<span style='color:red'>瑞萨</span>推出旗舰级32位MCU RX74M和RX74N，首次在RX家族中采用22nm工艺并搭载MRAM
行业新闻

瑞萨推出旗舰级32位MCU RX74M和RX74N，首次在RX家族中采用22nm工艺并搭载MRAM

　　高达600MHz的RXv3e内核与高速MRAM可实现快速、可靠的实时性能　　RX74M可在单一器件上支持包括EtherCAT、支持TSN的千兆以太网和CAN FD在内的主流工业网络　　基于硬件的安全功能可满足新一代安全需求，如符合《网络弹性法案》要求，并支持后量子密码技术　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日推出全新旗舰级32位微控制器(MCU)RX74M和RX74N。两款产品的运行频率最高可达600MHz，是RX家族中首批采用22nm工艺并集成嵌入式MRAM的产品。与240MHz的上一代产品RX72M和RX72N相比，两款新品的性能均提升至两倍以上。RX74M面向工业自动化和工厂自动化设备，例如交流驱动器、工业机器人和可编程逻辑控制器(PLC);RX74N则面向包括智能电表、功率调节器以及暖通空调(HVAC)系统在内的广泛工业设备。　　22nm工艺与MRAM实现高速实时处理　　随着工业系统日益复杂，在网络中同步连接众多节点的同时实现稳定、高速运行的需求不断增长。RX74M和RX74N采用22nm工艺，集成600MHz RXv3e内核、1MB(兆字节)MRAM(磁阻随机存取存储器)、256KB(千字节)零等待状态TCM(紧耦合存储器)以及1.5MB SRAM，即使面对频繁中断和分支的工作负载，也能实现快速、低抖动的实时处理。与传统嵌入式闪存不同，MRAM写入数据前无需先执行擦除操作，因此可加快代码和数据更新、缩短编程时间并减少系统停机时间，从而提升需要频繁保存参数和日志或更新数据的应用的响应速度。　　支持包括EtherCAT、以太网TSN　　和CAN FD在内的主流工业网络　　市场对跨多种工业以太网标准实现无缝连接的需求日益增长，但以往支持多种协议通常需要使用多个器件。RX74M将EtherCAT从站控制器、支持TSN的千兆以太网交换机和CAN FD集成于单颗芯片中。这些功能使其能够在单颗芯片上支持EtherCAT、PROFINET和EtherNet/IP等主流工业网络，包括通过TSN实现确定性通信，以及支持以前几代产品无法实现的EtherNet/IP DLR(设备级环网)等冗余网络配置。因此，该器件可提供面向工业物联网(IIoT)的工业网络基础，将现场设备与上层系统连接起来。　　面向CRA与PQC的基于硬件的安全功能　　随着物联网设备不断普及，《网络弹性法案》(CRA)等法规正推动全球市场对覆盖设备全生命周期的安全措施产生更高需求。　　RX74M和RX74N通过在RX CPU中集成ProtectZone，进一步增强了基于硬件的安全功能，可在单颗芯片内隔离安全区域与非安全区域。此外，新一代瑞萨安全IP(RSIP)在传统TSIP的基础上扩展了公钥密码功能，并支持认证加密以及更广泛的哈希算法，从而能够在单颗MCU中实现包括后量子密码(PQC)在内的先进、面向未来的安全方案。　　瑞萨电子EP先进MCU事业部高级总监Yoshi Ishikawa表示：　　工业设备开发需要具备三大关键要素：先进的实时性能、多样化的工业网络以及强大的安全性。新产品将这些要求集成于单颗芯片中，可简化日益复杂的工业设备设计，并推动工业自动化持续发展。　　借助全面的合作伙伴生态系统提升开发效率　　瑞萨与生态系统合作伙伴携手，为RX74M和RX74N提供解决方案，帮助客户缩短开发周期。　　软件：Codewerk、RT-Labs　　开发工具：IAR　　实时操作系统：eForce、Zephyr RTOS　　有关其他合作伙伴的信息，请参阅瑞萨电子合作伙伴计划。　　其他特性　　除高性能600MHz产品外，还提供功耗降低20%以上的300MHz产品　　丰富的封装阵容，包括176/224/320引脚LFBGA和100/144/176引脚LFQFP　　1.62V至3.6V的宽电源电压范围，以及−40℃至+125℃(Tj)的工作温度范围　　支持从外部Octa Flash执行XiP(就地执行)和即时解密　　通过RX、RA和RZ家族通用的FSP(灵活软件包)构建可扩展的开发环境　　成功产品组合　　瑞萨将新款MCU与其产品组合中的多种兼容器件相结合，推出包括磁悬浮输送系统和集成从属执行器的智能HVAC控制在内的广泛解决方案。
关键词：
发布时间：2026-10-23 11:06 阅读量：269 继续阅读>>
<span style='color:red'>瑞萨</span>丨构建开放端侧AI生态，加速产业智能化落地
行业新闻

瑞萨丨构建开放端侧AI生态，加速产业智能化落地

　　近日，由华强电子网与IICIE国际集成电路创新博览会联合主办的“第三届AI赋能消费电子创新论坛”在深圳成功举办。瑞萨电子嵌入式处理器事业部市场部高级经理施灵峰出席论坛并发表主题演讲——《构建开放端侧AI生态，加速产业智能化落地》，系统分享了瑞萨如何以开放协同的端侧AI创新生态，赋能各产业智能化转型。　　端侧AI从“概念验证”迈入“规模落地”　　随着AI技术加速从云端向终端侧渗透，产业端需求已快速跨越概念验证阶段，朝着可落地、可规模化的产品化方向深入推进。施灵峰指出，当前客户在端侧AI落地中仍面临三重现实痛点：行业竞争激烈、AI建模开发复杂耗时、端侧推理性能难以满足复杂应用需求。　　针对客户不同阶段的需求，瑞萨打造了四类场景化方案：　　针对拥有数据但缺乏AI建模经验的开发者，可通过Reality AI等工具自动完成特征探索、模型训练与代码优化，无需专业AI建模能力。　　已有模型的开发者，可通过e-AI Translator等工具链，一键将PyTorch、TensorFlow等主流框架的模型转换为MCU可运行的C代码，并可提前评估资源占用情况及模型推理性能。　　面向高实时性复杂应用需求，瑞萨提供集成NPU的RA8P1 MCU，在实现低延迟AI推理的同时，兼顾高集成度与系统成本优化。　　针对高算力视觉AI场景，瑞萨推出搭载自研DRP-AI加速引擎的RZ系列MPU，提供10 TOPS/W的高能效表现，可高效支撑复杂视觉算法运行，在高算力需求与系统成本之间实现更优平衡。　　在此基础上，为破解端侧AI落地的碎片化壁垒，瑞萨正全力构建全面开放、协同共生的端侧AI创新生态，打通底层芯片硬件、开发工具链、算法适配与行业应用场景之间的全链路连接，从硬件底座、生态体系到技术服务形成完整支撑体系。　　硬件底座：从MCU到MPU的可扩展产品矩阵　　在硬件层面，瑞萨打造了覆盖不同算力等级、不同成本层级的端侧AI产品矩阵，可充分匹配多样化场景需求：　　入门级通用MCU：面向轻量级传感与异常检测场景，提供高性价比方案。　　AI MCU RA8P1：搭载1GHz Arm Cortex-M85+M33双核，Coremark跑分超7300，内置0.25 TOPS Ethos-U55 NPU，支持500万像素摄像头与1280×800 MIPI/RGB显示，可在MCU级BOM成本下实现媲美MPU的AI算力，覆盖语音交互、视觉识别和实时分析三大主流AI应用。　　高端AI MPU RZ/V2系列：搭载瑞萨自研DRP-AI加速引擎，其中RZ/V2H稀疏算力可达80 TOPS(密集8 TOPS)，ResNet50推理超330fps，配备4K ISP;搭载的新一代DRP-AI能效高达10 TOPS/W，RZ/V2H AI Board可在无风扇、无散热片条件下完成复杂AI推理。　　生态体系：　　三大AI方向×自动建模工具×全场景参考设计　　在生态层面，瑞萨围绕实时分析/状态监测、计算机视觉、智能语音三大主流AI应用方向，持续深耕本地化生态建设：　　实时数据AI：通过Reality AI Tools，客户在自有设备上采集数据后即可自动探索特征、生成机器学习模型并输出目标平台编译代码，无需客户自行建模。轻量级代码可低至8KB Flash，准确率高达99%——例如在滚筒洗衣机方案中，瑞萨通过变频电机电参数检测滚筒旋转不平衡，取代传统加速度传感器，单台节约约4美元;在智能烤箱方案中，结合气体与湿度传感器感知披萨“刚刚好”的烘焙程度，准确率达98.5%。　　视觉AI：通过IRIDA LABS Percv.ai端到端视觉AI方案，实现“数据驱动+多场景通用+云端训练+边缘部署”，无需用户建模即可自动生成模型代码。基于RA8P1，瑞萨已开发图像分类(MobileNet v1，推理3ms，性能提升33倍)、交通监测(11ms，36倍)、驾驶员状态监测(困倦、手机使用、吸烟分心检测)、多达20张人脸同时检测等参考设计。　　语音AI：覆盖从入门到高端的完整硬件梯度，支持语音命令识别、自然语言理解、说话人识别等多模态能力。　　在开发工具链上，瑞萨提供e-AI Translator(支持TensorFlow、TensorFlow Lite、PyTorch、Keras等框架一键转换为MCU/MPU可执行C代码)、e-AI Checker(自动评估ROM/RAM占用与推理时间)、RAIMD(对接NVIDIA TAO模型仓库，支持迁移学习与低代码视觉AI开发)、RUHMI Compiler、AI Navigator图形化导航以及集成DRP-AI驱动的AI SDK，并配套10余款官方AI专用开发套件。客户资料层面，瑞萨官网提供产品规格书、设计原理图、快速上手指南、示例工程、演示视频、博客白皮书，以及线上培训与现场实训，GitHub上开源了RZ/V AI ZOO与Renesas AI Hub等海量参考工程。　　服务体系：本地化全流程技术支持　　在服务层面，瑞萨搭建了专业化的本地化工程技术团队，为客户提供从前期方案评估、模型开发调试，到功能验证、量产导入的全流程技术支持，覆盖工业自动化、消费电子、家庭自动化、建筑自动化、城市基础设施、健康、农业、物流运输、机器人等重点产业赛道。　　通过持续推动底层技术创新与产业生态的深度融合，瑞萨电子正以开放姿态与客户、算法伙伴、工具厂商携手，加速端侧AI从“能用”走向“好用、规模化落地”，助力客户实现产品智能化升级与商业价值提升。　　端侧AI比拼的早已不只是单颗芯片的算力，而是从硬件到场景的生态协同效率。瑞萨电子正以开放的产品矩阵、完整的工具链与本地化技术支持，与上下游伙伴携手，共赴产业智能化的下一程。
关键词：
发布时间：2026-10-22 10:22 阅读量：263 继续阅读>>
<span style='color:red'>瑞萨</span>丨EEPW对话<span style='color:red'>瑞萨</span>电子副总裁Ivo Marocco：物理AI规模化布局
行业新闻

瑞萨丨EEPW对话瑞萨电子副总裁Ivo Marocco：物理AI规模化布局

　　Physical AI(即物理AI)成为了热词，人们说人工智能的发展已经进入到了下半场。　　2026年8月27日，瑞萨电子(Renesas)在北京启用了Physical AI & Robotics Lab。距离7月1日瑞萨Physical AI事业部的成立，还不到两个月。　　对一个年营收过万亿日元的半导体巨头来说，这个速度不算慢。但比速度更值得关注的，是瑞萨对这件事的定义，不是"设立一个研发中心"，而是"把项目从概念验证推到规模部署"。　　"目前瑞萨能覆盖人形机器人约30%的BOM，目标是把这推到70%。"瑞萨在官方新闻稿里说得很直接。　　30%到70%，差的不是40个百分点，而是一整套系统级交付的能力。这也是这个实验室真正要做的事。　　带着问题，我们跟瑞萨电子副总裁兼UX事业部负责人Ivo Marocco聊了聊。　　为什么是北京，为什么是现在　　瑞萨把物理AI定义为"具有实际结果的智能"——能感知、能处理、能通过执行器跟现实世界交互的系统。这个定义本身就说明，瑞萨不把自己看成单纯的机器人芯片供应商。　　7月1日成立事业部，8月27日北京实验室落地。Ivo Marocco在回答中确认，独立的组织架构是为了"明确应用和市场重点，同时充分利用汽车与工业产品组合中的资产"。这句话翻译一下就是：瑞萨在汽车和工业领域攒了几十年的东西，现在要系统性地往机器人赛道上搬。　　那为什么是北京?　　Ivo Marocco给出的理由是中国有"优秀的工程人才、快速的决策与执行能力、迅速发展的机器人生态，以及具有全球竞争力的创新和供应链能力"。这话不假，但更实在的一点是：机器人是系统级工程，光靠卖芯片样品和参考设计远远不够。客户需要有人跟他一起调电机、调传感、调电源、调通信延迟。实验室就是干这个的。　　他还补了一句："在这里形成的解决方案和经验，未来也可能适用于其他市场。"这句话值得留意——北京实验室不只是服务中国客户的，它是一个试验田，跑通的方案可以复制到全球。　　新业务新部门，肯定要有新的KPI。关于这个，Ivo Marocco没有给出具体数字。他说现阶段重点是"加强客户互动、加快概念验证和设计导入、强化子系统集成"，进展通过"客户项目的成熟度与相关性、验证和开发支持的有效性，以及周边生态系统的发展"来评估。　　不难理解，对于瑞萨来说现在还不是定数字的时候。先把客户拉进来，把项目跑起来。这本身就是一个信号——瑞萨对这件事的预期是长期的。　　从30%到70%，中间是什么　　30%到70%这个数字，是理解瑞萨在机器人领域打法的关键。　　Ivo Marocco解释得很清楚：这两个数字是"以金额计算的芯片含量"，来自"特定架构中平均价格与芯片数量的综合计算"。换句话说，不是瑞萨现在只能提供30%的器件，而是按价值量算，目前打进去的芯片占整个人形机器人BOM的30%。　　那剩下的40%是什么?　　他没有列具体器件清单，但说了一句很关键的话："我们将继续投资于现有的产品领域，包括计算、传感、电源和模拟，其中许多产品都适用于人形机器人。"　　注意"继续投资"这四个字——意思是这40%不靠并购补，靠自研和现有产品线的延伸。这跟瑞萨过去几年靠收购Intersil、IDT、Dialog快速扩张的路径不太一样。　　技术层面，Ivo Marocco承认汽车芯片的经验不能简单照搬。能直接迁移的是"实时控制、电机控制、电源管理、工业通信和汽车功能安全"。需要重新做的是"分布式架构、关节端智能、更严格的功耗约束，以及新型人机交互"。他的原话是"不能简单复用汽车解决方案"——这句话从瑞萨嘴里说出来，本身就说明他们对机器人场景的复杂度有清醒认知。　　有一个问题我们特意追问了：　　瑞萨准不准备做机器人基础模型?　　Ivo Marocco的回答很干脆："瑞萨并不寻求自行开发机器人基础模型或'机器人大脑'。"瑞萨的定位是"帮助AI能力与物理系统连接"，具体来说就是提供传感、低延迟计算、实时控制、电源管理、功能安全这些底层能力，可能会用到RA、RZ、R-Car等产品线。　　这个定位很聪明。做模型是烧钱的事，而且跟瑞萨的基因不匹配。瑞萨的强项是把东西做稳定、做可靠、做到车规级——这些能力在机器人身上同样稀缺。　　问到敏感话题："最不想被别人卡脖子的环节"是什么?Ivo Marocco没有正面回答，而是强调"差异化不在于依赖某一项单独技术，而在于整合一系列成熟且广泛的能力"。这话听起来像公关话术，但仔细想想，瑞萨确实没有哪一项技术是绝对不可替代的。它的优势是覆盖面广——从MCU到功率到传感到通信，能凑出一套相对完整的方案。这在机器人这种高度碎片化的市场里，反而比单点技术领先更有用。　　对比英飞凌(功率半导体见长)、意法半导体(MCU+传感器)、NVIDIA(AI算力)，瑞萨的差异化确实在于"覆盖全系统"的完整度。当然，完整度不等于竞争力，最终还是要看客户买不买单。　　人形机器人离规模部署还有多远　　这是整场采访里最实在的部分。　　我们问Ivo Marocco，人形机器人从概念验证到规模部署，最大的工程化瓶颈是什么?他没有说是芯片算力不够，也没有说是电机控制精度不够。他的回答是："主要瓶颈并非某一个孤立器件，而是在严苛约束下对众多子系统进行集成。"　　这个判断跟实验室的定位完全吻合。机器人需要"精确传感、低延迟处理、协调执行、高效的电源与热管理，以及适用于变化环境的功能安全"——这些东西单拎出来都有成熟方案，但凑在一起还能稳定运行，就是另一回事了。实验室要做的是"在子系统层面集成并验证这些要素，缩小初始概念验证与可扩展部署之间的差距"。　　关于竞争格局，Ivo Marocco没有直接对比英飞凌、意法或NVIDIA，而是说"与其逐一比较竞争对手，瑞萨更关注如何通过这些能力的组合简化系统开发并加快客户部署"。他提到了Renesas 365云开发平台，这是瑞萨在软件侧的一个抓手。　　对于跟AI计算平台、VLA/机器人基础模型厂商的关系，他的定位很清晰：瑞萨是提供硬件和底层能力的一方，"使AI能够在物理系统中可靠运行"。至于具体的模型计划，他说"现阶段不打算发表评论"。　　最后一个问题我绕了个弯子：人形机器人真正起量还需要几年?哪些物理AI应用可能更早实现规模化?　　Ivo Marocco没有给具体时间表。他说"很难给出统一的时间表，因为应用普及将取决于具体场景、所需灵巧度、安全性和成本"。但他给了一个方向性判断：工厂、物流、农业等结构化环境中的工业应用，会比面向家庭的通用人形机器人更早实现规模化。　　这个判断值得重视。市场上很多讨论都聚焦在人形机器人上，但真正先落地的可能是更"无聊"的场景——工业机器人、协作机器人、AMR。瑞萨的实验室"不仅服务人形机器人，还面向更广泛的物理AI应用"，这个定位跟Ivo Marocco的判断是一致的。　　至于实验室未来几年最应该做成的一件事，他的回答很克制："加强客户协作、验证可扩展的子系统解决方案，并帮助建立实现更广泛部署所需的生态和安全基础。"没有提销量，没有提市占率，没有提具体的营收目标。就是做好手头的事。　　写在采访的最后　　回到开头那个问题：瑞萨在北京开这个实验室，到底想干什么?　　Ivo Marocco在采访里说了一句话："北京实验室是一项着眼未来、旨在贴近客户并推动生态发展的投资，并不意味着瑞萨偏离核心业务，也不是对无关领域的投机性布局。"　　这话说得很稳。但结合瑞萨过去几年的动作——终止SiC业务、成立Physical AI事业部、在北京落地实验室——能看出来这家公司正在做一次不算轻松的战略调整。汽车芯片的基本盘还在，但增长故事需要新的章节。机器人是那个章节，至少目前看起来是。　　实验室能不能成，最终要看瑞萨能不能真的帮客户把机器人做出来、卖出去。从30%到70%的BOM覆盖，从概念验证到规模部署，中间隔着无数个工程细节和商业决策。
关键词：
发布时间：2026-10-22 09:31 阅读量：250 继续阅读>>
<span style='color:red'>瑞萨</span>丨车载充电器（OBC）和直流/直流转换器拓扑结构如何塑造下一代电动汽车电源电子设备
行业新闻

瑞萨丨车载充电器（OBC）和直流/直流转换器拓扑结构如何塑造下一代电动汽车电源电子设备

　　随着消费者对于更快的充电速度、更长的续航里程以及性价比更高的电动汽车的需求不断增长，车载充电器(OBC)在电池寿命中的作用比以往任何时候都更加关键。　　传统电动汽车采用两级OBC架构，因为它可以将电网侧的电能质量控制和电池侧的隔离和调节进行彻底分离。前级功率因数校正(PFC)整流器可调节交流输入并产生高压直流电，而后级隔离式直流/直流转换器则提供电气隔离并精确调节电压，从而实现安全的电池充电。然而，随着800V高压平台成为主流以及功率级别上升到11kW甚至更高，这种两级设计的局限性(包括尺寸庞大、效率低下和成本高昂)已日益凸显。　　两级OBC：成熟却受限的设计　　两级转换器概念示意图　　两级OBC串联功率转换过程　　两级OBC是行业主流方案，由两个依次串联的功率转换级组成：　　前级PFC：将电网交流电转换为稳定的直流母线电压，同时实现单位功率因数(PF>0.99)和较低的THD(<5%)，从而满足国际电网标准。交错图腾柱PFC(采用SiC/GaN器件)之类的拓扑结构在其中占主导地位，它们具有优秀的效率但却需要专用的升压电感器和直流链路电容器。　　隔离式直流/直流：将直流母线电压转换为牵引电池所需的电压(~500V至900V，用于800V系统)，同时提供电气隔离。主流拓扑结构包括LLC谐振转换器(用于提高效率)和双有源桥(DAB)(用于实现双向车联网(V2X)功能)。　　虽然这种架构十分成熟，但却存在天然局限性：　　元器件冗杂：两级意味着重复的功率器件、磁性元件和控制电路，徒增物料成本、尺寸和重量。　　级联效率损耗：即使每级可达到97%的效率，但整体系统效率仍会降至94.1%，这是大功率电动汽车的一大关键缺陷。　　可靠性瓶颈：庞大的直流链路电解电容器是限制两级设计寿命的元件，导致整体系统寿命缩短(通常为5至8年)。　　功率密度限制：由于需要大型电感器、电容器和双热管理系统，系统功率密度受到限制，导致其难以满足现代电动汽车对紧凑尺寸的要求。　　引入单级OBC直流/直流架构　　通过将PFC和隔离式直流/直流转换技术整合进单个功率转换级中，单级OBC直流/直流转换器成功解决了这些问题。因此系统无需再使用中间直流母线及其相关元件。　　单级OBC DC/DC转换器示意图　　基于矩阵转换器的设计利用双向GaN开关，可大幅减少直流链路储能需求，从而实现超高功率密度，但需要先进的控制算法。　　应用单级设计的关键前提条件是宽带隙(WBG)半导体(SiC/GaN)。这些器件支持更高的开关频率(对于GaN，可达900kHz)，能够减少开关损耗，并构建紧凑的磁性元件，这对于降低单级拓扑结构较高的复杂度来说至关重要。　　单级OBC直流/直流转换器的优势　　单级OBC直流/直流转换器在效率、尺寸、成本和功能方面具有颠覆性的优势，能够满足下一代电动汽车的迫切需求。　　出色的功率密度：　　适用于电动汽车封装的紧凑设计　　此方案的一大直接优势是显著减小尺寸和重量。通过省去直流链路电容器、升压电感器和冗余元件，与两级设计相比，单级设计可将OBC的整体体积缩小多达50%。　　更高的系统效率　　单级转换消除了中间直流母线损耗，可使整体系统效率的提升幅度达到2%。提升效率的关键因素包括：　　单功率转换：消除了两级的级联损耗。　　宽ZVS范围：WBG器件可实现零电压开关，并具有较宽的ZVS工作范围，充分减少开关损耗。　　减少导通损耗：更少的半导体和更低的均方根电流可减少导通损耗。　　更低的物料成本　　虽然WBG半导体增加了前期成本，但无源元件(电感器、电容器)和功率器件数量的减少可在很大程度上抵消此劣势。　　其他成本优势包括：　　简化的热管理：单个热回路可降低冷却系统复杂性和成本。　　更少的PCB层数和组装步骤：简化制造流程并缩短生产时间。　　提升可靠性：延长系统寿命　　直流链路电解电容器是两级OBC可靠性的主要瓶颈，通常仅可持续使用5到8年。单级设计不再使用这些大型电解电容器，而是采用长寿命的薄膜电容器;在矩阵转换器拓扑结构中，甚至可以完全省去直流链路电容器。　　这有助于提高系统可靠性，减少维护成本和保修索赔次数，并提高其对高温工作环境的适应能力(可达125°C)。　　当前挑战和未来前景　　虽然单级OBC直流/直流转换器具有颠覆性的优势，但它们同样面临着挑战。主要的阻碍是控制更加复杂。包括：　　EMI设计复杂性：更高的开关频率和单级转换需要更加复杂的EMI滤波技术才能满足汽车EMC标准。　　控制算法调优：针对较宽的输入/输出电压范围需求校准单级控制器，需要耗费大量工程资源。　　然而，随着技术的快速进步，这些挑战正逐步得到解决。智能算法可实时优化调制策略，从而简化调优并改善性能，而变压器和电感器的协同设计则可减小尺寸和降低EMI，以此进一步提升功率密度。此外，随着SiC/GaN生产规模不断扩大，基于WBG的单级设计的成本溢价在不断缩小。　　单级OBC直流/直流转换器代表着电动汽车充电技术的下一个前沿。通过将PFC和隔离式直流/直流转换器整合到单级中，它解决了传统两级设计在尺寸、低效和成本方面的核心局限性，同时还可解锁双向V2X功能等新特性。
关键词：
发布时间：2026-10-21 09:44 阅读量：287 继续阅读>>
<span style='color:red'>瑞萨</span>丨超越芯片：人形机器人设计是一项团队运动
行业新闻

瑞萨丨超越芯片：人形机器人设计是一项团队运动

　　两大趋势——全球劳动力老龄化以及AI基础设施的快速演进——正在推动人形机器人市场增长，业界普遍预计该市场到2035年将保持约35%的复合年增长率。要维持这一迅猛增长势头，电子行业必须加快从智能边缘计算向物理AI的转型，使机器能够在不依赖云端的情况下实现感知并做出现实世界中的决策。　　但这还不是全部。　　Ivo Marocco，Vice President and Head of UX and Technical Marketing在近期博客《从智能边缘到物理AI：为何人形机器人是瑞萨的下一个机遇》结尾处曾提出一个观点：行业的未来并不取决于谁能打造出最强大的处理器，而取决于我们能在多大程度上将同类最佳技术整合进高度互补的系统之中。　　这一现实为创新创造了巨大潜力。原因在于，成功部署机器人需要多元化工程社区的协作，将数百项相互关联的硬件与软件技术组织成智能系统。换句话说，对瑞萨而言，人形机器人市场与其说是一场半导体竞赛，不如说是构建并支持一个全新生态系统的机遇。　　01　　物理AI改变工程设计方式　　传统上，嵌入式系统围绕彼此独立的工程领域进行设计，分别由不同团队负责处理器、传感、电源以及其他硬件子系统，而软件集成通常发生在开发周期的后期。　　物理AI改变了这一方式，因为人形机器人必须持续观察周围环境，融合由数十个甚至数百个传感器采集的数据，控制复杂运动，高效管理功耗，并在毫秒级时间内做出决策。　　在这种情况下，每个子系统都会影响其他子系统的性能。挑战不再是孤立地设计最佳组件或功能模块，而是将它们统一为一个有组织且相互依存的整体。　　这一区别至关重要，因为随着新功能的加入，复杂性会呈指数级增长。更强大的视觉系统会影响计算需求。更多传感能力会影响功耗预算。更复杂的运动控制会改变软件架构。功能安全也不再是孤立的开发任务，而是贯穿整个设计过程。　　02　　生态系统正在成为产品本身　　如今，没有任何一家企业能够独自掌握构建商用人形机器人所需的全部技术。　　开发者依赖AI框架提供商、晶圆代工厂和半导体ODM、云平台、机器人软件开发商、系统集成商、标准组织，以及最终在真实环境中验证设计的客户。　　对瑞萨而言，这种协作程度并不陌生。汽车行业在向电动化和软件定义汽车转型的过程中也经历了类似路程。早期讨论集中在电池、电机和ECU，但很快人们便意识到，电动汽车和软件定义汽车需要一个全新的生态系统，涵盖充电基础设施、热管理、软件、功能安全、域架构、制造以及供应链协同。只有当这一生态系统成熟之后，市场采用才得以加速。　　人形机器人正接近类似的拐点。　　当前的工程讨论往往聚焦于处理器或AI模型，但商业成功将取决于企业能否高效协调不断扩展的技术网络、开发合作伙伴以及设计方法论。　　03　　化繁为简　　我们的一个重要经验是，复杂性无法作为一个单一问题来解决。相反，必须将其拆解为相互关联的子系统，使工程师能够在清晰理解这些子系统最终如何交互的前提下，对其进行优化。　　这一理念也延伸到我们的机器人设计方法之中。我们并不将人形机器人视为一个庞大的单一工程挑战，而是围绕“大脑与运动”、“感知”、“执行机构”和“电源管理”等领域来组织开发。每个领域都面临独特的技术挑战，需要专门的专业能力以及不同的优化目标。　　接口、软件框架、开发工具和验证方法必须像硬件本身一样实现无缝协同。系统集成因此变得与组件创新同等重要。　　04　　合作伙伴型供应商的演进　　这一视角改变了我们在生态系统中的角色，使我们的首要目标转变为在整个开发过程中降低工程复杂度和协作摩擦。　　这意味着我们不仅提供半导体解决方案，还同步提供子系统参考设计、开发套件、软件框架、功能安全资源、文档以及合作伙伴协作机制，从而加速客户开发，而不是让客户独立组装每一个要素。　　随着项目日益复杂，客户需要相关指导，以便将传感器与执行机构相集成，将AI推理与实时控制相连接，在部署前验证硬件，并高效地从仿真转向物理实现。　　帮助客户解决系统集成挑战，正是系统赋能创造价值的关键所在。　　05　　数字化不止于软件　　在思考如何构建瑞萨在机器人生态系统中的角色时，一个反复浮现的主题是：数字化常常被误解为仅仅代表软件平台或在线开发工具。　　我们的观点是，数字化的核心在于贯通整个工程开发旅程。通过聚焦客户独特的用户体验(UX)，我们能够在开发的每一个阶段为客户提供更有效的支持——从发现、评估、设计和仿真，到实施、验证以及生命周期管理。　　这一理念也推动我们持续投入子系统参考设计、集成软件环境、工程资料、合作伙伴生态系统，以及Renesas 365等基于云的开发平台。　　06　　借助Renesas 365提升机器人手部灵巧性　　客户UX的实际应用可通过这段简短的演示视频看到：我们采用系统级方法开发一款机器人灵巧手。该手部系统组合AI视觉、触觉感知和力反馈，能够识别不同物体，并根据任务自动调整抓握力度——例如以更大的力量拿起易拉罐，以较轻的力度握住纸杯，并以精细控制抓取鸡蛋。Renesas 365提供数字化框架，将硬件、软件、原理图、固件和系统逻辑整合到统一工作流中，从而在整个开发过程中保留工程上下文。　　工程师可以远程将设计部署到目标硬件，监测处理器利用率、功耗和帧率等实时遥测数据，并在不中断整体开发流程的情况下持续迭代优化系统性能。Renesas 365并非一个独立的软件工具，而是连接虚拟设计与物理部署的桥梁，帮助开发者更高效地从概念走向可运行的机器人。　　07　　更好的设计始于更好的工程体验　　人形机器人是一个新兴市场。但已经可以明确的是，成功在很大程度上取决于我们能否有效帮助工程师应对系统复杂性。　　在半导体行业，UX往往与软件界面或数字工具联系在一起。而对瑞萨而言，用户体验意味着让技术在整个系统生命周期中更易于发现、评估、集成、验证、部署和管理。基于这一认识，我们相信，系统赋能将成为物理AI时代的重要差异化能力。能够引领未来的企业，将是那些最善于帮助客户驾驭整个开发生态系统，并推动数百项技术实现无缝、安全协同的企业。
关键词：
发布时间：2026-10-13 10:27 阅读量：303 继续阅读>>
<span style='color:red'>瑞萨</span>电子扩展GaN产品组合，推出首款面向AI数据中心和机器人应用的低压GaN FET
行业新闻

瑞萨电子扩展GaN产品组合，推出首款面向AI数据中心和机器人应用的低压GaN FET

　　全新100V增强型GaN先进功率晶体管系列实现更高功率密度和业界卓越的优值性能　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布将其GaN产品组合扩展至低压应用领域，率先在业界推出100V增强型(E-mode)GaN分立功率晶体管系列。RTP100E005G1FL、RTP100E2P6G1FL、RTP100E1P8G1FL-DSC和RTP100E1P2G1FL-DSC低压GaN FET可在AI数据中心、人形机器人、工厂自动化和工业电机驱动、电动工具以及太阳能微型逆变器等对效率要求极高的高功率密度应用中，实现超高速开关速度和增强的热性能。　　新款GaN FET实现业界卓越的硬开关和软开关优值(FOM)性能，相比同类GaN器件，硬开关FOM最高降低35%，软开关FOM最高降低63%。低压GaN器件还保持与硅器件兼容的封装尺寸，便于导入现有设计。　　当前数据中心的电源转换器通常以数百千赫兹的开关频率运行。随着AI服务器和工业基础设施向800VDC配电和48V总线架构过渡，许多转换级正迈向兆赫级开关频率，以缩小磁性元件尺寸、提升功率密度并提高整体效率。　　在800V高压直流(HVDC)电源架构中采用低压GaN，可简化电源转换设计，显著减小无源元件尺寸，降低开关损耗和散热需求。在系统层面，这意味着更高效率、更少的热管理要求，以及更低的能源和BOM成本。　　广泛的GaN产品组合实现　　更高效率、功率密度与设计灵活性　　基于瑞萨近期扩展的低压增强型GaN技术平台，全新晶体管产品组合具备超高速GaN开关能力，并通过低总栅极电荷(Qg)和低输出电荷(Qoss)最大限度减少电压与电流重叠，从而降低AI电源单元、电机驱动和DC-DC电源级在每个转换周期中的能量损耗。该器件还具备零反向恢复(Qrr=0)特性，可消除相关能量损耗，立即提升开关效率。　　快速开关可通过缩小PCB占板面积、减小磁性元件和无源元件尺寸来提升功率密度，并实现更高频率运行;低导通电阻RDS(on)则可降低导通损耗，提高运行效率。底部散热和双面散热配置为散热和设计灵活性提供更多选择。根据具体应用要求和电源转换架构，低压GaN器件可将开关损耗降低多达40%至70%，并在系统层面实现最高两倍的功率密度。　　新款GaN晶体管提供多种标准MOSFET兼容封装，使客户能够快速从硅MOSFET布局迁移到GaN方案，无需大幅重新设计PCB，从而加快设计实施。多样化封装选项结合宽范围RDS(on)(5mΩ至1.2mΩ)，使设计人员能够在同步整流、多相降压转换和电机驱动等不同功率等级和应用之间灵活扩展。　　Akhil Nair, Senior Director, Low-Voltage GaN at Renesas表示：　　采用下一代GaN技术的客户正在为AI服务器、机器人、工业电机驱动和可再生能源系统寻求更高效的电源转换方案，并希望在日益紧凑的系统中实现这一目标。我们的低压GaN系列不仅提供设计人员期待的GaN效率、开关性能和功率密度，还显著降低了客户从现有硅MOSFET设计迁移至GaN方案的门槛。　　硅兼容封装中的高性能GaN　　全新GaN系列基于增强型(E-MODE常关型)GaN技术打造，可在便捷的硅兼容封装中发挥GaN的性能优势。这有助于设计人员充分利用GaN带来的效率和功率优势，并简化从现有硅基设计的迁移。　　全新低压GaN系列的主要特性　　相比硅基设计，效率提升1%至3%，并消除Qrr损耗　　开关损耗大幅降低40%至70%　　通过降低每个周期的开关能量并支持高频运行，实现功率密度翻倍　　更高开关频率有助于减小磁性元件尺寸、降低整体系统损耗，从而缩小系统占板面积　　优化热管理可减少风扇和主动散热需求，降低系统复杂度和BOM成本　　此外，凭借每个电源级更低的总能耗，全新GaN系列可帮助设计人员实现可持续发展目标。该系列通过减少热管理和气流管理所需风扇尺寸、支持使用更小的磁性元件并缩小整体PCB占板面积，助力AI数据中心和工业应用实现能效目标。
关键词：
发布时间：2026-10-10 10:54 阅读量：303 继续阅读>>
<span style='color:red'>瑞萨</span>丨率先推出业界首款采用8mm × 8mm双面散热封装的650V GaN器件，面向兆瓦级AI数据中心
行业新闻

瑞萨丨率先推出业界首款采用8mm × 8mm双面散热封装的650V GaN器件，面向兆瓦级AI数据中心

　　与TOLT封装相比，双面散热(DSC)设计可将封装占板面积缩小57%，助力空间受限的兆瓦级机架实现更高功率密度。　　在8mm × 8mm封装中实现低至20mΩ的导通电阻，为650V同类产品中导通电阻超低的产品之一。　　采用业界标准PQFN封装尺寸，并配套完整的控制器、驱动器和MCU产品阵容，为800V设计提供单一供应商解决方案。这些解决方案将于10月12日至15日在美国加利福尼亚州圣何塞举行的OCP全球峰会上展出。　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布率先在业界推出采用双面散热技术的650V GaN器件，面向800V高压直流(HVDC)AI数据中心架构中的高功率密度电能转换。全新D-Mode GaN TP65H020G4PLSGBD采用超紧凑型双面散热(DSC)PQFN封装，导通电阻低至20mΩ，处于650V同类产品超低导通电阻之列，可在更小空间内实现更高的功率处理能力。目前，瑞萨已向主要AI数据中心OEM和ODM客户提供该器件样品。　　该器件基于瑞萨第四代升级版GaN架构打造，专为下一代AI数据中心的兆瓦级功率需求而设计，支持最高700V工作电压。其目标应用包括将800V电压降至48V、12V或6V的DC/DC中间总线转换器(IBC)级，以及侧挂式电源机架中的电池备份单元(BBU)和电容器组单元(CBU)级。　　随着机架功率从约120kW迈向兆瓦级，空间与散热能力已成为进一步提升系统功率的关键制约因素。不同于传统的顶部散热封装，新器件可同时通过顶部和底部散热，使顶部热阻降低10%。此外，其8mm × 8mm PQFN封装的占板面积较现有10mm × 15mm TOLT封装缩小57%。　　该器件充分发挥瑞萨第四代升级版650V GaN技术的优势，包括:　　低栅极电荷、低输出电容、内置具有极低反向恢复特性的续流二极管，以及无需负栅极偏置即可工作的高阈值电压。　　该器件可搭配标准硅栅极驱动器使用，并支持MHz级开关频率，从而减小无源元件并降低整体BOM成本，无需专用增强型GaN驱动器。　　John Wiggenhorn, Senior Product Line Director of High-Voltage GaN at Renesas表示：　　建设兆瓦级AI数据中心的客户，在达到功率极限之前，就已面临电路板空间不足和散热余量受限的问题。凭借瑞萨率先推出的采用双面散热技术的650V GaN器件，我们可从器件上下两侧进行散热，并显著缩小占板面积，使设计人员无需重新设计电路板或增加更多散热硬件，即可通过中间总线传输更高功率。此外，该器件延续了客户现有硅栅极驱动方案的简便操作，因此升级极为便捷。　　全新双面散热(DSC)PQFN封装由瑞萨与主要AI基础设施客户共同定义，采用业界标准封装尺寸，为客户提供灵活的供应选择。该GaN器件与瑞萨辅助电源控制器、栅极驱动器及MCU搭配使用，可为向800V架构转型的OEM、ODM和超大规模数据中心运营商提供一站式电源解决方案。　　瑞萨已完成该方案的芯片级验证。基于该新器件打造并由瑞萨RA6T3 MCU控制的6kW、800V转48V LLC直流变压器(DCX)参考设计，功率密度达到2.6kW/in³。模块级测试显示，其满载效率比采用同等TOLT封装的电路板高出0.21%。更小的封装还可节省PCB空间，并使FET之间的布局更加匹配。基于全新DSC 8mm × 8mm封装平台的800V转12V及6V DC/DC IBC参考设计同样可实现类似的性能提升、可扩展性和功率密度水平。
关键词：
发布时间：2026-10-08 16:30 阅读量：320 继续阅读>>
<span style='color:red'>瑞萨</span>丨EK-RA8P1斩获elexcon 2026“最受工程师喜爱的AI开发板TOP10”
行业新闻

瑞萨丨EK-RA8P1斩获elexcon 2026“最受工程师喜爱的AI开发板TOP10”

　　2026年9月9日–11日，elexcon 2026深圳国际电子展暨嵌入式展在深圳国际会展中心(宝安)盛大举办。展会期间，由elexcon联合21ic电子网发起的「端侧AI开发板人气评选」结果同步揭晓，瑞萨电子EK-RA8P1凭借卓越的边缘AI性能与完善的开发生态，荣获“最受工程师喜爱的AI开发板TOP10”奖项。瑞萨电子市场经理胡玮作为企业代表上台领奖。　　EK-RA8P1评估套件是瑞萨电子专为RA8P1 MCU打造的高性能评估平台，搭载RA8P1 MCU，集成1GHz Arm® Cortex®-M85内核与125MHz Arm® Cortex®-M33内核，配备1MB MRAM与2MB SRAM，板载64MB OSPI/QSPI闪存及64MB SDRAM。用户可通过瑞萨灵活配置软件包(FSP)和e²studio IDE快速开发AI与IoT应用，套件提供示例项目包可供下载，加速概念验证进程。　　该套件标配7.0英寸1024×600 LCD板与500万像素摄像头模块，预装性能演示程序，可快速实现语音、视觉与实时分析AI开发。接口方面支持双通道MIPI DSI显示、MIPI-CSI2摄像头、USB高速、千兆以太网及PDM麦克风音频编解码;生态上兼容Arduino® Uno R3、mikroBUS、Qwiic®、Grove®及Pmod™等主流扩展标准，板载SWD/JTAG调试，快速上手。　　此次EK-RA8P1荣获“最受工程师喜爱的AI开发板TOP10”，正是瑞萨电子在边缘AI领域坚持技术创新、生态开放和产业赋能的最好证明。瑞萨电子以EK-RA8P1等高性能开发平台，让端侧AI开发更高效、更易用，赢得了工程师群体的喜爱与认可。未来，瑞萨电子将持续深耕边缘AI领域，聚焦高性能、低功耗的AI芯片与开发平台创新，并依托先进技术、完善生态与高可靠的解决方案，进一步赋能智能家居、工业自动化、智慧城市等关键领域，推动边缘AI在多元场景中的规模应用。
关键词：
发布时间：2026-09-29 10:58 阅读量：301 继续阅读>>
<span style='color:red'>瑞萨</span>推出超小尺寸多次可配置GreenPAK IC，采用超紧凑型WLCSP及STQFN封装
行业新闻

瑞萨推出超小尺寸多次可配置GreenPAK IC，采用超紧凑型WLCSP及STQFN封装

　　采用9焊球、1.155mm × 1.155mm WLCSP封装的GreenPAK器件，尺寸紧凑;另提供STQFN封装选项，可支持更多I/O并提升封装灵活性　　支持借助I²C进行多次配置，可在产品部署后进行系统内缺陷修复、更新和配置更改　　支持1.71V至5.5V全范围工作与配置，适用于灵活、低成本的传感、控制和胶合逻辑功能　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布推出SLG46801，这是一款提供WLCSP及STQFN封装的GreenPAK可配置混合信号器件。该9焊球WLCSP封装尺寸仅为1.155mm × 1.155mm，将超小型封装与多次编程能力相结合，助力设计人员缩小智能戒指、智能手表、运动手环、VR眼镜及便携式电子设备等紧凑型产品的电路板空间。　　随着消费电子设备不断小型化、功能日益丰富，设计人员需要在减少元器件数量、PCB面积和物料清单成本的同时集成更多功能。SLG46801将常用的模拟、时序和逻辑功能集成于一款紧凑、低功耗的器件中，既可作为MCU的补充，也可替代多个分立元器件，从而满足上述需求。　　Jason Kim, Vice President and General Manager of the Core Analog Division at Renesas表示：　　设计人员既要在日益紧凑的产品中集成更多功能，又不能增加系统成本或开发工作量，同时还需降低功耗。SLG46801为我们的GreenPAK产品组合新增了超紧凑型WLCSP封装选项和灵活的系统内配置能力，助力客户打造尺寸更小、功能更丰富的产品，并可在产品部署后实施更新。　　SLG46801集成两路高速模拟比较器、可配置查找表、计数器和延迟单元、10kHz及25MHz振荡器、宽电压型GPIO，以及兼容I²C的串行接口。　　这些资源可支持：　　Q　　传感、控制、胶合逻辑、时序及系统管理功能　　适用于：　　Q　　消费电子、手持设备、智能家居系统、网络与通信、计算与存储、工业控制和物联网传感器节点等应用。　　除9焊球WLCSP封装外，SLG46801还提供12引脚、1.6mm × 1.6mm × 0.55mm STQFN封装。两种封装选项使客户能够在最小电路板面积、更多GPIO资源和工业应用封装偏好之间灵活权衡。该器件还可实现GreenPAK系列中极具竞争力的单GPIO成本。　　瑞萨长期深耕可配置混合信号技术领域，GreenPAK器件全球累计出货量已超过40亿颗。GreenPAK IC使设计人员能够在小尺寸、低功耗器件中整合模拟与数字系统功能，并可通过瑞萨Go Configure™软件中心进行配置。这一免费的图形用户界面开发环境可帮助客户开发定制硬件功能，无需增加额外的分立元器件，也无需进行复杂的固件开发。　　SLG46801集成支持多次编程的非易失性存储器，并可通过I²C接口实现系统内配置。客户可在器件集成到终端应用后实施缺陷修复、配置更改和产品升级，从而减少重新设计周期和额外的硬件改版。　　该器件支持在1.71V至5.5V的完整电源电压范围内工作和编程，是MTP GreenPAK器件中工作及配置电压范围最宽的产品。GPIO引脚还可动态复用为I²C接口，从而在引脚资源有限的设计中最大限度提高灵活性。可选的CRC-8和回读保护功能有助于实现更稳健、更可控的配置。
关键词：
发布时间：2026-09-28 11:11 阅读量：312 继续阅读>>
媒体聚焦丨<span style='color:red'>瑞萨</span>的物理智能棋局：要覆盖机器人70% BOM
行业新闻

媒体聚焦丨瑞萨的物理智能棋局：要覆盖机器人70% BOM

　　在接受采访时，瑞萨表示当前自身有能力覆盖人形机器人30%的BOM，预期“长期覆盖至多70%的BOM”，底气在哪儿?瑞萨眼中的具身智能未来又在哪儿?　　在不少人眼中，以人形机器人为代表的具身智能机器人，目前遭遇的最大技术阻碍在AI上——电子工程专辑过去两三年也总在撰文谈VLA模型的泛化能力不足、训练数据缺失等技术挑战，导致具身智能难以落地。　　但实际上，麦肯锡今年4月发表的分析文章(Turning humanoid supply chain constraints into billion-dollar wins)将精密电机组件、力与触觉感知、计算与控制，共同视作人形机器人的“高风险”系统组件，并明确执行器与感知系统面临着较大的技术挑战。可见“难”的不止是机器人大脑和AI能力……　　最近，Ivo Marocco(Vice President and Head of UX at Renesas，瑞萨电子副总裁、UX【User Experience】事业部负责人)在接受电子工程专辑采访时也谈到具身智能机器人在AI这一技术难点之外，还需与真实世界交互。Ivo眼中具身智能机器人面临的挑战有：　　即便演示中的人形机器人已经能跑、能跳、能叠衣服，离进入寻常百姓家、成为生活陪伴，在AI之外也仍有诸多技术问题待解决。而与Ivo的对话也让我们有机会更清晰地理解，在一家几乎有能力覆盖完整信号链的芯片企业眼中，具身智能目前的发展现状、面临的挑战与解决之道。　　邻近产业资源复用及其局限性　　Omdia报告(General-Purpose Humanoid Robotics Market Radar)显示，2025年全球人形机器人总出货量约1.3万台;这个数字连汽车、工业市场的零头都达不到。没有规模效应，机器人自然就没有属于自己的专用芯片。　　而从具身智能强调的特性来看，人形机器人与汽车自动驾驶非常相似，大方向都是“感知+决策+执行”路径，因此汽车领域的许多技术可作为重要基础并在适配后应用到人形机器人上。与此同时，机器人所需的运动控制、位置感知、实时系统管理等技术，又与工业自动化强相关。　　很自然地，诸多汽车OEM厂商选择了下场造具身智能机器人。与此同时，大部分原有的汽车与工业领域供应商自然不会坐等具身智能市场走向成熟。　　比如在汽车电子和工业自动化领域占据一席之地的瑞萨，今年6月在Capital Market Day中首次提及对物理AI、具身智能、人形机器人的态度和战略;7月1日成立物理AI部门(Physical AI Division);8月末宣布在北京设立物理AI与机器人实验室。　　瑞萨预期2030-2035年，涵盖：　　人形机器人　　AMR/AGV　　工厂协作机器人(工业机器人)　　其他物理AI(不包括汽车)　　在内的整个市场能达到40%的CAGR(年复合增长率)，2050年或将达到1.2万亿美元左右产值——当然这1.2万亿并不都在芯片与电子器件侧。物理AI、具身智能机器人也就成为瑞萨眼中的长期增长机会。　　瑞萨将自身在机器人领域的能力分成4大块：　　大脑与运动(Brain and Motion)　　感知(Sensing)　　执行与电机控制(Actuation and Motor Control)　　电源管理(Power Management)　　这些能力来自瑞萨在汽车电子与工业自动化领域的积累，也让瑞萨在机器人市场有了“很棒的起点”。　　所以Ivo在采访中说：　　Ivo：我们能够覆盖人形机器人30%的BOM。基于这类型应用的产品与解决方案开发，我们认为长期内能覆盖至多70%的BOM。　　虽然Ivo并未明确这里的“长期”具体是多久，但理想目标2.3倍的BOM SAM(Serviceable Addressable Market)扩展依旧是个挺激进的预测，包括电源、模拟/连接/传感器、MCU/MPU/SoC计算与控制等组成部分。　　但在汽车与工业领域优势之外，瑞萨也很清楚物理AI、具身智能机器人有其独特性。比如Ivo谈到机器人的实时交互、确定性行为，及安全关键性控制(safety-critical control)需求，令感知、计算、电源管理等都面临复杂性挑战，“人形机器人代表了物理AI领域的高度复杂性”。　　某些技术点相较汽车电子与工业自动化更高的复杂度，如文首提到的几大技术挑战是即便像瑞萨这类企业已具备临近产业(包括汽车、工业、消费电子等)的长期积累，依旧需要在机器人应用上努力和精进。　　技术挑战的解决与探索　　实际上，麦肯锡在报告中已经列出了人形机器人全身上下不同组成部分的供应链瓶颈，并针对机器人的主要组件，做了低、中、高3个风险等级的划分。　　低风险是指只需要对临近产业资源做小幅修改适配工作，即可应用到机器人身上;　　中风险则是指虽然已经有了规模化的供应条件，但要求针对机器人应用做较大程度的修改与适配;　　高风险的部分就属于供应生态尚无法满足人形机器人需求的组件与系统了，或者说它们是阻碍人形机器人发展的直接瓶颈。电子工程专辑将在10月刊的杂志封面故事中对这部分做更详细的解释。　　不过除了作为核心难点的AI大脑，Ivo强调的几大挑战基本就是对麦肯锡这份报告的肯定，比如文首提到的感知系统面临的挑战，Ivo甚至认为感知能力的挑战让传感器有了“彻底变更技术方法的机会”。而麦肯锡列出的三大高风险点之一就是力与触觉感知(另外两个是精密电机组件、计算与控制)。　　这恰好是前不久EAI Show活动期间，瑞萨展示的能力之一。在下面这套基于RZ/V2H的灵巧手展示中，除了通过两路摄像头做视觉判断，该演示的手掌部分配有电子皮肤阻抗感知，“碰到手掌就会给出反馈”，手指的指尖则有力传感器——可针对不同抓取对象采用不同的力度。　　瑞萨多传感器灵巧手展，手掌的电子皮肤(阻抗感知)与指尖力传感器(RAA2S4251)展示　　“感知能力的进化”也很自然地成为了瑞萨在阐释物理AI与机器人战略的重点，及该领域的成长动能。不仅是灵巧手上的电子皮肤及力感知，“将已经在汽车上经过了验证的电感位置与阻抗感知技术，作为人形机器人的应用基础”，“还有像是在电机控制领域已经大规模应用的传感器”——如EAI Show上展示的可用于关节的位置传感器，都可“扩展到未来的人形机器人身上”。　　感知系统只是瑞萨基于临近产业的经验尝试解决问题的案例之一;几大高风险点之中，计算、电机控制同样是瑞萨在临近产业的拿手(Ivo提到，除了机器人开发套件中的RZ/V2H芯片，瑞萨正考虑将R-Car级别的性能带到机器人领域);延伸到电源管理在内的4大板块能力，瑞萨的确有更大的机会在具身智能机器人领域获取市场。　　瑞萨官方数据是，在全球范围内已经参与到100+机器人及人形机器人客户开发中，包括已经产生营收的和获得了design-win的项目。　　12个关节、6个力传感器、12个触觉传感器;该力感知方案采用瑞萨RAA2S4251应变片信号调理芯片，量程100N–400N，线性误差±1% FS、重复性误差±0.1% FS，借助固件多点校准将约3%的基线精度提升至1%以内　　不过也并非所有问题在当下都有产品或解决方案可复用，比如上述电子皮肤在涉及到具体应用时可能还存在工程挑战，所以Ivo才说要满足更复杂的人形机器人感知需求，仍需整个产业共同探索;　　再比如机器人架构分布，“我还没有看到清晰的路径”——“或许是中心化的(centralized)，也可能是关节的分布式智能(distributed intelligence)”;再比如Ivo多次提到，人形机器人当前欠缺功能安全标准、互操作性(interoperability)标准等……　　而这些都不是借鉴临近产业可以简单解决的，也不是覆盖了4大板块能力的瑞萨单打独斗可以解决的，更需要物理AI、具身智能、人形机器人技术向前发展，结合上下游的产业链资源。就像麦肯锡在报告中强调的，“人形机器人价值链正在成型，而它的轨迹不会由任何单一市场玩家定义，而是由跨整个生态系统的协同合作塑造”。　　这应该也是瑞萨在北京设立物理AI与机器人实验室的原因。该实验室是“面向客户的系统级展示、验证与共创平台”，“支持从概念验证到客户应用、再到生产部署的完整工程化路径”。选择在具备制造生态深度、规模化、成本与速度优势的中国建起首个物理AI与机器人实验室，符合靠近客户和供应链，及尝试共建生态的基本逻辑;也是瑞萨与产业链协作、探索的一部分。　　可应用于机器人/关节的位置传感器demo　　芯片之外的关键能力要求　　EAI Show上，瑞萨演示灵巧手解决方案的主旨，应该不止是表现自身具备力与触觉感知这一关键技术能力。更重要的是从供应链的角度来看，灵巧手属于多个组件类别的交叉应用;灵巧手系统欠缺标准化结构与规模化供应生态，其中仅触觉感知的设计就缺乏大规模量产方案。所以现在的很多机器人OEM厂商倾向于自己做垂直整合或高度定制的设计。　　抓取、分拣、工具使用这些对人类而言格外简单的操作，对机械手却是巨大挑战。以特斯拉Optimus机器人为例，其双手合计集成超过50个执行器，而身体其他部分的执行器加起来也不过25-30个，另外还要考虑高分辨率的力与触觉感知、低延迟控制等构成。灵巧手也因此成为颇具技术挑战性的复杂系统。　　Ivo在总结瑞萨于物理AI、具身智能机器人应用竞争的优势时，并未提及具体产品，而是谈到了3点：　　丰富的产品组合　　解决方案与子系统　　Renesas 365平台　　三者基本都围绕形成了子系统的解决方案与开发生态展开。而灵巧手演示可以说是集这三大优势的典型示例了。　　丰富的产品组合已经在前文做了介绍——瑞萨针对物理AI、具身智能机器人有4大块产品类别。对于后两者，其一，推行系统级解决方案一直是瑞萨在各领域奉行的产品策略——在边缘与物理AI市场驱动力的阐释中，瑞萨有针对子系统的参考设计、软件框架、可扩展的质量体系，而且Ivo认为在机器人领域，这方面的能力“比以往更重要”。　　基于现如今的机器人产业链发展现状，当前人形机器人OEM厂商正走在两条路径上(或两条路径交错)：垂直整合——这也是现如今机器人OEM厂商的主要路径;供应链驱动——选择与临近产业的合作伙伴合作，针对人形机器人需求做组件或系统的重新设计。　　之所以前者为主流，很大程度是因为技术栈、架构与标准的缺失，比如特斯拉在执行器之中采用定制设计的无框电机和减速器——这的确可以作为OEM厂商的差异化能力宣传，但根本原因是供应链无法提供可满足特斯拉需求的产品。　　瑞萨电子中国总裁刘芳在采访中表示：　　刘芳：新兴市场往往意味着没有成熟的现成解决方案。市场非常需要跨不同技术领域的整合能力，帮助客户将想法变成可落地可量产化的产品。瑞萨能提供这样的协助与共创。　　上面这张PPT给出了瑞萨在宣布物理AI与机器人战略Day1提供的演示与解决方案，包括融合了多传感器的灵巧手、机械臂与灵巧手、机器人关节模组、四足机器人平台等——Ivo说未来还会“以数字形式，提供尽可能多的参考设计和子系统”。　　如果说具身智能机器人对临近行业的芯片与器件复用是出货量限制的无奈之举，那么实则在系统与解决方案层面，像瑞萨这样的供应商是能够给出特别面向机器人的定制产品的。这可能也是解读系统级解决方案的另一个有趣视角。所以Ivo透露说瑞萨7月成立的物理AI部门暂时以强调“应用和市场(application and marketing)”为起点。　　刘芳解释说：　　刘芳：我们希望从解决方案的角度来支持市场的需求，对于人形机器人、物理AI这样尚处于早期发展阶段、甚至技术路径尚未收敛的新兴市场，瑞萨要做的是将感知、控制、高性能计算等能力组合起来，以相对成熟的技术基础支撑行业的持续创新与突破，这也是系统级解决方案的定位。　　其二，Renesas 365平台。虽然对谈过程中，我们没有过多探讨瑞萨面向机器人应用的开发工具与生态，Ivo只是提到了瑞萨将会扩展机器人开发套件，但他特别强调了Renesas 365作为开发平台的重要性，将其形容为瑞萨独一无二的优势项。Renesas 365是个着眼将设计从有思路到形成最终部署的开发平台，而且支持开发者在其中嵌入三方软件工具。　　Ivo：我认为Renesas 365会改写游戏规则(game changer)，设计、测试、部署都能在同一个地方完成，真正给予工程师和开发者以信心。　　Ivo谈到Renesas 365平台在不同工具间能够做到基于上下文的智能(contextually intelligent)，在现阶段是瑞萨典型的差异化优势之一。　　RZ/V2H RDK开发板;RZ/V2H芯片(4x Cortex-A55，2x Cortex-R8，1x Cortex-M33，带DRP-AI3加速器)本身能够提供AI算力(80TOPS稀疏模型、8TOPS稠密模型)及对应的处理和控制能力(包括对象的空间定位、6-DoF机械臂运动规划与控制等)　　应用场景落地与技术进化　　虽说70%BOM扩张目标听起来很激进，但瑞萨并不排除未来通过合作、伙伴关系、投资或其他方式来补足能力缺口;只不过与过去一年我们采访过的具身智能从业者相比，Ivo对待具身智能机器人应用更为谨慎，却又兼具开放。　　谨慎的一面在于，Ivo对人形机器人全面走入消费领域的时间预期更久(>5年)——在探讨行业未来时，他数度提及标准、架构尚未明朗;开放的一面则体现在，Ivo认为未来的技术与市场走向存在着各种可能性……　　立足当下、拥抱变化或许能概括瑞萨对具身智能机器人的态度。此次采访全程，Ivo和刘芳的回答出现了两个高频词：“应用场景(use case)”、“进化(evolve)”。谈到具身智能机器人的具体问题，要区分“应用场景”——这体现的是确定性;与此同时，伴随“进化”产生诸多可能性——这是不确定性。　　对于前者，即便用于个人陪伴的人形机器人离量产尚有距离，但从“应用场景”的角度看，“我们依然很快能在工厂看到机器人数量的激增”，“工业自动化、农业、物流等市场，都不会太久”;从具体场景出发，“工厂机器人和医疗机器人就不一样”，即便是家用机器人也还可以做场景细分，“像是家用教育机器人现在就已经有应用了”;人形机器人的未来将如何发展，“取决于应用场景”...瑞萨面向具体应用场景的系统级解决方案才有了落地的依据;　　但另一方面，“应用场景在进化”，“机器人形态在进化”，“大脑在进化”，“架构会进化”...所以“我们还在持续观察市场和参与者”。在谈到对于物理AI生态标准会如何建立的问题时，Ivo的回答是：“或许12个月以后，我能给出答案。”可见物理AI、具身智能机器人仍处在发展的绝对早期，存在着大量悬而未决、动态进化中的问题。　　谈到人形机器人大脑及AI模型泛化能力尚不成熟的问题时，刘芳表示：　　刘芳：如何做好Sim2Real是个需要在工业场景或日常生活场景中实现规模化扩展的问题。我们期望贡献多年积累的数模技术硬件系统和工艺的物理实现的核心能力，帮助科学家们尽可能地推进问题的解决效率，提供可行性的路径，并不是说我们已经有能适配所用场景的对应产品，但我们已经开始做我们力所能及的事了。　　严格来说，AI模型泛化与缺数据的问题并不属于瑞萨业务范畴，也是全行业面临的难点。不过在应用仍待落地与技术快速演进的行业背景下，这反而能体现瑞萨现如今于物理AI、具身智能机器人的态度：把汽车与工业领域的积累放进具身智能机器人领域验证与打磨，面向具体场景推出定制的系统级解决方案，并与产业链协作共同拥抱标准、架构和各方面技术的进化。　　在一个连技术范式都还悬而未决的市场里，“先做力所能及的事”，或许本身就是瑞萨给出的确定性答案。而在这个增量足够大的市场中，瑞萨现在要做的，是确保自己站在“进化”的必经之路上。
关键词：
发布时间：2026-09-15 10:58 阅读量：413 继续阅读>>

跳转至

/ 37

热门分类
半导体 电路保护 机电产品 嵌入式解决方案 连接器，互连器件 传感器，变送器 光电元件 开发套件 测试与测量 电源 风扇，热管理 盒子，外壳，机架 电缆，电线 无源元件 其它
  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
CDZVT2R20B ROHM Semiconductor
RB751G-40T2R ROHM Semiconductor
MC33074DR2G onsemi
TL431ACLPR Texas Instruments
BD71847AMWV-E2 ROHM Semiconductor
型号 品牌 抢购
TPS63050YFFR Texas Instruments
ESR03EZPJ151 ROHM Semiconductor
STM32F429IGT6 STMicroelectronics
BP3621 ROHM Semiconductor
BU33JA2MNVX-CTL ROHM Semiconductor
IPZ40N04S5L4R8ATMA1 Infineon Technologies
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
原厂授权品牌
更多授权品牌>>
资讯排行榜
  • 周排行榜
  • 月排行榜

关于我们
AMEYA360商城(www.ameya360.com)上线于2011年，现有超过3500家优质供应商，收录600万种产品型号数据，100多万种元器件库存可供选购，产品覆盖MCU+存储器+电源芯 片+IGBT+MOS管+运放+射频蓝牙+传感器+电阻电容电感+连接器等多个领域,平台主营业务涵盖电子元器件现货销售、BOM配单及提供产品配套资料等，为广大客户提供一站式购销服务。

请输入下方图片中的验证码：

验证码