AI (人工智能) 正在重塑我们的世界。

一方面，新一代数据中心的建设如火如荼，从云端提供更强算力，加速AI技术的迭代。

另一方面，AI也在不断向网络边缘端延伸。藉由网络“末梢”的边缘设备走到用户的身边，边缘AI正在加速崛起。

边缘AI崛起的基础条件

顾名思义, 边缘AI由边缘计算演化而来，无需依赖云端的资源，即可在靠近用户的地方部署AI应用。

它既继承了边缘计算本地化处理、实时性、更安全的特点，又能够在边缘端实现包括推理乃至训练等AI功能，让边缘设备的智能化水平跃上一个新台阶。

进一步探究，我们会发现，想要实现边缘AI有两个必要条件：一是连接，二是算力。

• 01 连接，特别是无线连接：将大量的边缘设备与云端连为一个整体。一方面，可以让来自海量边缘设备的“小数据“汇聚成云端的“大数据”，建立更深入的洞察；另一方面，也让更丰富的AI应用跨越数据边界，经由边缘设备在真实的物理世界落地。
• 02 边缘端算力：边缘端的算力挑战也不容忽视。如何在资源有限且对功耗更为敏感的边缘设备中部署比较“吃算力”的AI功能，是开发者必须面对的一个课题。

业界的解决方案不外乎两个路径：

• 一是在硬件上加码，提升主处理器性能或添加专用的协处理器 (如NPU)。
• 二是从软件上入手，裁剪出更适合于在嵌入式设备上运行的“小”模型。

上述边缘AI的技术趋势，正在波及到半导体行业的方方面面，也为无线SoC的发展带来了新机遇。

边缘AI为无线SoC带来新方向

想当年，通过将无线通信模块、微控制器或处理器，以及存储器和I/O接口等资源集成在一颗单芯片中，无线SoC凭借这一创新的产品定位，令硬件产品能够更便捷地获得联网能力。

同时，它也大大简化了系统设计，有力地推动了物联网的发展。

如今，边缘AI的发展无疑为无线SoC的“进化”指明了新方向。

如果能够在原有平台基础上将AI功能集成进来，在提供连接性的同时，也为实现“边缘智能“带来更大的便利，打造一颗能够“玩得转AI”的无线SoC，那就稳稳地获得一张边缘AI市场盛宴的“入场券”。

大目标已然清晰。但是想要顺利达到终点，则需要周密的计划和积极的实践，一场新的竞逐已经拉开序幕。

面对这一市场机遇，作为无线SoC领域的主力厂商， Nordic Semiconductor (以下简称Nordic) 早已开始谋篇布局，并且通过关键的“三步走”策略，推动无线SoC加速迈向边缘AI时代。

第一步：无线SoC平台升级

升级自身的无线SoC技术平台，是Nordic向边缘AI迈进的第一步。

物联网硬件工程师都知道，Nordic的nRF52系列是非常成功的无线SoC，累计出货量高达数十亿。

不过，面对边缘AI在连接性、算力、安全性等诸多方面更高的要求，必须有新一代的产品来接棒。于是，nRF54系列应运而生。

以极具代表性的nRF54L15系列低功耗蓝牙SoC为例，其在各个方面都将无线SoC的性能推升到了一个新高度：

• 更强的算力：nRF54L15系列SoC搭载了128 MHz的Arm Cortex-M33处理器内核，配备1.5MB非易失性存储器以及256KB RAM。相较于上一代的nRF52840，它的处理能力翻了一番，处理效率更是提升了三倍之多。这使得它能够处理更为复杂的通信协议和应用程序，从而满足更高层次的边缘智能开发需求。
• 支持多协议：nRF54L15系列支持新版BLE 6.0标准，也支持新增的蓝牙信道探测 (Channel Sound)，以及蓝牙Mesh等功能。与此同时，nRF54L系列也支持Zigbee、Thread、Matter、Amazon Sidewalk和专有2.4GHz协议，与Nordic的nRF70系列协同IC搭配，还可运行Wi-Fi协议栈，可以应对多样化的无线互连设计要求。
• 超低的功耗：与上一代无线SoC相比，nRF54L15系列将无线电与高效的MCU相结合，显著降低了典型BLE用例的功耗，在低功耗条件下可实现高达8dBm的发射功率和-96dBm的接收灵敏度。
• 先进的安全功能：在nRF54L15系列中，集成了安全启动、安全固件更新、安全存储、基于TrustZone的可信执行环境、具有侧信道泄漏保护功能的加密加&速器和篡改检测器等安全特性，以满足不断提升的边缘设备安全需求。

此外，nRF54L15系列蓝牙SoC还集成了RISC-V协处理器和丰富的外设资源，提供Pin-to-Pin的封装变体，以及配套的高性价比、多功能开发套件，为应用开发带来极大的便利性和灵活性。

围绕nRF54系列的所有这些性能提升和开发资源的完善，不仅是在引领新一代无线SoC的技术升级，也是在为应对边缘AI的开发挑战夯实基础。

第二步：整合创新TinyML方案

众所周知，在算力资源有限的边缘设备中部署AI，就像是“将大象装进冰箱”，极具挑战性。

想要完成这个任务，要么是“加大冰箱容量”，即提升边缘主控器件的硬件性能——但这不可避免地会受到功耗、成本等因素的制约；要么就是“压缩大象的体积”，即开发出适合于在MCU等性能有限的嵌入式处理器上运行的小体量的及其学习模型（即所谓TinyML）。

通过推出nRF54系列，Nordic已经在提升硬件性能上迈出了关键的一步。

接下来在TinyML上的布局，则是其要迈出的第二步。

通过收购边缘设备全自动TinyML解决方案供应商Neuton.AI，Nordic得以将Neuton.AI创新的Neuton神经网络框架与nRF54系列出色的性能相结合，使得在边缘设备上实现超高效机器学习应用成为可能。

具体而言，Neuton神经网络相较于结构冗余的传统全连接网络，效率高得惊人。

• 它在生长过程中会自动剔除不重要的神经元与权重，还支持跨层连接。
• 如此一来，模型就不再是呆板的层级堆叠，而是高度精简、按需连接的稀疏拓扑结构。
• 所以，经过Neuton神经网络训练后的机器学习模型，体积仅有5KB甚至更小，比其他类似模型小10倍，运行速度也更快。
• 而且，它无需手动调优，也不需要数据科学专业知识，简单易用，特别适合在MCU上快速部署，这对于边缘AI开发者来说，简直是天大的好消息！

显而易见，创新的Neuton神经网络适用于包括nRF54系列在内的Nordic所有无线SoC产品组合。

将其整合进Nordic的边缘AI生态系统，有助于开发者快速创建人工智能应用，同时保持低功耗的特性，并节省各种宝贵的设备和系统资源。藉此，Nordic又向边缘AI的愿景迈出了坚实的一步。

第三步：集成硬件NPU

在“推进无线SoC进化，迈入边缘AI时代”的道路上，Nordic并未就此止步。

有了Neuton神经网络框架的加持，可以让模型高效率地运行在Arm Cortex-M系列CPU上，处理运动传感器、光电传感器等时间序列数据。

不过，这种“在CPU上跑精简模型”的方案覆盖的应用场景有限。

想要进一步提升模型推理速度和能效，满足音频流、小型视频流处理等具有较高数据量的时间序列数据处理工作，则需要一种新的技术方案来补位——在芯片中集成专用的NPU (神经处理单元) 硬件加&速器。

为此，Nordic扩展了nRF54系列的产品组合，推出了首款搭载NPU的nRF54LM20B系列SoC。

nRF54LM20B集成了Axon NPU，针对TensorFlow Lite级别模型的处理速度比Arm Cortex CPU快15倍，且能耗大幅降低。

根据Nordic提供的数据，与类似的边缘AI精品解决方案相比，nRF54LM20B性能高出7倍，能效则提升8倍，这使得高速率传感器数据、音频及事件驱动型边缘AI应用，也可在电池供电条件下稳定运行。

与此同时，nRF54LM20B还配备了2MB非易失性存储器和512KB RAM，以及扩展的外设集群、高速USB接口、多达66个GPIO引脚，以应对更高阶的应用开发所需。

在无线连接方面，nRF54LM20B也是能力值拉满，支持BLE、Matter、Thread、Zigbee及2.4 GHz专有协议，数据速率高达4Mbps，配合nRF70系列协同IC，还可支持蓝牙信道探测、蓝牙Mesh及Wi-Fi功能，极大地拓展了边缘AI开发的想象空间。

值得一提的是，伴随着nRF54LM20B的推出，与其配套的开发套件nRF54LM20-DK也已同步上架。

有了这款经济实惠的单板开发套件，开发者就能够快速上手体验该nRF54LM20B的所有功能，探索在电池供电的可穿戴、智能家居与音频、工业和医疗传感器以及追踪器等设备上，快速部署边缘AI应用。

本文小结

边缘AI正在悄然改变嵌入式开发的生态和游戏规则。

如何快速迭代，跟上行业和市场发展的大势，是摆在芯片厂商面前的必答题。

Nordic通过缜密的布局和积极而稳健的行动，逐渐集齐了在边缘AI所需的关键技术拼图，也为加速无线SoC在边缘AI时代的进化，夯实了基础。