据Yole研究报告显示，2023年全球MCU市场规模约229亿美元，预计至2028年将以5.3%的年复合增速达到320亿美元。《国际电子商情》也注意到，2024年，尽管在市场与技术的双重驱动下，本就多元化的MCU市场正迎来新一轮的竞争，但以下四方面的变化则更引人关注。
制程工艺屡获突破
3月底，意法半导体(ST)宣布和三星晶圆代工厂共同开发出基于18纳米全耗尽绝缘体上硅(FD-SOI)技术，并整合嵌入式相变存储器(ePCM)的先进制造工艺，用以支持下一代汽车、工业嵌入式处理器的升级进化。
意法半导体中国区微控制器、数字IC与射频产品部(MDRF)、物联网/人工智能技术创新中心及数字营销副总裁朱利安(ARNAUD JULIENNE)对媒体表示，与ST目前在用的40nm嵌入式非易失性存储器(eNVM)技术相比，这项新工艺技术集成了容量更大的存储器和更多的模拟与数字外设，将使嵌入式处理应用的性能和功耗实现巨大飞跃。
路线图显示，基于新技术的下一代STM32微控制器的首款产品将于2024下半年开始向部分客户提供样片，2025年下半年排产。
与此同时，恩智浦也宣布将推出5nm S32N系列处理器，提供安全、实时应用处理的可扩展组合，满足汽车制造商的中央计算需求。S32N处理器不仅可以帮助实现软件定义汽车的新用例和优势，还能高效地创建和变现汽车数据的收集与分析，在汽车的生命周期简化汽车功能和服务的部署。
上述两款产品主要围绕汽车应用展开。目前，国际大厂在车规级MCU层面最先进的工艺为40nm，国内厂商大多为130nm/90nm/65nm，随着汽车电子电气架构的升级和智能化程度的不断提升，越来越多的厂商希望车规级MCU具备大算力、高带宽、大容量、高安全性等先进特性，而提升制程工艺无疑是最有效的手段之一。
推动车规级MCU工艺快速突破的另一原因，还来自嵌入式闪存，尤其是新兴存储技术领域取得的巨大进步。关于这一点，我们在《2024年全球半导体行业10大技术趋势》一文中进行了精准的预测，并指出，“无论是作为独立芯片还是被嵌入于ASIC、微控制器和运算处理器中，它们都有可能变得比现有的主流内存技术更具竞争力。”
尽管从目前的主流市场来看，闪存与MCU在制程工艺水平上基本保持一致(40nm)，但传统闪存面临着难以进一步扩展和集成、可擦写次数较少等瓶颈，这也是为什么PCM、MRAM和RRAM等新型存储技术得到重点关注的原因。
比如台积电日前就推出了业界首个拥有最先进的22纳米CMOS技术的RRAM，可与嵌入式STT-MRAM相媲美，相比英飞凌目前与台积电合作的28nm RRAM工艺又前进了一步。MRAM方面，瑞萨和恩智浦是主要玩家，前者为22nm STT-MRAM，后者为16nm FinFET MRAM。
当然，能否实现较高的生产良率？产品的可靠性是否经历了大规模车载应用的检验？供应链稳定性如何？等问题，是这些新型存储技术需要面对的挑战。
不过，朱利安也指出，虽然18nm工艺的优势在于高功率密度和超低功耗，但并不是所有的MCU都需要采用这一工艺，ST 40nm工艺将长期存在。对于国内MCU厂商而言，立足当下，将现有产品做大做强，在成熟工艺领域加大替代力度，扩大市占率，一些具备实力的头部企业可提前做平台预研和开发，应该是较为理性的发展道路。
加码图像处理性能
最近，不断拓展MCU产品的图形处理能力，用MCU实现昂贵的MPU才能实现的图形效果，也正成为MCU厂商们比拼的重点。
我们可以先来看一组新闻报道，感受一下MCU巨头血拼GPU性能的激烈程度：
先楫半导体
先楫半导体推出的HPM6800系列配备了芯原的高性能2.5D OpenVG GPU，能够为MCU/MPU设备提供高能效的图形处理和优质的图像输出，同时显著降低CPU负载，可广泛应用于汽车、工业和可穿戴产品中。
兆易创新
2023年5月推出的GD32H7系列MCU内置了TFT LCD液晶驱动器和图形处理加速器IPA(Image Processing Accelerator)，支持2D图像叠加、旋转、缩放及多种颜色格式转换等功能。
意法半导体
最新推出的STM32H7R/S MCU就集成了NeoChrom GPU图形处理器，能够实现MPU级别的图形用户界面(GUI)，具有丰富的色彩，支持动画播放和3D图效；另一颗MCU产品STM32MP2则配备了GPU、NPU和视频处理器(VPU)，3D GPU支持分辨率高达1080p的显示，强大的多媒体功能还包括带有并行 LVDS 和 DSI 接口的全高清视频通道。
英飞凌
TRAVEO T2G-C系列微控制器配有专用的图形加速器，能够以MCU的成本打造具有MPU性能的仪表盘、车载信息娱乐和座舱系统。其内置的图形引擎可将图形处理所需的内存减少3-5倍，从而降低功耗和成本。由于配备经过优化的2.5D图形引擎，该MCU可支持分辨率高达1920 x 1080的全虚拟仪表盘。
恩智浦
恩智浦在2020年发布的i.MX RT500系列跨界MCU中就集成了2D GPU。随后，无论是2021年推出的i.MX RT1160系列，还是2023年推出的i.MX RT1170系列跨界MCU，也均搭载了2D GPU，用以高效地完成诸如图形缩放、旋转、倾斜、图层叠加、混合等酷炫的显示效果。
瑞萨
搭载2D图形绘制引擎的RA8D1是比较有代表性的产品。该图形LCD控制器支持高达WXGA的分辨率(1280×800)、16位CEU摄像头接口、以及32位外部SDRAM接口，瑞萨还为其在工业HMI、视频门铃、病人监护仪、图形计算器、安全面板、打印机显示面板和家电显示器等图形应用领域搭建了强大的开发平台。
“之所以会在MCU中引入2D/3D GPU，与现在人机交互方式的转变密不可分。”意法半导体中国区微控制器、数字IC与射频产品部(MDRF)市场经理杜铭认为，消费者希望在智能家电、智能家居控制器、电动车和工业终端中看到更清晰的画质、更有趣的互动、更时尚的人机界面，因此，图形专用MCU成为厂商竞争的另一个赛道并不令人感到意外。
发力蓝牙5.4
根据蓝牙技术联盟(Bluetooth Special Interest Group，SIG)日前发布的年度报告《2024年蓝牙市场最新资讯》，到2028年，蓝牙设备的年出货量将达到75亿台，五年复合年增长率(CAGR)为8%。
该报告指出，蓝牙技术不仅被用于支持越来越多的传统用例，而且还扩展到并创造了广泛的新兴用例。这其中，电子货架标签(ESL)和网络照明控制(NLC)最具代表性，而它们正是利用了最近在Bluetooth核心规格5.4版中发布的几个新功能，尤其是带有响应的定期广播(PAwR)和加密广播数据。
正因为如此，从蓝牙5.4面世开始，MCU厂商就陆续推出了相关产品。以ST新推出的STM32WBA54和STM32WBA55两款无线微控制器(MCU)为例，两款高性能无线微控制器均支持BLE 5.4与BLE Audio标准，能够让开发者更灵活地优化音质和功耗。此外，LE Audio带来的最新用例让开发者可以利用广播和多播音频等功能设计更多富有想象力的新产品。
恩智浦MCX W72则选择支持蓝牙信道探测技术，能够实现两个设备之间的距离/间距测量。这是因为SIG预测称在未来五年内，蓝牙位置服务设备的年复合成长率为22%，在2028年出货量将达到5.63亿台。而即将推出的“Channel Sounding”规范有望实现更为精准的测距，为当前的即时定位系统(RTLS)带来更多优势，包括更高的精准度和安全性等。
Nordic nRF54系列也支持蓝牙5.4、LE Audio、蓝牙mesh、Thread、Matter等协议，早在2023年10月，Nordic就与深圳云里物里科技合作推出电子货架标签，并展示了相关用例。
AIROC™ CYW20829低功耗蓝牙系统级芯片和AIROC™ CYW5551x Wi-Fi 6/6E和蓝牙5.4二合一解决方案，是英飞凌方面的新尝试，智能家居、传感器、医疗看护、照明、蓝牙mesh网络、远程控制、人机交互设备(鼠标、键盘、虚拟现实和游戏控制器)、工业自动化以及汽车等领域有着广泛的应用。
国内厂商方面，乐鑫推出的ESP32-H4同样融合了802.15.4和Bluetooth 5.4(LE)技术，并且在功耗、连接性能和内存扩展能力方面进行了升级，能够满足市场对低功耗无线设备日益增长的需求。
2023年3月，沁恒推出的CH592是基于青棵RISC-V内核设计的蓝牙无线MCU，内部集成2Mbps的BLE5.4，采用低功耗射频工艺设计，定位于更低功耗、更低成本LCD显示的蓝牙应用。
总体而言，网络连接能力对物联网端侧设备而言是实现智能化、自动化以及与用户/设备/服务进行互动的基础，用户在选择低功耗蓝牙设备时最看重三点：超低功耗、射频连接稳定性和小巧的尺寸。
此外，要考虑的因素还包括根据产品形态和功能对集成的功能模块、外设或者其他一些参数提出的额外要求。尽管市场需求量大，但只拼价格的做法一定是不可持续的，创新的技术、本土化支持和在产能和供应链上的主导权，将成为未来10-15年内竞争的焦点。
将AI全面下沉至端侧
人工智能(AI)并不是全新的技术概念，其历史可以追溯到20世纪50年代，进入21世纪后，受益于算力的迅猛提升，以及大数据、云计算、深度学习等技术的快速发展，AI在图像识别、语音识别、自然语言处理、机器人、自动驾驶等领域取得了突破性的进展。尤其是近年来，随着应用的不断拓展和渗透，“边缘人工智能(Edge AI) ”/“嵌入式AI”/“端侧AI”等概念逐渐成为业界热点。
虽然叫法不同，但这些不同概念讲述的其实是同一件事情——“将AI算法嵌入到端侧设备中，使得设备能够具备智能化、自动化和高效化的能力”。而MCU作为最末端、直接控制物料动作的数字逻辑器件，也应该是AI化的，不应该被排斥在AI之外。事实上，AI/ML技术的使用增长极其迅猛，从数量上来看，相对于数百万到千万量级的AI服务器，到2030年，预计端侧支持嵌入式AI设备出货将达到25亿台，市场潜力巨大。
但“跨界不易，结合更难”。比如，许多可以利用AI/ML功能的网络边缘应用需要在极具严苛的功耗限制下运行，很多设备需要在仅充一次电或者仅依靠收集和存储能量的情况下运行较长时间，甚至可能是几个月或几年。而且，近十年来AI模型快速发展，AI分类模型创新的数量逐年递增，导致不断有新的实现方式产生，这就需要硬件和算法上的优化。
同时，由于MCU硬件性能限制、AI软件的复杂度高、行业应用实时性要求高、能耗限制严格、数据安全性要求高，嵌入式AI在MCU的行业应用落地需要业务团队具备丰富的AI知识经验，以及嵌入式软硬件能力。
一方面要开发团队与落地场景之间要展开深度合作。基于真实场景的基础数据及嵌入式AI团队提供的专业的定制化方案，才能真正解决问题，做出价值。
另一方面要能够实现AI模型到MCU的快速部署。通用AI模型往往并不是针对嵌入式应用设计，AI开发工具品类又非常庞杂，而MCU的RAM、Flash资源及CPU算力通常都非常受限，如何选择合适的AI模型和开发工具用来开发出解决特定场景问题模型，又如何将AI模型部署到受限资源的MCU上，这是一个复杂的工程。
