隨著物聯(lián)網(wǎng)(Internet of Thing, IoT)誕生，萬物都上網(wǎng)，新產(chǎn)品如果沒有「IoT+」或「+IoT」就好像跟時(shí)代脫了節(jié)。接下來人工智能(Artificial Intelligence, AI)興起，于是星爺說：「爭(zhēng)什么爭(zhēng)，把兩樣摻在一起做瀨尿蝦牛丸不就得了，笨蛋！」，因此智慧物聯(lián)網(wǎng)「AI + IoT = AIoT」就理所當(dāng)然變成最佳的營(yíng)銷術(shù)語了。

不過本來只要把各種傳感器(Sensor)偵測(cè)到的信號(hào)利用超便宜的單片微機(jī)（Single Chip Microprocessor或Micro Control Unit,MCU）（以下簡(jiǎn)稱MCU）加上通訊模塊就能把數(shù)據(jù)送上云端進(jìn)行儲(chǔ)存及各種智能分析、預(yù)測(cè)。但隨著云端通訊、儲(chǔ)存及計(jì)算費(fèi)用的增加，數(shù)據(jù)隱私及計(jì)算結(jié)果反應(yīng)速度的不足，于是大家就把目光重新拉回那個(gè)吃苦耐勞又便宜的MCU上，期望在不上網(wǎng)的情況下，在本地端（邊緣）就能完成邊緣智能(以下簡(jiǎn)稱Edge AI)的運(yùn)算，所以微型機(jī)器學(xué)習(xí)基金會(huì)（tinyML.org）這個(gè)國(guó)際組識(shí)因運(yùn)而生，提供大家更多的解決方案。

接下來就讓我們來進(jìn)一步了解AIoT、MCU及tinyML的機(jī)會(huì)在哪里，要如何整合才能變成下一個(gè)明星產(chǎn)業(yè)。

何謂MCU？為何爆紅？

2020年受COVID-19疫情爆發(fā)影響，世界大部份的工廠都無法順利生產(chǎn)及出貨，波及各行各業(yè)，半導(dǎo)體(IC)產(chǎn)業(yè)亦成為重災(zāi)區(qū)。不論上游的原物料，中游的晶圓代工廠、封裝測(cè)試廠、設(shè)備供貨商，到下游的電子、家電、計(jì)算機(jī)及外圍產(chǎn)品無一不受影響。由于整個(gè)半導(dǎo)體供應(yīng)鏈?zhǔn)?，因此開始出現(xiàn)大缺貨現(xiàn)象。剛開始主要在搶高階芯片（如CPU, GPU, 手機(jī)芯片等）產(chǎn)能，后來開始排擠到中低階微處理器（MCU），間接導(dǎo)致2021年幾乎所有MCU個(gè)個(gè)漲勢(shì)如虹。

什么是MCU呢？這是一種發(fā)展了四十多年的技術(shù)，它將運(yùn)算單元（CPU）、輸出入單元（GPIO）、輔助控制單元（Timer, UART, I2C, SPI, ADC等）及內(nèi)存（Flash, SRAM,EEPROM）整合在同一顆芯片上，相當(dāng)于把一部計(jì)算機(jī)塞進(jìn)一個(gè)芯片中，故早期亦將MCU稱為「微電腦芯片」。近年來更有許多廠商把無線通信部份（如WiFi, BlueTooth, Zeebee, 4G, 5G等）甚至人工智能所需的神經(jīng)運(yùn)算加速單元（如NPU）加入其中。

MCU充斥在我們的日常生活中，食衣住行育樂都能看見它的身影，包括各式家電、行動(dòng)（穿戴）裝置、多媒體設(shè)備、電動(dòng)玩具、物聯(lián)網(wǎng)產(chǎn)品甚至汽機(jī)車的控制及電源管理系統(tǒng)等，讓我們?cè)絹碓讲荒軟]有它。另外我們常見的高階手機(jī)芯片功能雖也是包山包海，它屬于系統(tǒng)級(jí)芯片（System on Chip, SoC），單價(jià)高（>US$100），頻率速度高、計(jì)算能力強(qiáng)，但操作系統(tǒng)、應(yīng)用程序及內(nèi)存未包含在芯片中，且鮮少直接用于一般邊緣端AIoT產(chǎn)品中，故本文就暫不討論這類產(chǎn)品。

Fig. 1 嵌入式系統(tǒng)SoC及MCU差異比較圖

MCU的優(yōu)點(diǎn)是體積小、價(jià)格便宜（視功能配置，約US$0.5 ~ 20）、功耗極低（mW等級(jí)）可使用電池供電、功能強(qiáng)大，從4bit到32bit都有，容易開發(fā)，有非常完整的工具鏈（Tool Chain）及生態(tài)體系（Ecosystem），連中小學(xué)生在玩的Micro:bit, Arduino開發(fā)板都屬于MCU的范圍。但缺點(diǎn)是系統(tǒng)架構(gòu)種類及供貨商太多，沒有統(tǒng)一的開發(fā)工具。

另外受限價(jià)格因素，通常工作頻率不高（MHz等級(jí)），程序及內(nèi)存區(qū)域都很小（KByte等級(jí)，少數(shù)能到MByte），不利大量運(yùn)算，通常也沒有操作系統(tǒng)，僅有少數(shù)像Arm Mbed,RTOS能運(yùn)行在較高階的MCU上，所以開發(fā)出來的程序就很難像手機(jī)上的APP一樣可以任意運(yùn)行在不同硬件的手機(jī)上。

MCU產(chǎn)業(yè)現(xiàn)況

MCU目前是非常成熟產(chǎn)業(yè)，包含可以讓用戶任意自行開發(fā)程序運(yùn)用所有資源的通用型MCU，和搭配專屬功能只需少量程序甚至不用寫程序的專用型MCU（如LCD驅(qū)動(dòng)，電源管理等）。由于本文會(huì)將重點(diǎn)放在討論MCU如何加入Edge AI相關(guān)算法，故僅會(huì)列出通用型MCU相關(guān)信息。

這里粗略整理一下，國(guó)外知名通用型MCU供貨商，包括Analog, Atmel, Cypress, Freescale, Infineon, Microchip, NEC, NXP,Renesas, Samsung, Silicon Labs, STMicroelectronics (STM), Texas Instruments(TI), Toshiba, Zilog等（依英文字母順序排列）。

國(guó)產(chǎn)方面大約有五十家，包括中微、中穎、宏晶、雅特力、芯圣、匯春、靈動(dòng)、晟硅、芯海、樂鑫、貝特萊、兆易、云間、健天、炬芯、國(guó)民、復(fù)旦、貝嶺、巨泉、國(guó)芯、東軟、沁恒、華芯、希格碼、華大、萬高、時(shí)代、航順、賽元、峰岹、極海、賽騰、杰發(fā)、芯旺、比亞迪及琪浦維。

而MCU指令集依寬度可分為4/8/16/32 bit，依工作架構(gòu)又可分為復(fù)雜指令集（Complex Instruction Set Computer, CISC）和精簡(jiǎn)指令集（ReducedInstruction Set Computer, RISC），前者主要代表有Intel 8051系列，而后者常見代表則有Arm Cortex-M, RISC-V等系列，而后者有指令工作周期短及省電優(yōu)勢(shì)，因此目前RISC已逐漸取CISC。

而Cortex-M4之后的指令集更加入浮點(diǎn)及平行運(yùn)算（如SIMD）指令集，而RISC-V則有P及V指令子集可以對(duì)應(yīng)。更多MCU分類方式可參考Fig. 2。

Fig. 2 MCU屬性分類圖。

通用型MCU廠商早期多以Intel 8051（8bit CISC指令集）系列為主，隨著技術(shù)演進(jìn)及用途陸續(xù)發(fā)展出自己（或兼容）的指令集。1985年Arm推出第一顆RISC架構(gòu)的CPU「Arm1」。Arm是一家不生產(chǎn)實(shí)體集成電路（Integrated Circuit, IC）的公司，它只授權(quán)知識(shí)產(chǎn)權(quán)（Intellectual Property Core, IP）給其它公司整合成實(shí)體集成電路。

Arm 于2004年推出第一顆32bitRISC指令集的MCU IP 「Cortex-M3」，此后接連發(fā)展出Cortex-M （MCU）系列，包括M1, M0, M4, M0+, M7, M23, M33, M35P, M55等，國(guó)內(nèi)幾個(gè)大廠亦陸續(xù)取得授權(quán)，生產(chǎn)相關(guān)MCU。

近年亦有些廠商不想支付巨額的授權(quán)費(fèi)用或需要更復(fù)雜客制化應(yīng)用，進(jìn)而轉(zhuǎn)向第五代CPU開源精簡(jiǎn)指令集RISC-V（V為羅馬數(shù)字5）發(fā)展出自家的MCU。

AIoT與MCU關(guān)連

物聯(lián)網(wǎng)(Internet of Thing, IoT)主要希望萬事萬物都能上網(wǎng)，讓用戶能透過網(wǎng)絡(luò)隨時(shí)可以得對(duì)象的狀態(tài)，如開關(guān)、溫濕度及各式傳感器，甚至可以下命令（遠(yuǎn)程遙控）改變對(duì)象的工作內(nèi)容，如電氣設(shè)備啟動(dòng)停止、冷氣照度調(diào)整等。所以IoT大致包含幾大項(xiàng)目，「感測(cè)組件」負(fù)責(zé)收集對(duì)象及環(huán)境狀態(tài)，而「作動(dòng)組件則改變對(duì)象的電氣狀態(tài)或機(jī)構(gòu)動(dòng)作，而這些輸出入須由「微處理器(MCU)」來處理相關(guān)運(yùn)算工作。

另外為了讓用戶能透過行動(dòng)通訊裝置（如手機(jī)、平板等）遠(yuǎn)程工作，所以還需要透過不同等級(jí)的有線及無線「通訊組件」（如Blue Tooth, ZigBee, WiFi, Ethernet, LoRa, NBIoT, 4G等）分段接力將信息傳送到云端，必要時(shí)還可以把這些數(shù)據(jù)長(zhǎng)期儲(chǔ)存在云端。從上述可知MCU在IoT中拌演著非常重要的中介角色。

Fig. 3 智慧物聯(lián)網(wǎng)架構(gòu)

過去經(jīng)常有很多人誤解，以為只要一直定時(shí)收集一個(gè)或多個(gè)傳感器變化信息或者用戶操作記錄，計(jì)算機(jī)就能接著自動(dòng)提取數(shù)據(jù)特征或分析預(yù)測(cè)時(shí)序變化，大數(shù)據(jù)會(huì)自動(dòng)變成人工智能，幫忙預(yù)測(cè)和決策。

但很遺憾地是后半段的工作通常沒人去做，所以根本沒有AI + IoT變成AIoT這回事。為什么呢？因?yàn)榇蟛糠軲CU的工程師要搞懂如何把數(shù)據(jù)從本地（邊緣）端串接到云端就已費(fèi)盡大部份的力氣，此時(shí)還要讓他們?cè)俑愣瓵I的算法和應(yīng)用就是難上加難。

若此時(shí)搭配一個(gè)專業(yè)AI工程師直接從云端處理數(shù)據(jù)，那應(yīng)該就沒問題了吧。不幸地是這里常需結(jié)合領(lǐng)域知識(shí)，由專業(yè)人士進(jìn)行特征定義及協(xié)助標(biāo)注監(jiān)督式學(xué)式所需的數(shù)據(jù)集，不然很難取得有用成果。

或許有人會(huì)說那用非監(jiān)督式學(xué)習(xí)算法（如回歸、聚類等）或者采用時(shí)序預(yù)測(cè)模型算法來解決不就好了。但現(xiàn)實(shí)上還是要有專業(yè)人士協(xié)助定義問題及需求，如此提取出的特征和預(yù)測(cè)的結(jié)果才具實(shí)務(wù)意義。

此時(shí)若我們把AIoT的智能能力限縮一些，不要包山包海，不要企圖找出通用模型，那或許就較容易找到特定問題的解答。

再來說到云端AIoT，如果你的口袋夠深，它幾乎擁有無限的儲(chǔ)存空間和算力，不管再復(fù)雜的算法都沒問題?？墒钱?dāng)要采用只有幾塊美金的MCU來完成Edge AI應(yīng)用時(shí)，常用算法要移植到只有數(shù)Kbyte到數(shù)MByte的程序代碼區(qū)及數(shù)十Byte到數(shù)十Kbyte的隨機(jī)內(nèi)存區(qū)，加上只有數(shù)Mhz到數(shù)十MHz的計(jì)算能力的MCU上時(shí)，就很難達(dá)成了。因此目前MCU能適用的Edge AI范圍就必須有所限制。

tinyML時(shí)代來臨MCU迅速崛起

人工智能(AI)時(shí)代來臨，好像不管什么產(chǎn)品只要加上AI兩字就能大賣，就像三十多年前家電產(chǎn)品加上「微電腦控制」（其實(shí)就是MCU）就能更受消費(fèi)者青睞。但傳統(tǒng)云端式AIoT，不僅產(chǎn)品制造商花費(fèi)很多，如電費(fèi)、通訊、儲(chǔ)存、計(jì)算、訓(xùn)練、布署等維護(hù)費(fèi)用，使用者亦要隨之付月費(fèi)，如此才能持續(xù)獲得AI服務(wù)，所以常會(huì)令人卻步，認(rèn)真思考投入后是否劃算。

基于上述問題，許多廠商開始思考將AI微型化、本地（邊緣）化，以低帶寬（甚至完全斷網(wǎng)）、低延遲（快速反應(yīng)）、高隱私（數(shù)據(jù)不外流）及低成本來完成像智能傳感器(Smart Sensor)等微型AI應(yīng)用，如此就有很大機(jī)會(huì)能使用中高階MCU來完成。

基于上述AI微型化理念，許多CPU, GPU, MCU, AI加速計(jì)算芯片大廠、AI開發(fā)工具及應(yīng)用廠商紛紛響應(yīng)，于2019年成立微型機(jī)器學(xué)習(xí)基金會(huì)(tinyML Foundation) ，每年定期會(huì)舉辦高峰會(huì)，讓廠商、學(xué)界、社群都能共襄盛舉。2021高峰會(huì)有近六十個(gè)贊助商（如Fig.4 所示）。

根據(jù)該基金會(huì)對(duì)tinyML的定義：「微型機(jī)器學(xué)習(xí)（以下簡(jiǎn)稱tinyML）為一個(gè)快速發(fā)展的機(jī)器學(xué)習(xí)（Machine Learning）技術(shù)和應(yīng)用領(lǐng)域，包括硬件、算法和應(yīng)用軟件。其能夠以極低功耗執(zhí)行設(shè)備上的傳感器(Sensor)的數(shù)據(jù)分析，通常在mW（毫瓦特）以下范圍，進(jìn)而實(shí)現(xiàn)各種永遠(yuǎn)上線（或稱常時(shí)啟動(dòng)）（Always On）的應(yīng)用例及使用電池供電的設(shè)備。」

這里的ML雖然指的是機(jī)器學(xué)習(xí)，不過亦可延伸解釋到深度學(xué)習(xí)（Deep Learning, DL）甚至人工智能（AI）、邊緣智能（Edge AI）。從上述定義可得知tinyML 幾乎是鎖定MCU及低階CPU所推動(dòng)的Edge AI，明顯會(huì)對(duì)未來MCU的市場(chǎng)動(dòng)能提供新一波的助力。

市售通用型MCU的類型非常多，目前以Arm Cortex-M系列MCU支持的廠商算是最多的（含通用型和專用型），其市占率也是最高的，光2020第4季統(tǒng)計(jì)就出貨了44億顆芯片。其規(guī)格跨度很大，很容選用到合適的系列，從最小的M0, M0+, M1, M3, M4, M7, M23, M33到M35，最新的M55還有搭配上AI加速計(jì)算芯片U55。

由于相同的系列不同廠商制作規(guī)格可能有所不同，這里以STM32為例，其工作頻率速度可由32MHz (M0+) 到550MHz (M7)，其算力可從75 CoreMark (M0+) 到 3224 CoreMark (M7)。

Fig.5 STM Cortex-M相關(guān)產(chǎn)品規(guī)格表。

由上述內(nèi)容可知MCU的普及已幫 AIoT打下很棒的基礎(chǔ)，未來若再加上tinyML就能引爆下一波新的微型Edge AI應(yīng)用。

tinyML開發(fā)平臺(tái)及應(yīng)用領(lǐng)域

目前tinyML基金會(huì)并沒有明確的定義那些項(xiàng)目才算是其范圍，也沒有制定特定的開發(fā)框架及函式庫（如機(jī)器人操作系統(tǒng)ROS），而是開放給硬件及開發(fā)平臺(tái)供貨商自行解釋及彼此合作。

目前較常見的應(yīng)用，包括振動(dòng)偵測(cè)、手勢(shì)（運(yùn)動(dòng)傳感器）偵測(cè)、傳感器融合、關(guān)鍵詞偵測(cè)（聲音段分類）、（時(shí)序訊號(hào)）異常偵測(cè)、影像分類、（影像）對(duì)象偵測(cè)等應(yīng)用，而所需算力也依序遞增。（如Fig. 6所示）

一般來說智能傳感器（如聲音、振動(dòng)、溫濕度等）大約Arm Cortex-M0+, M3左右就能滿足，而智能影像傳感器（小尺寸影像）要完成影像分類及對(duì)象偵測(cè)工作，則需要Cortex-M4, M7甚至要到Cortex-A, R系列。當(dāng)然亦可使用非Arm系列等價(jià)算力MCU完成，就看各開發(fā)平臺(tái)供貨商是否有支持。

Fig. 6 Arm MCU等級(jí)芯片智能運(yùn)算能力與適用情境。

通常AI應(yīng)用程序開發(fā)包含有很多步驟，包括數(shù)據(jù)收集（含非時(shí)序型及時(shí)序型）、標(biāo)注（監(jiān)督式學(xué)習(xí)用）、模型選用、訓(xùn)練、超參數(shù)調(diào)整（以下簡(jiǎn)稱調(diào)參）、優(yōu)化，最后才是布署到指定硬件上進(jìn)行推論、驗(yàn)證及重新訓(xùn)練等工作項(xiàng)目，不論是大型AI應(yīng)用程序或者小型tinyML應(yīng)用皆是如此。

不過雖然MCU的執(zhí)行速度及內(nèi)存容量勉強(qiáng)可以滿足小型AI應(yīng)用的推論工作，但因MCU速度較慢，內(nèi)存較小，所以訓(xùn)練、調(diào)參的工作多半還是會(huì)在落在較高階的CPU（如Intel Core i7）甚至是GPU（如Nvidia GTX）。

目前常見的AI開發(fā)框架有TensorFlow, PyTorch, ONNX, Caffe等，但這些都不適用小型的單板微電腦硬件（如樹莓派）運(yùn)行，更不要說是在MCU上布署。于是就有像TensorFlow Lite for Microcontroller （以下簡(jiǎn)稱TFLM）搭配MCU專用函式庫（如ArmCommon Microcontroller Software Interface Standard for Cortex-M, 以下簡(jiǎn)稱CMSIS）的開發(fā)組合，確保開發(fā)出來的內(nèi)容一定可以在特定系列的MCU上執(zhí)行。

由于MCU種類繁多，不同廠牌及家族間兼容性不高，所以很少有開發(fā)工具有辦法支持所有的MCU，工程師須在開發(fā)前要注意是否滿足。

Fig. 7 AI應(yīng)用程序開發(fā)流程。

一般來說開發(fā)一個(gè)AI應(yīng)用程序需要很多種軟件工具及硬件平臺(tái)才能完成，為了讓更多原先使用MCU的工程師能順利開發(fā)tinyML應(yīng)用，于是許多平臺(tái)開發(fā)商推出了從資料采集一直到布署全部包辦的一站式云端開發(fā)平臺(tái)，包括Edge Impulse, AIfES, cAInavas, SensiML等。

有些甚至還有提供調(diào)參可視化接口，方便AI工程師了解模型表現(xiàn)能力及調(diào)整對(duì)策，亦有提供內(nèi)存（含程序代碼及變量）需求表，方便MCU工程師了解資源分配及應(yīng)用范圍。所以有了這樣的平臺(tái)就更能帶動(dòng)用戶發(fā)展自己的數(shù)據(jù)集及應(yīng)用，大大加速了tinyML的發(fā)展。

國(guó)產(chǎn)MCU廠商的機(jī)會(huì)與挑戰(zhàn)

從以上分析來看，tinyML或者說MCU等級(jí)的Edge AI會(huì)隨著芯片等級(jí)升高，價(jià)格下跌，讓AIoT的應(yīng)用從云端慢慢轉(zhuǎn)移到本地（邊緣）端，同時(shí)也會(huì)讓帶有AI算法的MCU成為未來爆量的明星產(chǎn)品，如此便可大幅增加通用型MCU的附加價(jià)值，不再淪為紅海價(jià)格戰(zhàn)產(chǎn)品。

從國(guó)際主流MCU產(chǎn)品規(guī)格來看，現(xiàn)有國(guó)產(chǎn)通用型MCU的規(guī)格普遍偏低，性價(jià)比不足，深究其原因可能是著重在利潤(rùn)較高的專用型MCU上，而忽略通用型MCU的發(fā)展，因此可能失去一個(gè)翻轉(zhuǎn)產(chǎn)業(yè)的大好契機(jī)。

雖然國(guó)際大廠已在硬件端及平臺(tái)端都已有充份布局，但tinyML的重點(diǎn)還是在AI應(yīng)用軟件（包括模型開發(fā)及優(yōu)化），若國(guó)產(chǎn)MCU供貨商能積極自行開發(fā)或者大幅投資第三方AI技術(shù)供貨商產(chǎn)出特定用途AI算法，那就還有機(jī)會(huì)彌補(bǔ)短期無高性價(jià)比產(chǎn)品的缺點(diǎn)。待未來AI應(yīng)用需求更為聚焦時(shí)，推出更高性價(jià)比的產(chǎn)品，那真正邊緣端AIoT的無限商機(jī)就指日可待了。

小結(jié)

人工智能(AI)或深度學(xué)習(xí)(DL)這幾年已成為顯學(xué)，整個(gè)生態(tài)系也逐漸形成，過往不受重視的tinyML（MCU等級(jí)的AI）正在悄悄崛起，且已在國(guó)際上受到重視，積極發(fā)展中。

若以國(guó)內(nèi)市場(chǎng)巨大的需求支撐，國(guó)內(nèi)廠商加強(qiáng)的半導(dǎo)體設(shè)計(jì)制作、軟韌體及AIoT產(chǎn)品的開發(fā)能力，只要大膽投資、積極面對(duì)產(chǎn)業(yè)變化，急起直追，相信不久的將來中國(guó)就會(huì)變成另一個(gè)世界級(jí)Edge AI及tinyML產(chǎn)業(yè)的中心。

審核編輯：湯梓紅