文 | 半导体产业纵横
2026 年 7 月初的上海，慕尼黑上海电子展的人潮里，嵌入式厂商的展台比以往热闹得多。前来逛展的工程师不再是只问价格和交期，更多人围着人形机器人的灵巧手 Demo、边缘 AI 开发板等驻足。那么，今年的嵌入式行业的风口到底在哪？
AI MCU 的落地如何？
"AI MCU" 的概念已经提出很久了，但落地情况究竟如何？
德州仪器（TI）现场展示了集成 TinyEngine NPU 的边缘 AI 数字识别方案。TinyEngine NPU 是 TI 推出一款专用的硬件加速器，可以提供 2.56GOPS 计算性能，专门为深度学习、推理运算而设计。不过行业人士表示，AI MCU 的算力普遍落在零点几 TOPS 区间，只能跑十几 K 到几十 K 参数的小型神经网络，主要用于 " 分类 "，比如毫米波雷达做姿态分类、电机振动信号的异常检测等。TI 工作人员坦言，这类嵌入式设备本来就不是集中式处理，而是细分场景的 " 小任务 "。他们还配套推出了傻瓜式的 IDE 工具，号称可以 " 手把手 " 完成数据采集、标注、训练到部署，甚至直接输出头文件，把网络权重编译进工程。更值得注意的是，TI 已经把 AI 接入了自家的 CC Studio 集成开发环境，直接对接大模型，实现 " 提需求→自动编码→自动烧录→自动 Debug" 的一条龙服务。用现场工程师的话说，" 基本不用你再有编程能力，只要能看懂东西就行。" 实际上，MCU 上的功能本身不算特别复杂，而 AI 辅助编程恰恰在 " 简单场景 " 里最有优势，毕竟任务太复杂的话，MCU 的内存和算力根本装不下，反而限制了发挥。
意法半导体（ST）则带来了 STM32N6 这颗边缘 AI MCU 芯片，拥有 0.6 TOPS 算力，内置自研 NPU，跑标准 CV 模型，可做手势识别和关键点检测等。ST 中国区微控制器产品部陈德勇在同期一场报告里强调，边缘 AI 部署必须满足 " 两小两低 "：小 Flash、小 RAM、低功耗、低延时。他还透露，ST 早在 2015 年就开始做 NPU 测试芯片，如今已有超过 5000 款基于 ARM 平台的 MCU/MPU，并且是全球唯一一家提供 MCU 基准测试在线平台的厂商，73% 的 ML Perf Tiny 开发者选用了 STM32。不过，AI MCU 也存在模型转换中 " 浮点转整型 " 的精度损失问题，ST 给出的建议是：训练阶段先用浮点把模型 " 挤到极致 "，再转成 Integer 8 部署，在 Flash 占用和推理时间上取得平衡。
ARM则在一场技术报告中主推 "Zephyr RTOS"，意图打通从 Cortex-M 到 Cortex-A 的迁移路径。ARM 认为，边缘 AI 需要更大的算力扩展，但开发者不想从实时操作系统一跳进入臃肿的 Linux。Zephyr 保留了 RTOS 的轻量与可预测性，又能利用 Cortex-A 的 MMU 和多核 SMP，让嵌入式代码平滑升级。ARM 现场还提到，其 Ethos-U 系列 NPU（U55/U65/U85）已能搭配 Cortex-M 和 Cortex-A 使用，TensorFlow Lite 和 PyTorch 运行时也已就绪。
不过，AI MCU 的落地仍卡在 " 数据采集 " 和 " 法规 " 两头。TI 工作人员提到，AI MCU 数据采集配套的 60 GHz 毫米波雷达在中国尚未明确开放标准，" 没说不能用，也没说能用 "，但竞争对手可以借此举报，导致工业客户普遍偏谨慎；而摄像头数据采集方案又有隐私顾虑；激光雷达的话，价格昂贵，一个雷达上千元，而一颗 AI MCU 才几十元。在应用方向上，TI 现场也提到了养老、康养等未来潜在场景，但眼下这类需求尚未真正释放。多家厂商的共同判断是：边缘侧的 AI MCU 目前 " 不温不火 "，真正的爆发还要等应用场景和法规的进一步成熟。
人形机器人 MCU 是新蓝海吗？
如果 AI MCU 还在等风来，人形机器人 MCU 则已经站在了预研到小批量的门槛上。
在访谈中，多家厂商形成了一个共识：当前机器人出货量还很小，即便宇树年销几万台，对芯片厂来说也只是 " 几百万颗 "，而他们月出货往往以亿计。因此，眼下做机器人 MCU" 不赚钱 "，纯粹是押注未来。人形机器人真正的成本也不是 MCU，而是减速器——由于规格尚未标准化，各家自研，没有规模效应，价格居高不下。ST 方面甚至表示，机器人业务目前 " 瞄准未来，现在起量很难 "，MCU 走的是 " 量大、利薄 " 的路线。
RISC-V 在嵌入式领域能替代 ARM 架构吗？
在 ARM 生态之外，RISC-V 是今年展会上另一条愈发清晰的 MCU 路线。
沁恒微的 " 青稞 "MCU 是典型代表，主攻接口芯片。他们早在 2018 年就全面转向 RISC-V，自研内核，ARM 产品已极少出货。现场工程师给出的理由很直白，一是安全，不受地缘政治影响；二是便宜，直接给客户省成本；三是性能并不差，用 CH32V203 对标 STM32F 103，在 CoreMark 跑分和功耗上都有优势。
矽力杰也走了 RISC-V 路径。其展出的 SA32D 系列 MCU 基于高性能高可靠性的 RISC-V 核，具有超高运算性能和丰富的外设，主要用于区域控制 ( ZCU ) 、动力电池管理系统的 BMU、主驱电机控制、底盘应用和部分 ADAS 应用等高安全主控边缘计算和控制的场景。产品符合 AEC-Q100 标准和功能安全 ISO 26262 ASIL-D。矽力杰方面表示，RISC-V 的 IP 形态已经丰富，从 M0 级别到 64 位服务器级都有，生态正从消费→工业→汽车传导。对于 "AI MCU" 概念，矽力杰的态度相对冷静：大家都在看，但 MCU 上的 NPU 算力只有 0.3～0.5 TOPS，" 这么弱的算力能做什么？关键看场景能不能带来价值。"
MRAM 将成未来嵌入式存储的新方案
嵌入式微系统的演进始终围绕性能、成本与可靠性展开。而边缘 AI 推理、机器人关节实时控制、工业高频采样等场景的持续升级，不仅在重塑微系统的核心—— MCU 本身，也在倒逼整个存储体系同步迭代。传统 Flash 受限于擦写次数、写入速度与块操作模式，已难以同时满足高速度、高擦写、高可靠的多重需求，MRAM 作为新型非易失性存储的代表，正在成为支撑嵌入式微系统性能升级新的技术路径。
本届展会上，本土厂商浙江驰拓科技有限公司携带其 MRAM 相关方案亮相，在杭州临安青山湖布局了 12 英寸 MRAM 产线，是目前国内唯一实现 STT-MRAM 量产制造的厂商。其当前主力产品读写速度几十纳秒，支持按位读写、无需擦除，掉电非易失且擦写次数可达万亿次以上，远超 Flash 的微秒级写入速度与十万次擦写寿命；下一代技术 SOT-MRAM 处于研发阶段，读写速度可提升至纳秒级，相关成果已发表于 IEDM 顶刊。容量方面，目前独立式芯片容量覆盖了 Kb 级到 64Mb，规划向 128Mb 至 Gb 级演进。其另一个重要的业务是嵌入式 MRAM（eMRAM）--- 把 MRAM 直接做到 MCU/SoC 内部，替代传统的嵌入式 Flash 或缓存，驰拓已与国内领先 MCU 企业进行合作。
据了解，落地场景上，与 SRAM+ 电池的掉电保护方案相比，MRAM 无需电池，彻底解决了防爆、偏远场景下的维护难题。更值得关注的是，随着 DRAM 等传统存储价格持续飙升，MRAM 也能够触达 SCM（存储级内存）市场。在可穿戴设备等对功耗极度敏感的场景中，MRAM 凭借非易失性特性，无需像 SRAM 或 DRAM 那样持续供电，天然具备低功耗优势；而相较于同为新型存储的 PCM（相变存储），MRAM 在宽温域方面更胜一筹，这使得它在工业级和车规级应用中更具确定性。在工业领域，其产品已进入工业 PLC/DCS、商业储能等领域，合作客户包括国内领先工业控制企业与储能企业等。其代表产品已通过 AECQ100-Grade1 车规认证，正在向车企及 Tier1/2 供应商推广。
当前驰拓科技的嵌入式 MRAM 产品仍在追赶台积电、三星等国际龙头，但其独立式 MRAM 产品与国外企业能够同台竞技。除自有产品外，其还为高校、科研院所以及初创半导体企业提供流片服务，是国内稀缺的新型存储和微纳制造平台。
驰拓认为，随着存算一体技术的演进，MRAM 未来有望在 AI 芯片中发挥更大价值，当前则先从工业、储能、泛交通等场景切入，逐步向 AI 领域拓展。
回过头看，嵌入式系统的竞争焦点，正在转向参数转向谁更能精准匹配场景、谁更能自主掌控架构、谁更能重构存储底座。AI MCU 的零点几 TOPS 算力不惊艳，但足以撬动细分场景的智能化；人形机器人的上百颗 MCU 用量不夸张，但足以重塑运动控制的芯片需求曲线；RISC-V 的 IP 授权不复杂，但足以打破 ARM 生态的单一依赖；MRAM 的容量还不高，但足以在工业和车规领域建立非易失存储的新标准。这些变化单独看都不剧烈，叠加在一起，却正在重新定义嵌入式的边界。
