《恩智浦开启GHz微控制器时代》

  • 来源专题:集成电路
  • 编译者: Lightfeng
  • 发布时间:2019-10-12
  • 在2019年ARM科技大会上,恩智浦半导体宣布推出跨界MCU i.MX RT1170系列,该系列具有前所未有的可靠性和高度集成性,可推动工业、物联网和汽车应用的发展。i.MX RT1170系列强化了恩智浦对采用EdgeVerse组合解决方案来推进边缘计算的承诺,并且在保持低能耗的同时实现技术突破,让 MCU 运行速度达到1GHz。

    此外,i.MX RT1170 MCU系列采用先进的28nm FD-SOI技术,可满足更低的动态功耗和静态功耗要求。i.MX RT1170的功能包括:运行速度达1GHz的Arm® Cortex®-M7内核和运行速度达400MHz的Cortex-M4的双核架构、2D矢量图形加速器、恩智浦像素处理流水线 (PxP) 2D图形,以及恩智浦先进的嵌入式安全技术EdgeLock 400A。并且i.MX RT1170提供6468 CoreMark评分和2974 DMIPS性能,基准评分达到同类竞争MCU的两倍 。恩智浦凭借i.MX RT1170突破GHz主频限制,为更多应用开启了边缘计算的大门。

    i.MX RT1170双核系统搭载一个高性能内核和一个高能效内核,配备可独立操作的电源域,可实现多个应用同时运行,可以通过关闭单个内核来降低功耗。对于边缘计算应用而言,GHz Cortex-M7内核显著增强了机器学习性能。与当前市场上最快的MCU相比,GHz性能和高密度片上存储器相结合可使人脸识别的推理速度加快5倍。GHz内核在执行需要语音识别的计算方面也非常高效,包括用于改进识别能力的音频预处理(回声消除、噪音抑制、波束成型和语音插入)。

相关报告
  • 《8051架构微控制器的低功耗设计优化策略》

    • 编译者:AI智能小编
    • 发布时间:2025-06-20
    • 高速微控制器在便携式设备中广泛应用。通过正确使用电源管理模式,设计人员可以显著延长电池使用寿命。本文探讨了降低功耗的方法,包括选择高效时钟源和时钟速度、使用停止模式、空闲模式和突发模式。Maxim的高速微控制器和超高速闪存微控制器系列为用户提供高级功能,同时满足便携产品对高性能和低功耗的需求。 8051架构的微控制器因其易用性和广泛的I/O结构而受到欢迎。本文介绍了如何通过新架构改进来最大限度地降低基于8051设计的功耗,重点在于选择合适的时钟源和集成外设以减少开关功率损耗。此外,讨论了节能软件技术以及如何通过降低时钟速度来降低系统功耗。 处理器的时钟速度是决定功耗的重要因素。高速微控制器系列通过提高指令执行效率,减少了完成相同任务所需的时间,从而在不牺牲性能的情况下降低功耗。这种效率提高特别适用于活动时间短、长时间不活动的突发模式应用。 集成片上外设也是一种有效的省电方法。驱动片外信号时,需要应对开关功率和直流损耗。而集成外设则消除了与驱动外部总线相关的开关功率损耗。此外,片上程序存储器的使用不仅减少了元件数量和电路板面积,还降低了功耗。 综上所述,通过优化架构和外设集成,以及合理选择时钟源和控制时钟速度,可以有效延长便携式系统的电池寿命。
  • 《Rohm推出首款具备片上训练功能的AI微控制器》

    • 编译者:AI智能小编
    • 发布时间:2025-06-12
    • Rohm公司已开发出一款具备片上训练功能的AI微控制器,这在业内尚属首次。ML63Q253和Q255设备专为工业和消费应用中的电机故障与异常预测以及退化预测而设计。这些设备基于32位ARM Cortex-M0+核心和硬件AI加速器核心,并配有CAN FD控制器、三相电机控制PWM和双A/D转换器,功耗约为40mW。 传统的边缘AI模型依赖网络连接和高性能CPU,安装成本较高,而端点AI则需要云端训练和本地设备推理,仍需网络连接。这些模型通常通过软件进行推理,需要使用GPU或高性能CPU。相比之下,Rohm实现了一个简单的三层神经网络算法,运行于AxlCORE-ODL加速器核心上,独立执行学习和推理,无需云或网络连接。 该AI架构支持无监督学习,通过电机数据创建基准并监控偏差;也支持有监督学习,突出潜在异常。这种片上学习方法使MCU能够独立进行学习和推理,省去了复杂且昂贵的云训练过程,并能灵活适应不同安装环境和设备间的差异。Rohm还推出了一个名为Solist-AI Sim的AI模拟工具,用于评估系统效果。