載體。

AI MCU 通過集成神經網絡處理單元（NPU）、擴展專用指令集等方式，實現了邊緣端的本地智能推理，精準匹配了智能設備對低功耗、高實時性和高性價比的需求。這不僅推動了 MCU 產品的升級，更讓市場競爭愈發激烈，國內外各大芯片廠商紛紛加大研發投入，推出各具技術特色的 AI MCU 產品，加速邊緣智能應用的落地。

Arm：構筑 AI MCU 核心技術底座

作為全球領先的處理器架構設計公司，Arm 的內核產品線覆蓋了從高性能計算到低功耗嵌入式應用的全場景，自 1990 年成立以來，已形成 Cortex-A、Cortex-M、Cortex-R 三大系列產品，以及面向服務器/基礎設施的 Neoverse 系列，各系列基于 ARMv7、ARMv8、ARMv9 等不同架構版本設計，針對專屬應用場景完成深度優化。

其中，Cortex-M 系列是微控制器（MCU）和嵌入式系統的核心處理器內核，以低功耗、高實時性和高成本效益為核心特性，支持單周期指令執行、納秒級快速中斷響應，最小內核尺寸僅 0.01mm2，搭配 Thumb-2 指令集，無 MMU 且可運行 RTOS，是目前絕大多數 MCU 產品的技術基石，也成為 Arm 布局 AI MCU 的核心切入點。

為了讓 Cortex-M 系列具備更強的 AI 計算能力，Arm 推出了一系列專屬技術與內核產品。2019 年，Arm 發布適用于 Armv8M 架構的 Cortex-M 矢量擴展技術（MVE）——Arm Helium 技術，作為 Armv8.1-M 架構的擴展，該技術通過高效的 SIMD（單指令多數據）操作，為機器學習（ML）和數字信號處理（DSP）應用帶來顯著性能提升，在機器學習任務中可實現最高 15 倍的性能突破。而 Arm Helium Utils 作為 CMSIS DSP 庫的組成部分，還為該技術提供了一系列實用函數，進一步優化 DSP 和 ML 任務的處理效率。

Cortex-M55 和 Cortex-M85 是首批支持 Helium 技術的處理器，讓小型、低功耗的嵌入式系統能夠應對音頻設備、傳感器集線器、關鍵詞識別、靜態圖像處理等場景的計算挑戰，也讓基于 Arm 內核的 MCU 具備更強的 AI 處理能力。2023 年，Arm 再度推出專為 AI 應用設計的 Cortex-M52 處理器，不僅實現了能效的進一步提升，成為 Cortex-M3、Cortex-M33 等主流 MCU 內核的替代選擇，更借助 Helium 技術實現了 DSP 和 ML 處理能力的顯著升級，將 AI 驅動的創新引入更多低功耗嵌入式場景。

除了內核本身的升級，Arm 還推出了面向 Cortex-M 系列的 microNPU——Ethos-U55，專為面積受限的嵌入式和物聯網設備設計，可大幅加速 ML 推理性能。當 Ethos-U55 與 Cortex-M55 協同部署時，相較于傳統的 Cortex-M 系統，機器學習性能可提升高達 480 倍，為低成本、高能效的 AI MCU 解決方案提供了支撐。

在國內，安謀科技也基于 Arm 架構完成了本土化創新，其自主研發的第三代高能效嵌入式芯片 IP「星辰」STAR-MC3，基于 Arm v8.1-M 架構打造，向前兼容傳統 MCU 架構，同時集成 Arm Helium 技術，在顯著提升 CPU AI 計算性能的同時，兼顧優異的面效比與能效比，成為 AIoT 領域主控芯片及協處理器的核心架構，助力客戶高效部署端側 AI 應用。

RISC-V：AI MCU 的另一技術路線

除了 Arm 架構，RISC-V 憑借開源、靈活的特性，成為 AI MCU 的另一重要技術選擇，其矢量擴展（RVV）技術可讓處理器內核加速海量數據集的單指令流計算，完美適配機器學習、圖像壓縮處理、數據加密、音視頻多媒體處理、語音識別和自然語言處理等任務——而這些正是物聯網端側 AI 落地的核心計算需求，也吸引了眾多企業基于 RISC-V 架構打造 AI MCU 產品，形成與 Arm 架構互補的技術格局。

如今，谷歌已通過與合作方 Synaptics 共同將基于 RISC-V 的 Coral NPU 架構推向市場。Coral NPU 是基于 RISC-V 指令集架構，包含一個四階標量 CPU 核心、一個 32 位 RISC-V 向量引擎以及一個專門為現代 Transformer 模型優化的矩陣核心加速器。谷歌給 Coral NPU 的定位是「一個全棧、開源的平臺，旨在解決性能、碎片化和隱私這三大核心挑戰，而這些挑戰限制了功能強大、始終在線的 AI 技術在低功耗邊緣設備和可穿戴設備上的應用。」

國內外廠商：AI MCU 產品落地加速

依托 Arm Helium、RISC-V RVV 等技術，國內外芯片廠商紛紛推出自研 AI MCU 產品，從高端高算力到入門級解決方案，覆蓋不同應用場景，推動 AI MCU 的商業化落地。

國際大廠：技術領先，布局全場景

瑞薩電子的 RA8 系列作為業界首個基于 Arm Cortex-M85 內核的 MCU 系列，兼具 MPU 的高性能與 MCU 的易用性、低功耗和低 BOM 成本，支持單核或雙核設計，最高可實現 1GHz 的 CPU 主頻、0.25 TOPS NPU 算力，還集成了包含 EtherCAT 在內的多協議工業網，可滿足 AI、工業以太網、機器人、HMI 等高算力應用需求。在此基礎上，瑞薩推出的 RA8P1 微控制器產品群，采用 Cortex-M85（1GHz）+Cortex-M33（250MHz）的雙核異構設計，并集成 Arm EthosTM-U55 NPU，借助 Arm Helium 技術實現了 DSP 和 AI/ML 性能的大幅提升，樹立了 MCU 性能的新標桿。

意法半導體的 STM32N6 則是首款內嵌自研神經處理單元（NPU）——ST Neural-ART accelerator 的 STM32 MCU，專為節能型邊緣 AI 應用設計，其搭載的 Arm Cortex-M55 內核主頻高達 800MHz，結合 Arm Helium 向量處理技術顯著增強 DSP 處理能力，芯片整體時鐘頻率可達 1GHz，計算性能達 600 GOPS，能為計算機視覺和音頻應用提供實時神經網絡推理能力。

恩智浦的 i.MX RT700 系列則以多內核架構實現智能算力的分層部署，該系列擁有 5 個計算內核，主計算子系統包含 325MHz 的 Arm Cortex-M33 核與 Cadence Tensilica HiFi 4 DSP，超低功耗感知子系統則搭配第二款 Cortex-M33 核與 Cadence Tensilica HiFi 1 DSP，無需外部傳感器集線器，有效降低系統設計復雜度與 BOM 成本。同時，該系列集成恩智浦 eIQ Neutron NPU，可將 AI 工作處理速度提高 172 倍，還內置 7.5MB 板載 SRAM，為可穿戴設備、醫療設備、智能家居等邊緣智能設備提供算力支撐。

英飛凌的 PSoC Edge E81、E83、E84 系列均基于 Arm Cortex-M55 內核打造，支持 Arm Helium DSP 指令集，同時搭配不同的 AI 加速單元：E81 搭載英飛凌自研超低功耗 NNLite 神經網絡加速器，E83 和 E84 則內置 Arm Ethos-U55 微型 NPU，與傳統 Cortex-M 系統相比機器學習性能提升 480 倍，且三款產品均集成豐富外設、片上存儲器和硬件安全功能，支持 WiFi 6、BT/BLE、Matter 協議等，適配低功耗計算領域的機器學習應用。

德州儀器則依托 DSP 技術優勢布局 AI MCU，其 C2000 MCU 系列的 TMS320F28P550 MCU，搭載 150MHz C28x 32 位 DSP CPU，集成浮點單元（FPU32）與三角函數加速器（TMU），并內置 NPU 實現邊緣 AI 計算，算力達 600–1200 MOPS，支持本地運行 CNN 模型，適配工業控制等場景的 AI 需求。

國內企業：緊跟趨勢，本土化適配突出

國內芯片廠商也在 AI MCU 領域快速突破，結合本土物聯網應用場景完成產品優化，同時實現了 RISC-V 架構的落地應用，形成差異化競爭優勢。

新唐科技推出的 NuMicro M55M1 是定位入門級的 AI MCU 解決方案，專為 AI 數據識別、智能音頻等邊緣應用打造，基于 Arm Cortex-M55 核心設計，搭載 Arm Ethos-U55 NPU 與 Helium 向量處理器，AI 運算能力達 110 GOPS，相較于傳統 1GHz MCU，AI 推理性能實現超 100 倍突破，還內置 1.5MB RAM、2MB Flash 并支持外擴存儲。同時，新唐科技還推出自研 NuML Tool Kit 開發工具，并提供人臉識別、物體識別等多款現成 AI 模型，大幅降低 AI 應用開發門檻，加速產品落地。

國芯科技則聚焦 RISC-V 架構的 AI MCU 研發，其端側 AI MCU 芯片 CCR4001S 已實現 10 萬顆交貨，該芯片采用 RISC-V 內核，主頻 230MHz，集成 0.3 TOPS @INT8 算力的 NPU，可高效運行 MobileNet、ResNet、Yolo 等深度學習算法，實現物體識別、目標檢測等復雜任務，同時兼具低功耗特性，尤其適配空調智能控制等家電智能化場景，支持客戶自主導入算法模型并完成迭代優化。此外，國芯科技還與賽昉科技聯合推出 CCR7002 芯片，通過多芯片封裝技術集成高性能 SoC 與低功耗 AI 芯片子系統，同樣提供 0.3TOPS 的 NPU 算力，實現 RISC-V 架構與 AI 的深度融合。

樂鑫科技的 ESP32-S3 則在通用 MCU 基礎上增加了 AI 算力支持，這款集成 2.4GHz Wi-Fi 和 Bluetooth 5 (LE) 的 MCU，搭載 Xtensa 32 位 LX7 雙核處理器，主頻 240MHz，新增的向量指令可加速神經網絡計算和信號處理，開發者通過 ESP-DSP、ESP-NN 等庫即可實現圖像識別、語音喚醒等 AI 應用，適配智能家居等輕量級邊緣智能場景。

華為海思則針對家電端側智能化推出 Hi3066M，這款微算力嵌入式 AI MCU 采用海思自有 RISC-V 內核，內置 eAI 引擎，主頻 200MHz，搭配 64KB SRAM 和 512KB 內置 Flash，可適配空調、冰箱、洗衣機等白電的 AI 節能、智能檢測等場景，同時預留了足夠的存儲空間，滿足未來 5~10 年的產品升級需求，是華為首款端側 eAI 芯片。

結語

AI 與 MCU 的融合，已逐漸從技術探索走向商業化落地。隨著邊緣智能需求的持續釋放，以及芯片廠商在算力、功耗、成本和開發工具上的不斷優化，AI MCU 將成為更多智能設備的算力載體，在智能家居、工業控制、消費電子、醫療設備等領域實現更廣泛的應用，推動物聯網產業向更智能、更高效的方向發展。

值得關注的是，中國作為 RISC-V 生態最核心的推動者與踐行者，也是全球 RISC-V 芯片應用最活躍的國家。相較于 Arm 架構芯片，我們所能深入了解的往往僅限于其外設、調試系統、總線結構及指令集，卻缺乏有效渠道窺探 Cortex-M 內核的核心細節，無法深入掌握芯片內部流水線等關鍵技術；而 RISC-V 的開源特性恰好解決了這一痛點。更為重要的是，它大幅降低了內核學習門檻，能夠培養出一大批深入掌握內核技術的專業人才。

如今，在 MCU 中融入 AI 功能，已成為一件司空見慣的事情，這一趨勢也將持續推動邊緣智能產業的深度發展。