图像
Roger Wendelken
Roger Wendelken
Senior Vice President of the MCU Business Division in Renesas’ IoT and Infrastructure Business Unit
已发布: 2023年3月29日

作为全球MCU产品供应商,瑞萨凭借双供应商生产模式、卓越的MCU工艺技术,以及由200多个合作伙伴组成的生态系统,年出货量超35亿颗。其中约一半设计用于汽车领域,其余面向物联网、边缘-云计算、消费电子、工业与基础设施系统中的各类应用。半导体行业资深编辑和顾问Andrew MacLellan近期与Roger Wendelken, Senior Vice President of the MCU Business Division in IoT and Infrastructure Business Unit, Renesas进行了会谈,围绕不断发展的MCU市场、培养用户友好型设计生态系统,以及人工智能(AI)对MCU元件选择与设计流程的影响等方面进行了探讨交流。

Andrew:影响工业应用MCU的主要趋势是什么?

Roger:其一是应对实时分析、视觉和语音等新兴AI市场。向嵌入式AI,即我们称之为“端点智能”的发展推动了对更高性能MCU内核的需求,这些内核可引入DSP功能以及硬件加速引擎与神经节点。

第二个关键趋势是,如今,工程师喜欢通过互联网设计一切,并且希望可以让设计更轻松。这就需要一个能为工程师提供无缝设计流程的用户界面。坦率地说,这一趋势与瑞萨“让生活更轻松”的首要目标直接吻合。如果他们对文档资料感到失望,或者找不到评估套件,或感觉应用说明、软件手册难以理解,那么他们就可能选择与我们的竞争对手合作。

Andrew:您如何让客户接受这些趋势,以及怎样帮助他们应对MCU生态系统不断增长的规模及复杂性?

Roger:它结合了易于开发的特点,帮助他们远程完成更多工作,并创建了一个环境,让他们可在云端使用评估套件而无需购买实体套件进行设置。在云端,不需要任何其他设置,设计人员可以即刻进行测量和基准测试。这也是我们最近推出Quick-Connect Studio的动力所在——作为一个基于云的设计平台,让用户可以用图形方式构建硬件和软件,并通过快速原型验证来加速产品开发。

再者,由于生态系统正变得愈加复杂,我们将其划分为若干细分领域,如网络安全与功能安全、AI、工具和用户体验、连接与云,以及人机界面感知和控制等。然后,我们挑选生态系统合作伙伴为每个细分领域提供支持。考虑到构建、开发、训练和部署模型的需要,AI可能最为复杂。每个不同领域都有生态系统合作伙伴。去年收购的Reality AI最初是瑞萨的AI生态系统合作伙伴,我们看到了他们成为瑞萨及其整体客户解决方案的一部分所带来的巨大收益。

图像
Renesas MCUs Bridge Key IoT & AI Technologies
瑞萨MCU产品是连接关键物联网与AI技术的桥梁

Andrew:我最近读到一份报告,其中讨论了整合多个高度优化的内核与AI算法是否会导致通用MCU被特定应用设备所取代,您对此有何看法?

Roger:对于上述说法,我持保留意见,原因如下:在瑞萨,我们同时拥有这两种产品,而二者真正的区别是硬件外设。例如,计量或电机控制市场可能需要某些模拟功能,而为其它应用设计的通用MCU则不需要这些功能,这就需要在裸片尺寸和成本之间进行权衡。

为什么说这不是一个问题?这是因为,随着我们向22纳米及更小刻线尺寸光刻技术的发展,可以在单片硅片上实现更多功能,由此可以解决当前许多细分市场的问题,且不需要付出高昂的成本。从某种意义上说,借助光刻技术的发展,几乎可以创造出一种新的通用MCU,并能借助其不同的封装方案与内存大小来满足许多特定应用设计的需要。例如,我们先进的32位MCU拥有非常强大的内核,能够处理AI的各个方面,从实时分析到视觉和语音。当然,也可以将片上IP整合至不同的封装中,从而满足网络市场,或计量、电机控制等的需求。

Andrew:随着越来越多的MCU被用于物联网端点智能设计,瑞萨如何帮助客户进行安全管理?

Roger:随着越来越多的产品通过家庭及工业网络连接至云端,我们需要确保网络和端点的安全。AI/ML(机器学习)是一项强大的技术,关键是不要低估其隐含的安全要求,高效且经济地保护AI IP和设备云通信举足轻重。但是,新技术也会带来新威胁,这就是为何世界各国政府都在通过立法,如《加强美国网络安全法》和《欧盟网络复原力法》等来应对。这些法律旨在保护用户及其设备免受恶意攻击。在训练和操作过程中保护AI模型,对于设备在整个生命周期内的安全运行至关重要。

Andrew:AI和ML/TinyML对MCU在系统层面的设计方式有什么影响?

Roger:我们了解到的一点是,当客户在其产品中应用AI时,会对MCU选择决策产生直接影响,需要在设计过程中更早地做出选择,这是因为客户必须根据他们设计的功能来决定其模型的大小。所有这些都会影响到运行模型所需的MCU、最佳内存密度,以及实现AI应用目标所需的性能。向客户展示如何通过我们的生态系统与工具在成本50美分的MCU上实现AI,而不是使用价格75美分的其他MCU产品,这才是关键所在。这在很大程度上取决于这些算法的编写是否严密,以便占用更少的资源去执行这些算法,这也是Reality AI成为制胜解决方案的关键所在。

Andrew:对于处在设计流程初始阶段的客户,您有什么建议?

Roger:对于现在进入设计阶段、将在一两年内投放市场,并在未来五年内保持相关性的产品,工程师需要考虑利用安全性和AI技术来确保其产品满足未来多种应用需求,以使其在整个生命周期内保持竞争力。

了解更多信息,请访问:https://www.renesas.com/products/microcontrollers-microprocessors