NE时代

如今，物理世界已经成为AI应用的下一个蓝海市场。

不同于数字世界，物理世界产品形态更加多样，对安全、时延的要求也就更高。这就意味着，受限于实时性和数据隐私，云端AI无法完全替代边缘侧AI。

恩智浦半导体执行副总裁兼安全连接边缘业务总经理Charles Dachs总结了边缘侧AI四大不可替代的理由，分别是带宽要求低、实时性要求高、能耗要求低、安全性要求高。

目前，恩智浦在边缘侧AI拥有一整套完善的软硬件解决方案，近期更是发布了新产品i.MX 93W处理器，在原有AI能力的基础上提升了产品的集成度。此外，在人形机器人领域，与英伟达达成合作，大幅提升边缘侧与大脑的通信能力。种种迹象说明，恩智浦在边缘AI领域仍旧不断发力，助力推动边缘侧AI的落地应用。

01.

硬件+软件框架，恩智浦构建了一整套边缘侧AI

恩智浦在边缘侧AI的布局是全方位的，包括MCU硬件、软件框架。

硬件层面，恩智浦可以根据场景需求来选择合适性能的硬件产品，从简单的微处理器（MCU）到复杂的应用处理器（i.MX系列），其中i.MX 95 的算力达到了8eTOPs，足以应对一些高性能的AI需求。

之所以能做到这一点，核心是因为这些产品中都集成了恩智浦自研的eIQ® Neutron神经处理单元（NPU），以实现AI加速功能，支持CNN、RNN、TCN和Transformer网络在内的多种神经网络类型。

eIQ Neutron神经处理单元框图，图源：恩智浦

除此之外，最新推出的i.MX 93W处理器产品在拥有1.8 eTOPs 算力的同时还实现了高集成性。首次将专用AI神经处理器单元（NPU）与安全三频无线连接功能(Wi-Fi 6 + BLE + 802.15.4 )集成到单一封装中。

i.MX 93W内部框图，图源：恩智浦

对于高集成性的优势，Charles Dachs表示客户在后续应用时，采用一颗i.MX 93W处理器可显著减少所需的分立元件数量，简化了AI和安全无线连接功能的集成，降低方案的复杂性，同时节省成本和产品体积，使得客户可以更快在边缘侧完成AI部署。据悉，i.MX 93W 处理器将于 2027 年初上市。

i.MX 93W处理器尺寸实拍图，图源：恩智浦

此外在单颗处理器算力之外，恩智浦还可以通过外挂NPU来实现AI算力的扩展。

恩智浦在去年收购了美国边缘AI芯片企业，Kinara。Charles Dachs提到，融合Kinara之后，恩智浦一方面可以在现有产品组合中集成更加高性能的AI加速器，据透露下一代处理器算力有望达到100eTOPs，是现有i.MX 95算力的12.5倍。另一方面便是可以通过单独外挂NPU产品，以产品组合的形式拓展AI算力，以灵活满足高性能场景需求。

在硬件之外，恩智浦还可为客户提供一套完整的软件框架，即eIQ® ，客户可以在eIQ® 下部署各自的AI用例。

eIQ® AI软件开发环境包含名为eIQ Toolkit的ML工作流工具以及推理引擎、神经网络编译器和优化库。该软件利用开源的专有技术，并完全集成到恩智浦MCUXpresso软件开发套件和Yocto开发环境中。

今年CES期间，恩智浦将agentic AI引入eIQ® 中，推出了eIQ Agentic AI框架。在该框架下，客户可以直接在边缘AI设备中部署智能体，降低客户AI部署的难度。作为首批支持边缘智能体AI开发的解决方案之一，eIQ Agentic AI同样具备低延迟性能，高安全特性。

在实时性方面，eIQ Agentic AI框架集成了硬件感知的模型预处理与自动化调优工作流。开发人员在并行运行视觉、音频、时间序列控制等多类模型时，eIQ Agentic AI智能调度引擎可将工作负载分配至CPU、NPU及集成加速器，实现感知、分类与决策任务的并行运行。

在安全方面，eIQ Agentic AI框架带有防范提示词注入攻击、对抗性输入、模型欺骗等安全功能，结合恩智浦边缘智能硬件的先进安全能力（如安全启动、运行时隔离区及硬件信任根），即使对于高安全性场景，也可满足要求。

与eIQ Agentic AI框架同步推出的还包括eIQ AI Hub云端开发平台，该平台提供即时访问边缘AI开发工具的云端通道。开发人员可以直接在eIQ AI Hub云端开发平台中获取最新的开发工具和功能案例，加速原型开发，并且可以直接在云端连接的硬件板上进行部署。

借助eIQ完整的开发工具，即使是新手工程师也可依赖自动化工作流程完成边缘侧AI功能案例的开发，对于资深工程师而言，则可以缩短开发时间。

02.

五大领域，边缘侧AI正在成为刚需

对于落地场景，Charles Dachs表示，恩智浦正聚焦五大场景的落地，包括医疗、电力、工厂、楼宇和机器人这些对实时性、安全性要求极高的领域。

尤其在工厂自动化领域，对于大型制造商而言，工厂停工意味着巨大的经济损失，而边缘侧AI的引入则可以很好地预防突发情况，或者在发生意外时及时介入，将损害降至最低。

Charles Dachs重点展示两个边缘侧AI的应用场景。

以工厂漏水事故为例，当边缘侧设备监测漏水情况发生时，便会出发AI智能体工作，在短时间内即可完成关闭供水阀门、关闭门禁系统，防止漏水蔓延至其他工厂。并且同一时间还会启动清理流程来排出积水。并通知相关负责人员。

在起火或爆炸等突发场景下，边缘侧AI监测到异常后可立即启动洒水灭火装置，并同步通知消防部门及工厂负责人。

另外一个案例是在医疗领域。GE医疗和恩智浦将边缘侧AI引入到新生儿护理场景中，通过AI技术可以实时监控新生儿生命指征，一旦发现异常即可立即采取行动。

以上这些都是通过边缘侧AI自主运行，无需通过云端。

更为重要的是，恩智浦边缘侧AI能够持续进化。而进化所需的数据无需通过恩智浦，通过借助恩智浦一整套软件框架，客户可以自主开发模型，进行模型的训练和部署。即使在前期，恩智浦也可通过自身在开源模型领域的积累，如Zephyr和Linux ，帮助客户快速完成模型的选择和部署。

03.

牵手英伟达，解决机器人手脑不协调难题

Charles Dachs非常看好机器人，他认为最接近真正意义上的物理AI应用场景就是机器人或者说人形机器人。但另一方面，人形机器人非常复杂，除了大脑之外，机器人的手部控制也是一个难题。实际上，目前绝大多数的灵巧手都是作为一个单独的系统来进行控制。但作为一个整机而言，仅实现手部独立控制还远远不够，Charles Dachs提到，当前大脑和手部的即时通信也是一大难点之一，同时这也是本次恩智浦与英伟达合作的重点。

本次合作，恩智浦将在高集成度片上系统（SoC）中集成英伟达Holoscan Sensor Bridge。英伟达Holoscan Sensor Bridge是一种以太网传感技术，其最大的特点是超低延迟，和传统方案相比，可将延迟降低多达10倍。集成之后，恩智浦人形机器人解决方案将在之前低功耗、高集成等固有优势基础上，进一步展现超低时延的优势。

具体进展方面，恩智浦产品组合中首批支持Holoscan Sensor Bridge的解决方案包括一款基于i.MX 95应用处理器的机器视觉解决方案，可将边缘侧高带宽数据传输至机器人“大脑” 。通信时延降低之后，机器人大脑和终端的协调能力将大幅提升，手部控制也会更加自然。

此外，本次合作还包括恩智浦i.MX RT1180跨界MCU运动链的电机控制解决方案，将由恩智浦S32J TSN交换机进行整合，并直接连接至“大脑”。该电机控制解决方案集成了对EtherCAT®和时间敏感网络（TSN）等主流工业协议的支持，这样就可以将传感器节点中采集到的数据以实时的方式发送至机器人大脑。

以上解决方案将在2026年上半年正式上市。