在AI熱潮從雲端朝向邊緣端延伸的當下，能夠在感測器層進行AI運算的微控制器(MCU)，以及相對應的微型人工智慧(TinyAI)技術也正迅速發展，並在智慧製造領域大放異彩。
AI結合智慧製造 三大重點發展方向浮現
MCU和TinyAI技術的發展，正在不斷推進智慧製造導入AI應用的進程。MCU以其高度整合及低功耗特性，在工業應用場景中扮演著關鍵角色，能夠直接與外部感測器和電子元件進行交互控制。而在MCU具備執行AI運算的能力後，未來智慧製造領域將有以下三個重點發展方向值得關注。
GPU替代方案浮現
隨著MCU性能的提升和能耗的降低，其在各垂直領域中的應用日益廣泛，尤其在智慧製造領域中，MCU的應用滲透率逐漸提升，並能夠在如設備異常檢測、影像任務、音訊任務等AI領域，取代或成為邊緣GPU的另一選項。近年來，業者也相繼開發搭載NPU的相關MCU AI處理架構，使得MCU能夠加速AI運算並支援基本的類神經網路運算。
在軟體框架方面，TinyAI藉由最小化AI模型的大小和運算需求，利用模型壓縮、量化、剪枝和知識蒸餾等技術，使其能夠在MCU上執行。整體來看，MCU和TinyAI技術的結合，正在為智慧製造領域帶來創新的解決方案，使得在成本、電力資源有限的環境中執行AI成為可能，並且提高生產效率和自動化程度，可預期未來將有更多創新的應用場景出現。
AI全面滲透製造現場
MCU結合TinyAI於智慧製造應用中，可有效執行低能耗下的基本AI運算任務。MCU作為第一線控制工業數據的核心，具備執行AI的能力後，可用於預測性維護、能源管理、視覺任務、品質檢測及物流追蹤等領域，例如在預測性維護方面，可用於偵測馬達系統異常，即時監測機器狀態以進行維修備援。視覺任務方面，MCU整合AI可支援YOLO等深度學習演算法，可在高幀數狀態下檢測並定位多個人員或物品，以用於快速產線偵測、人員出入數量管理、危險物質區域的人員偵測，違規操作等廠務應用需求。
在設備語音控制方面，整合AI的MCU可以低能耗、低延遲處理音訊任務，藉由語音命令來控制機器設備的啟動、停止或參數調整，提高操作的便捷性和安全性。物流追蹤與庫存管理方面，搭配無線通訊模組的MCU，則可用於物流追蹤系統中達成物品的即時定位和狀態監測，提升智慧倉儲和物流管理效益。
記憶體技術、RISC-V、低價化為MCU三大重要議題
在技術面上，記憶體技術的創新正推動MCU在AI應用領域的發展，其中MRAM和RRAM等新興記憶體技術的導入，能突破傳統記憶體的微縮限制，使MCU能夠處理更複雜的TinyAI任務。隨著記憶體技術進步，MCU可以在相同的裝置面積和能耗下，達到更高效的AI模型更新、部署和執行，在智慧製造等場景中，有望大幅提升推論效率和減少停機時間。
在生態面上，開源指令架構集RISC-V在MCU結合AI應用領域的崛起，預計將衝擊目前以Arm IP為主的市場格局。RISC-V的模組化特性和指令集擴展使其在特定應用上具有靈活性和成本效益，尤其適合於成本敏感的工業領域。雖然RISC-V目前的應用生態系相對破碎，但其在智慧製造等特定領域的發展值得關注。
在供需方面，中國在晶片國產化浪潮下，逐漸掌握成熟製程技術，並積極投入RISC-V研發，推出相關MCU產品。這一趨勢可能對全球MCU產業供應鏈造成挑戰，然而也為成本敏感的智慧製造應用端，提供降低硬體成本的導入契機。隨著MCU價格的下降，中小製造業者可能更願意投入部署，進而帶動系統整合、數據管理、TinyAI模型訓練及推論部署、資訊安全系統和上層的MLOps需求，為國內相關資服業者創造新商機。
(本文作者為資策會MIC產業分析師)
MCU結合微型AI 智慧應用深入製造現場(2)
