HIFI播放器无独立解码芯片？恩智浦给出了答案

【机锋评论】不提去年那次让笔者都觉得“撕心裂肺”的收购事情，也不提竞品怎么怎么样，恩智浦目前的一系列动作，要更加专精唯一。6月25日，恩智浦在北京举办了恩智浦微控制器业务2019媒体交流会，短短一上午时间，收获颇多。除了演讲外，在会场后边展示的多款DEMO演示产品，也非常有意思，且紧跟科技潮流。

恩智浦微控制器业务2019媒体交流会

此次交流会上，恩智浦资深副总裁兼微控制器业务总经理Geoff Lees先生和多位高管亲临现场，和我们一起交流了对微控制器、边缘计算、机器学习等不同领域的见解，另外一个重要环节是介绍微控制器业务发展战略与最新i.MX系处理器产品。

现场展示的demo

首先恩智浦微控制器（MCU）事业部总经理Geoff Lees上台为我们介绍了恩智浦和中国合作的相关情况，其表示，恩智浦在去年一年时间中，扩大了北京的软件部门，有超过200名工程师，一起在机器学习、人工智能和边缘计算等新兴AI领域研究。此外，恩智浦在和中国顶级大学的合作上，也非常重视，例如，其与天津大学计划合作打造物联网联合实验室；与苏州大学合作成立实验室等，这样既可以为学生提供足够的技术支援，又能够为工程部的学生提供更好的培训。

由此来看，恩智浦非常看重中国人才培养，重视中国市场。那又如何面向中国消费者定位产品，设计和制造呢？Geoff Lees给了我们答案。

elQ：恩智浦的“宝藏男孩”

从目前的科技发展来看，机器学习其实早已渗透进实际应用中，而且远远不是噱头或是幻想，机器学习从笔者个人角度来看，目前主要集中在智慧家庭、智慧汽车、智慧办公室等领域。

现场展示的i.MX RT和i.MX 7ULP产品示例

不过从开发者角度来看，因为涉及到的领域过多，所以开发的难度也逐渐变大，主要还是平台不统一，另外和编辑器以及逻辑编辑器的相容，又成为一个非常棘手的问题。而恩智浦自己研发的机器学习的开发环境eIQ，几乎可以和市场上的所有的开源训练工具、建模、编辑器相容。

当然对于开发者来讲，对于市面上公开的标准或者客户定制的标准，都可以在这个开发平台上进行，并可以根据使用者的不同硬件，来优化机器学习模型。此外，这套开发平台的好处就是可以帮助客户根据自己的需求，甚至在很低端的MCU上都可以执行高达10倍、20倍或更高的效能。

elQ拥有强大的编辑器相容性

随后，恩智浦大中华区微控制器事业部市场总监 金宇杰也为我们分享了在eIQ平台下机器学习和边缘学习更为深入的资讯，比如在eIQ平台下，有一个对应的EdgeScale软件架构，为云到端支援安全装置管理的架构，可以提供更有效的学习能力，其通过在PaaS层上建立一个优质的开发工具，为大量运算提供系统级支援。

现场展示的demo

而恩智浦还可以通过此平台，为客户提供一站式服务。其已经和国内的人脸识别算法公司合作，把人脸识别技术执行在一个单核处理器上，而原来这是一个在云端的非常大的模型，现在已经成功将其移到了边缘。此外，现场展示的科大讯飞的语音识别系统，就是利用高效能MCU完成的。

其实在现场展示的产品中，笔者发现一件熟悉的数码产品：HiFi播放器，这款播放器是爱国者EROS系列，音质非常好，但是在查阅相关芯片时候，当时就懵了：并没有查到解码芯片引数，其不是采用常见的ESS和AKM解决方案。直到到现场，亲眼看到恩智浦MCU简介，才豁然开朗。原来这款播放器就是采用的恩智浦高效能MCU芯片，其内建DSP解码模组。

HiFi播放器内建MCU高效能芯片也是笔者没想到的

“跨界处理器”能否“占领”消费市场高地

恩智浦推出的“跨界处理器”概念，是对嵌入式市场的一个巨大冲击！这是笔者在恩智浦副总裁，LPC和低功耗微控制器产品线总经理于修杰演讲后的一大感受，其一是恩智浦的MCU即使在低频率下，就表现出了强大的执行效率，其二是包括i.MX RT平台和i.MX平台在C端的应用非常广泛，现场展示了性别识别、色彩跟踪、密码锁等产品，覆盖了各个领域。

i.MX 7ULP新品介绍

例如i.MX 7ULP，其特点是配备了可以独立执行的双核心处理器。架构为Cortex-A7+Cortex-M4，前者可以执行Linux操作系统，而后者功耗更低。在绝大多数情况下，Cortex-A7处于关闭状态，那么这时候Cortex-M4会处理一些基本的任务，保证装置低功耗执行。

笔者在现场也看到了采用i.MX 7ULP平台的智慧穿戴装置，这类装置的共通特点，就是功耗低，进而续航时间要更为出色。

从目前市场反馈来看，还是有很多客户选择i.MX RT这种高效能解决方案，且这种解决方案已经在市面上广泛应用。比如最新推出的i.MX RT1010，其最重要一点是，执行频率可以达到500MHz，另外在价格上也极具优势，仅为“6.88元”。此外，也是真正在中国设计、中国生产的一款芯片，是第一款在中芯国际北京亦庄厂生产的产品。

最后，笔者也针对i.MX 7ULP采用Cortex-A7和Cortex-M4，其除了效能上提升以外，还有哪些功能性的加强？应用场景有哪些变化等问题，进行相关提问。

恩智浦微控制器事业部全球产品总监曾劲涛表示，i.MX 7ULP除了Cortex-A7和Cortex-M4以外，还有GPU，包括 3D GPU和2D GPU。i.MX 7ULP执行一个应用，并非只看有多少核心，而更要看其中有哪些工具，不同的工具可以做不同的事情。

现场演示的demo

有些处理任务可以选择让Cortex-M4核心来做，可以很省电；有时候要进行复杂图形处理就可以将Cortex-A7开启，执行结束后立即关闭。2D GPU和3D GPU也是同样的用法，可以先通过3D GPU将画面处理好，然后关闭，接着通过2D执行。比如智慧手表，可以通过3D GPU处理表盘画面，而切换时间可以通过Cortex-M4执行。

通过i.MX 7ULP提供的这些“工具”，工程师可以发挥其想象力，为其特定应用选择具有足够处理能力的最省电的运算单元。

现场演示的demo

比如目前的一款人脸识别的门锁。用Cortex-A7核心执行运算任务，Cortex-M4执行整版的实时控制任务，可以做到功耗非常低。其中还有GPU，其不单单执行画面处理任务，也可以进行机器模型运算，所以未来我们对其优化算法以后，甚至可以利用GPU来执行一些运算任务。所以如果将i.MX 7ULP充分使用会非常强，并能够满足电池使用环境的高效执行。

另外还有一位记者提到在传统的物联网边缘侧，大部分依旧使用的是“传统的MCU+感测器”的架构，在AI学习的普及下，很多公司开始使用设计边缘侧AI加速器，针对在这种趋势下，MCU+感测器的组合，其未来的发展问题，恩智浦资深副总裁，微控制器事业部总经理Geoff Lees也给出了详细答案。

现场演示的demo

恩智浦资深副总裁，微控制器事业部总经理Geoff Lees表示，边缘计算聚集资料的资料的采集、处理和传输，目前面临的问题是，很多客户需要决定他的资料如何与外界进行分享以及向哪些群体进行分享。部分客户不希望把边缘采集的资料全部放到云端，而是放到采集单元里边，这时候就对软件和硬件拥有非常高需求。

详细介绍恩智浦在边缘计算方面所做的事情之前，首先要明白一个问题，边缘计算的优势是什么？简单来讲，主要的计算节点以及应用分散式部署在靠近终端的资料中心上，因此在效能、可靠性上都要高于云端计算，因此多核心MCU就展示了它的优势，目前市场上有一些非常低功耗的机器学习模型，有的甚至用的是再生能量来执行这些模型。

现场演示的demo

与传统的CNN（卷积神经网络）这种比较大的高功耗模型相比，新的低功耗的机器学习模型更适合于边缘计算，而i.MX RT在高低频率的切换速度上，也做到市场最快，这点深受客户喜欢。

总结：

参加这次恩智浦微控制器业务2019媒体交流会，解决了笔者之前一直想不通的一个问题，就是在HiFi播放器等多媒体装置上，是如何做到既保障解码质量（众所周知，高解位元速率的DSP芯片，势必会带来高功耗）又保障待机时间，通过恩智浦介绍，这个问题也迎刃而解，就是通过i.MX RT解决的。

由此看来，恩智浦MCU所涵盖的消费领域，广而深，专业性非常强。未来，也希望恩智浦可以为我们带来机动性更强的解决方案。