此前的AI运算主要在云端完成，现在它已逐渐向边缘端发展。机器学习(ML)训练一般在云端完成，推理可在云端或设备端进行，而ML的处理可在边缘端进行。这样做的好处在于，能减少云端上传的数据带宽，提升本地设备的响应速度，提高本地数据的安全性。

在万物互联的时代，数据呈现爆发式的增长态势，CPU面临着巨大的计算压力。针对“如何释放CPU的计算压力”，市面上已经出现不同的解决方案。一些企业开始在MCU中添加加速器，通过专用算力来进行ML的运算，以期能释放CPU的通用算力。

近年来，很多厂商开始尝试在MCU中融入AI功能，瑞萨电子也是关注MCU+AI的厂商之一。

聚焦MCU+AI的实时分析功能

随着MCU运算逐渐向边缘侧发展，在MCU中集成AI功能显得非常有必要，图像加语音处理成为了MCU+AI重要的应用方向。可实际上，人工智能/机器学习主要有三个场景——语音、视频和实时分析。

对此，瑞萨电子物联网及基础设施事业本部MCU事业发展部副总裁Mohammed Dogar先生介绍说：“大家对语音和视觉关注得非常多，而对于实时分析的关注还不够，我们认为这一部分(实时分析)的增长率也很大。我们在这三个方面都会提供应用解决方案，在语音和视觉场景中，主要通过第三方合作来实现产能供应。在实时分析方面，由于我们在去年收购了Reality AI公司，所以实时分析功能由自己的inhouse能力来实现。”

Mohammed Dogar表示，瑞萨把MCU+AI的安装位置与edge作区分，edge更像是服务器的边缘端点，而MCU+AI可以看作传感器或执行器。“因为传感器的场景非常多，所以实时分析的应用场景也非常多。我们希望通过实时分析功能，能赋予传感器实时决策的能力。实时分析对资源占用和功耗都非常低，所以它的应用场景可以非常广泛。我们认为，实时分析将在MCU+AI中扮演极其重要的角色。”

此外，他还针对实时分析做了补充说明。如果用户已收集数据，瑞萨也有工具帮助他们做数据的自动流化、收集、打标签等动作，使这些数据成更紧凑的数据模型。虽然这不是标准化的SDK，但是瑞萨的优势在于——可以提供小型化的、快速的分析工具。因为公司提供的AI的能力可集成在MCU、MPU上，所以无需专门的硬件来做优化即可完成实时的数据分析。

值得注意的是，在2022年7月，瑞萨宣布已经完成对Reality AI的收购，这是一家位于美国的嵌入式AI解决方案供应商，可为汽车、工业和消费类产品中的高级非视觉传感提供嵌入式AI和微型机器学习(TinyML)解决方案。Reality AI的旗舰Reality AI Tools是一种为支持整个产品开发生命周期而构建的软件环境，可提供来自非视觉传感器数据的分析。

Mohammed Dogar透露说，现在Reality AI的全套工具已被用于支持瑞萨所有的MCU和MPU产品线，用户可利用该工具套装去优化自己的AI和ML模型。该工具套装有不同的表现形式，可以打包在MCU解决方案之中，作为一个完整的解决方案来呈现，用户也可以采用订阅的方式来购买服务。

到2024年将发布多款MCU新品

瑞萨的MCU产品阵容分为RL78、RX、RA、RISC-V四大系列。其中，RL78、RX系列分别主打低功耗和高功效，采用的是瑞萨自研内核，RA主打Arm生态，采用的是Arm的内核，RISC-V主打专用芯片，采用的是RISC-V内核。

据瑞萨电子中国MCU事业部市场总监沈清女士透露，从2023年Q1至2024年，瑞萨将陆续发布多款MCU新品。在今年稍早时候发布的是RL78系列的G15、G22，其中G22适用于有低功耗触摸传感需求的大小家电、智能门锁等物联网应用，以及非触摸但需静电电容技术的应用。最近发布的是RA系列的RA6E2和RA4E2，它们是通用型产品。