2023年8月23日，由与ELEXCON2023深圳国际电子展联合主办的2023第七届人工智能大会暨第四届人工智能卓越创新奖颁奖典礼圆满落幕。本次大会以“智向远大、能者千面”为主题，邀请到TI德州仪器、爱德万测试、爱芯元智、安谋科技、楼氏电子、ADI、瑞萨电子等全球知名企业高管和行业专家，带来关于边缘AI、音频处理、微控制器智能化的前沿分享。本教程将梳理大会核心内容，帮助您快速掌握边缘AI的关键技术、产品方案及行业趋势。

一、楼氏电子：创新的音频解决方案——DSP及MEMS麦克风产品

作为首个将MEMS麦克风引入手机端的公司，楼氏电子是MEMS麦克风市场的领导者，在消费级终端音频领域拥有深厚技术积累。随着降噪等智能音频需求增长，楼氏推出了智能化的麦克风和音频DSP方案。本届AI大会上，楼氏电子高级经理廖彬彬分享了《创新的音频解决方案》，并对MEMS麦克风和DSP产品进行了详细介绍。

楼氏电子高级经理 廖彬彬

1.1 MEMS麦克风产品阵容

根据信噪比的性能表现，楼氏拥有从入门到高端的完整麦克风产品阵容，同时具备低功耗、低延迟、低谐波失真等诸多优秀特性。其旗舰产品Raptor已在高端TWS耳机上得到应用。针对汽车领域，楼氏推出了通过AEC-Q100/103车规级认证的麦克风。近期楼氏发布了V2S振动麦克风，这类麦克风仅通过骨传导拾取通话者的声音，能有效抑制环境噪声，用于提高嘈杂环境中的语音通话质量。

1.2 音频DSP产品线——AISonic

楼氏的另一音频产品线——音频DSP产品线AISonic，在智能麦克风应用中被广泛应用。AISonic的先进DSP算法基于楼氏自研指令集打造，支持硬件加速神经网络指令，实现了极高的计算效率。从IA611到即将推出的IA8202，AISonic DSP的性能愈发强大，可以运行更加复杂的算法。

借助开放式的DSP架构，楼氏拥有顶尖的第三方算法开发者合作生态，提供从语音唤醒、降噪等一系列解决方案。楼氏还提供了专门用于算法开发的开发板、IDE和SDK，进一步助力客户将其音频DSP集成到产品中。

小提示： 如果您正在开发TWS耳机或车载语音系统，建议优先考虑楼氏Raptor系列麦克风与AISonic DSP组合，可显著提升降噪和语音唤醒性能。

常见问题

• Q：楼氏V2S振动麦克风与传统麦克风有什么区别？
  A：V2S振动麦克风通过骨传导拾取声音，仅采集通话者自身的振动信号，能完全屏蔽环境噪音，非常适合在嘈杂工厂、街头等场景使用。
• Q：AISonic DSP是否支持自定义算法？
  A：是的，AISonic采用开放式架构，楼氏提供IDE和SDK，开发者可基于自研指令集编写或移植第三方算法。

二、ADI：赋能边缘AI——低功耗、高性能的深度学习翻跟斗

在本次大会上，ADI资深应用工程师刘明琳带来了“ADI赋能边缘AI”的主题分享。刘明琳拥有10年以上AIoT行业技术研发经验，他指出：“人工智能革命正在快速进行，驱使冰冷的机器能够看到、听到和感知周围的世界并作出决策。越来越多的行业开始用到AI技术，而AI技术的发展使得深度学习这个功能变得强大，可以在微控制器上也实现智能。”

ADI资深应用工程师 刘明琳

2.1 边缘AI的工作原理

深度学习是基于神经元的一个系统，单一数据输入后会进入很多神经元，不同神经元之间进行交互，最后输出结果。刘明琳重点介绍了卷积神经网络（CNN）的应用情况，ADI边缘AI已在多个领域有成功案例，包括：

• 鸡蛋大小区分
• 指令控制智能头盔拍照或接电话
• 智能门锁的人脸识别
• 智能电表数字识别并自动报数

2.2 为什么选择边缘AI而非云端？

刘明琳给出了四大优点：

• 限制功耗使用：在传感器端计算结果，花费更少功耗用于通讯和云端计算。
• 改善时延：本地推理可以更快且稳定得到计算结果。
• 保护隐私：本地计算允许在不离开场所的情况下处理和销毁数据。
• 降低成本与规模：采用嵌入式方案使得总体方案成本和规模更低。

2.3 ADI的AI产品策略：低功耗、AI、超安全

• 低功耗：ADI的AI产品是小尺寸、低功耗、大内存的普适计算芯片，具有安全、内存纠错、精度模拟等工业特征，助力客户在工业领域多元扩张。
• AI：相比传统微处理器，ADI深度学习翻跟斗可使处理性能快100倍，功耗不到1%，使电池应用的机器视觉成为可能。
• 超安全：ADI本身做安全芯片起家，安全处理器在业内极具领先，ADI将安全技术集成到MCU内部，满足支付卡行业标准。

2.4 核心产品：MAX78000与MAX78002

目前ADI边缘处理器主要有两款：

• MAX78000：具有超低功耗卷积神经网络翻跟斗的人工智能微控制器。
• MAX78002：新升级产品，卷积神经网络可处理更大模型，模拟参数可达2.3兆，支持卷积神经网络层数达128层。

ADI MAX7800x边缘处理器深度学习应用覆盖图像类应用、信号变换、时间序列类应用。具有超高的性能和能效比，在边缘设备上可实现深度学习推理加速，同时超低功耗技术可延长嵌入式设备电池寿命。搭载多种接口（摄像头、I2C、SPI、GPIO等），方便开发者与外部设备连接和交互。

小提示： 对于需要超低功耗且实时推理的场景（如智能门锁、工业传感器），推荐使用MAX78000系列，其功耗仅为传统方案的1%左右。

常见问题

• Q：ADI边缘AI方案是否支持离线训练？
  A：不支持离线训练，但支持在边缘设备上进行推理加速。训练过程通常在云端完成，然后通过工具链将模型部署到MAX7800x芯片上。
• Q：MAX78002最大支持多少层神经网络？
  A：MAX78002支持最多128层卷积神经网络，模拟参数可达2.3兆，适合更复杂的模型。

三、瑞萨电子：小资源大能量——边缘AI解决方案的秘密武器

在本次大会上，瑞萨电子资深技术专家凌滔带来了主题为“小资源大能量，边缘AI解决方案的秘密武器”的精彩分享，内容分为三部分：AI概述、瑞萨边缘侧MCU上的AI/ML布局、瑞萨Cortex-M85 MCU。

瑞萨电子资深技术专家 凌滔

3.1 AI概述与边缘AI应用场景

“AI对我来说，就是现在的网红，特别是今年的Chat GPT生成式AI火得一塌糊涂。AI从学科上定义为研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。”凌滔表示。边缘侧AI已广泛覆盖以下场景：

• 人脸识别
• 物体识别
• 声音识别
• 活动场景识别
• 设备振动监测
• 设备电压电流状态监测

3.2 瑞萨边缘侧MCU的AI/ML布局

去年瑞萨收购了专门做机器学习的Reality AI。它拥有实时分析的端到端自动机器学习工具，可生成小型AI软件，具有强大的数学运算内核，生成的代码非常紧凑，且模型具有可解释性。瑞萨还针对主流神经网络框架开发了e-AI Translator工具，自带模型开发模式（BYOM），适用于已有自己模型且想快速部署到瑞萨MCU中的客户。

3.3 全球首颗Cortex-M85 MCU

本次大会上，瑞萨电子重磅发布了全球第一颗Cortex-M85 MCU。这是一颗带Helium（M型向量扩展技术）的MCU，可以为边缘节点人工智能等计算密集型应用提供先进的DSP/ML功能，运算更快。Cortex-M85提供超过6 CoreMark/MHz的性能，可支持要求最高计算性能和DSP或ML功能的苛刻物联网应用。瑞萨下一代RA MCU上的基于摄像头的人体检测，与Plumerai合作开发使用Helium加速，实现13fps的帧率，性能提升至Cortex-M7内核的3.6倍。

小提示： 如果您的项目需要极高性能的嵌入式AI推理（如实时摄像头人体检测），瑞萨Cortex-M85 MCU是当前最优选择，其Helium向量扩展可大幅提升ML运算效率。

常见问题

• Q：瑞萨e-AI Translator工具是否支持TensorFlow模型？
  A：支持，e-AI Translator可以转换主流框架（如TensorFlow、PyTorch、Keras）训练的模型，并自动优化部署到瑞萨MCU上。
• Q：Cortex-M85相比Cortex-M7性能提升多少？
  A：根据瑞萨测试数据，在人体检测场景中，Cortex-M85性能可达Cortex-M7的3.6倍，且支持Helium加速，更适合ML/DSP任务。

四、2023年人工智能产业概况及应用趋势分析

人工智能技术被认为是新一轮科技革命和产业革命的重要驱动力量。过去这些年，产业市场规模快速成长：

• 2021年全球人工智能产业市场收入总计为3833亿美元
• 2022年达到4328亿美元，同比增长19.6%
• 预计2023年将会超过5000亿美元规模

在中国，人工智能产业发展速度更快：

• 2021年中国人工智能核心产业规模约为1998亿元
• 预计2026年将超过6000亿元，复合年增长率达到24.8%

4.1 当前面临的行业痛点

尽管发展迅速，当前人工智能仍处于商业落地早期，主要面临以下痛点：

• 场景需求碎片化
• 人力研发和应用计算成本高
• 长尾场景数据较少导致模型训练精度不够
• 模型算法从实验室场景到真实场景效果差距大

大模型的出现有望推动人工智能产业化进一步加速。

4.2 重点应用领域与驱动力

根据电子发烧友调研，人工智能的应用将向更深更广方向发展，最被看好的几个应用领域包括：

• 智能制造
• 智能驾驶
• 机器人

此外，智能家居、智能消防、智慧农业、医疗健康、养老、互联网、安防、能源、教育、零售等领域也将是重要应用方向。

产业编辑 李弯弯

4.3 人工智能大规模落地的驱动力因素

从调研结果来看，主要驱动力包括：

• 算力进一步提升
• 算法继续优化
• 开放的数据平台
• 生态系统的建设
• 场景有效数据化
• 商业模式的成熟
• 成本进一步降低

小提示： 如果您正在规划AI落地项目，建议优先关注智能制造、智能驾驶和机器人三大领域，同时关注边缘AI芯片（如ADI MAX7800x、瑞萨Cortex-M85）来降低功耗和成本。

常见问题

• Q：中国AI市场规模增速为何高于全球？
  A：主要得益于政策支持、庞大的制造业和消费市场、以及大量AI初创企业推动，使得中国AI产业复合年增长率达到24.8%，远超全球平均。
• Q：当前AI落地最大的障碍是什么？
  A：最大障碍是场景需求碎片化导致模型泛化能力不足，以及从实验室到真实场景的迁移效果差。大模型和边缘AI方案正在逐步解决这些问题。

总结

通过本次大会，我们可以看到边缘AI正从概念走向大规模落地。楼氏在音频传感与DSP方面的创新、ADI在超低功耗深度学习翻跟斗上的突破、瑞萨在Cortex-M85 MCU上的性能提升，都为开发者提供了更丰富的选择。同时，人工智能产业规模持续高速增长，制造、驾驶、机器人等领域成为热点。建议开发者根据自身应用场景（功耗、性能、成本、安全需求）选择合适的边缘AI方案，并善用各厂商提供的工具链（如楼氏IDE、ADI MAX7800x工具、瑞萨e-AI Translator）加速产品开发。