瑞萨电子宣布Renesas 365全面上市

Release time：2026-03-12
author：AMEYA360
source：瑞萨
reading：180

瑞萨电子宣布Renesas 365全面上市

　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布，由Altium提供技术支持的智能模型化平台“Renesas 365”正式全面上市：该平台可将元器件与解决方案查找、模型化系统开发，以及早期概念验证集成于统一平台。Renesas 365是业界领先的基于云端环境构建的平台，致力于通过开放生态系统大规模实现芯片与系统深度融合。

　　在现代嵌入式设计中，工程师常面临工作流程脱节、手动查找元器件，以及系统级认知有限等问题。Renesas 365将嵌入式软件文件、数据手册和应用说明等此前相互独立的工具整合至一个精简的云端管理的平台上，有效解决了这些问题。借助Renesas 365，工程团队可以协同探索架构、并行开发软硬件，并基于实时洞察做出系统级设计决策。

　　自相关概念发布以来，瑞萨现已推出Renesas 365的第一阶段版本，集成超过550款型号的RA系列微控制器(MCU)——业界卓越的Arm®架构MCU产品系列，并配套提供完整开发工具。

　　借助模型化的评估与优化技术，工程师如今可将Renesas 365作为一个智能设计环境：它能根据完整的系统需求，主动辅助筛选合适的MCU。工程师无需再逐一地筛选数据手册，而是基于引脚使用情况、外设、时序、功耗，以及元器件与系统构建模块的匹配程度获得引导式推荐方案。这意味着，工程师原本需要花费一小时来查阅数据手册和工具需求的任务，如今几分钟内即可完成，可大幅缩短评估时间。这种系统级智能可加速设计融合，最大限度减少后续返工，同时支持更强大、高效且具成本效益的嵌入式设计，提升产品上市速度。

　　Gaurang Shah, Vice President and General Manager of Embedded Processing at Renesas表示：“Renesas 365的全面上市，标志着瑞萨数字化愿景关键里程碑的达成。通过推出支持早期开发的智能设计环境第一阶段版本，我们也同时为下一阶段产品奠定了基础：届时硬件和软件子系统元素都将可以在Renesas 365内进行维护。这将助力客户以更低成本加速构建、扩展和维护下一代软件定义产品。”

　　结合e² studio集成开发环境(IDE)、灵活配置软件包(FSP)，和智能文档功能，工程师可利用专门为RA MCU产品(包括传感、电源管理和编译器支持)创建的集成设计工作流程。

　　Renesas 365的关键特性

　　模型化的元器件与系统探索、发现及选型

　　贯穿系统、硬件与软件工作流的数字连续性

　　AI辅助的设计约束指导、资源管理和错误纠正

　　RA MCU的空中下载(OTA)设备管理

　　现有客户可将在e² studio中的现有项目与Renesas 365平台相关联，并立即启用该平台。而新项目开发者将获得系统级元器件与解决方案发现层面的引导，以识别兼容设备并评估可行性。这种系统级上下文感知能力可显著加快早期开发进程，减少迭代次数。

　　数字化连接的软硬件配置

　　当工程师对其系统进行修改时，该平台会自动记录迭代过程，并将其与系统级设计元素相关联，以便团队能够回溯任何软硬件配置。凭借上下文感知智能系统，Renesas 365有助于识别资源或设计约束，提出解决方案，帮助团队以更少的迭代次数和更高的信心做出设计决策。此外，Renesas 365还允许客户通过集成的OTA功能，在初始设计完成后持续管理和更新基于RA的产品。

　　为灵活性而打造的开放平台

　　Renesas 365是一个开放且可扩展的平台，旨在反映电子系统在现实世界中的开发方式。开发人员可以选择将第三方元器件、传感器和合作伙伴工具直接集成到其系统设计中。这种开放的策略使得开发团队能够在集成的系统级环境下全面权衡设计选择，从而灵活采用多供应商架构，构建真正契合需求的解决方案。

　　拓展Renesas 365生态系统

　　目前正在开发中的Renesas 365下一阶段版本，将推动完整子系统构建模块作为平台维护组件进行建模。作为此计划的一部分，将支持更多的瑞萨产品家族，且组件生态系统将包含更多第三方产品。外设配置、电源管理和软件等子系统组件，将实现自动定义、维护，与兼容性验证。借助这些可定制的构建模块，客户将能够加快产品上市速度，减少工程工作量，并获取前沿技术。

瑞萨电子宣布Renesas 365全面上市


（"Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal."）

Previous：极海G32R501 800W双路微型逆变器参考方案演示

Next：智能插座之巅！公牛携航顺HK32MCU，重构智能插座新标杆

Online messageinquiry

reading
瑞萨：面向嵌入式部署的神经网络优化：模型压缩深度解析
行业新闻

瑞萨：面向嵌入式部署的神经网络优化：模型压缩深度解析

　　01 为什么需要神经网络模型压缩?　　神经网络已经成为解决复杂机器学习问题的强大工具。然而，这种能力往往伴随着模型规模和计算复杂度的增加。当输入维度较大(例如长时序窗口、高分辨率特征空间)时，模型需要更多参数、每次推理需要更多算术运算，使其难以部署在嵌入式硬件上。　　对于嵌入式系统而言，资源极其有限。内存空间受限，因此在桌面或云平台上轻松运行的模型可能无法放入芯片内的闪存。此外，较高的运算量(MACs/FLOPs)和推理延迟要求往往超出低功耗MCU或边缘设备所能承受的范围。　　我们要解决的核心挑战是：如何在保持模型性能的前提下，大幅压缩神经网络模型，降低模型大小、推理时间和计算成本，从而实现其在资源受限的嵌入式系统上的部署。　　我们要解决的核心挑战是：如何在保持模型性能的前提下，大幅压缩神经网络模型，降低模型大小、推理时间和计算成本，从而实现其在资源受限的嵌入式系统上的部署。　　02 神经网络模型压缩是如何工作的?　　神经网络模型往往比实际需要的更大。在训练和验证之前，我们很难准确判断架构规模是否合理。模型压缩的目标就是识别模型中的冗余和未充分利用的权重并将其移除。　　我们使用专有的数学方法来寻找并压缩这些冗余，对网络进行重新整理，使其更加简洁、小巧和高效。同时，我们会严格控制精度损失，确保不会丢弃过多关键信息。　　03 实例：紧急尖叫声检测　　(Emergency Scream Detection)　　为了更直观地解释这一挑战，我们以“紧急尖叫声检测(ESD)”演示为例。ESD系统是一种机器学习模型，用于区分求救尖叫声和其他环境声音。该任务是一个二分类问题：Scream vs Not Scream。　　模型使用Google’s Audioset database公共数据集中的音频信号进行训练。训练数据集规模大且多样化，而验证数据集由团队采集的小规模现场录音构成。模型在训练集的k-fold验证中表现中等，但在新的现场数据上表现非常好。　　基线模型性能：　　我们使用基于全连接层的神经网络，并以STFT频谱图作为输入特征。该模型取得了最佳效果，达到：　　k-fold验证精度：82%　　现场数据测试精度：98%　　从性能角度看，该模型表现优秀。然而，它有一个关键问题：　　ROM占用：552kB　　该大小超过目标嵌入式平台(Voice RA6E1)的内存限制，导致无法部署。　　压缩模型性能：　　为了解决这一问题，我们应用了Renesas为嵌入式部署优化的专有神经网络压缩技术。　　压缩结果非常显著：　　模型大小从552kB降至117kB(减少约79%)　　k-fold验证精度保持82%　　现场测试精度保持98%　　MAC从129,68降至21,001(降低83%)　　也就是说，在几乎不影响模型性能的前提下，显著减少了模型规模和计算成本。　　图1–5展示了该对比的详细信息。图1显示AI Explore™的对比结果;图2和图3的混淆矩阵确认精度保持一致;图4和图5的红框部分(Flash Parameters)展示了模型大小和复杂度的核心差异，该数值反映了实际编译后部署的模型，比Explore页面上的估算更准确。　　04 更多成功案例　　表1汇总了其他示例模型的结果——其中，资产移动跟踪模型使用加速度计数据来识别设备或包裹的搬运与移动状态;吸尘器地面类型检测模型通过电机信号判断清扫对象的地面材质;电机启动负载检测模型能够在开环控制下快速判断电机的启动负载，从而帮助控制器实现节能优化。　　从这些实验结果可以看到，模型在压缩后的准确率基本得以保持。两个项目在压缩前后完全没有精度损失(紧急尖叫检测：98%→98%，电机启动负载：99%→99%)，其余两个项目的变化也仅为1%的轻微下降(资产移动：92%→91%，吸尘器地面类型：96%→95%)。　　在保持精度几乎不变的同时，模型体积显著减小。尤其是较大的基线模型，ROM使用量减少超过75%。同时，MAC(Multiply-Accumulate)运算量也呈现同等幅度的下降，与ROM节省情况高度一致。　　Table 1: Comparison of baseline and compressed models　　05 使用Reality AI Tools®进行模型压缩　　在Reality AI Tools®中，对神经网络模型进行压缩、重新训练、使用新数据进行测试以及部署到目标板上，都非常简单。事实上，在AI Explore™阶段，工具会自动完成模型压缩——你甚至不需要额外关注这一步骤。　　下面是一段精简的流程说明，展示你将会看到的主要步骤。　　(1) 首先，在Data→Curate模块中创建你的训练集和测试集。　　(2) 在AI Explore™页面中训练模型，并探索不同的特征空间与决策结构。点击“Start Explore”后，系统会自动训练和测试多种模型，并根据性能对它们进行排序。在Explore的结果中，你会同时看到部分模型的基线版本与压缩版本。当某个基线模型在不降低准确率的情况下可以进一步缩小体积时，工具会自动生成其压缩版本。压缩模型会使用一个特殊符号标记(如图7中红色箭头所示)。相反，没有该符号的则是未压缩的原始基线模型。　　一旦你确定了需要进一步评估与部署的模型，可以从该模型创建一个Base Tool，以便继续开展后续工作。此时，压缩后的模型即可用于重新训练、测试、优化以及部署，使用方式与原始基线模型完全一致。　　对于用户来说，使用压缩模型是完全透明的。它在系统中会像其他任何Trained Tool模型一样工作，不需要额外步骤或特殊处理。　　(3) 你可以在Test&Optimize→Try New Data区域测试压缩后的模型。选择压缩版本的Trained Tool模型以及所需的测试数据集，然后运行Accuracy Test(准确率测试)，即可评估该模型在未见过的数据上的表现。　　(4) 部署同样非常简单。在验证压缩模型并确认其性能符合预期后，你可以进入Deploy→Embedded完成部署流程。选择已经训练好的压缩模型，并根据目标嵌入式系统的约束条件创建新的部署包。随后，下载生成的可导出模型包，并将其部署到目标硬件板上。与Reality AI Tools®中其他模型的部署方式完全一致，使用压缩模型无需任何额外步骤或特殊处理。　　结论　　在部署机器学习模型时，仅有高准确率还远远不够。模型还必须满足严格的内存预算，并在资源受限的环境中高效运行。我们先进的神经网络模型压缩技术，使开发阶段的高性能模型能够轻松过渡为可部署于边缘设备的轻量化AI解决方案。
2026-03-13 09:48 reading：182
瑞萨电子荣获六联智能“最佳技术创新奖”
企业动态

瑞萨电子荣获六联智能“最佳技术创新奖”

　　近日，六联智能18周年感恩盛典在上海举办。本次盛典以“一起来，聚力AI”为主题，汇聚政府部门、核心合作伙伴、产业同仁及六联家人等近1300位嘉宾齐聚一堂，共同见证六联智能十八年发展里程碑，开启全栈AI崭新征程。活动现场颁发了多项供应商奖项，凭借在技术创新与服务层面对六联智能的有力支持，瑞萨电子荣获“最佳技术创新奖”。瑞萨电子华东区销售总监Lucy Yue代表领奖，资深销售经理Vic Shan共同参会。　　自合作以来，瑞萨与六联智能科技始终保持着深度、互信的伙伴关系。在PC、Server、workbench等关键项目中协同创新，共同应对技术挑战，致力于打造高性能、高可靠性的整套解决方案。每一项进展，都凝聚着双方团队从前期设计到后期交付的全流程紧密配合。这份荣誉不仅是对瑞萨产品与技术创新的肯定，更是双方在AI领域持续深耕、协作共进的重要见证。
2026-03-10 09:49 reading：233
瑞萨电子推出28纳米RH850/U2C汽车微控制器，拓展面向车辆控制与汽车安全应用领域的产品阵容
行业新闻

瑞萨电子推出28纳米RH850/U2C汽车微控制器，拓展面向车辆控制与汽车安全应用领域的产品阵容

　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布推出基于28纳米制造工艺的全新32位汽车微控制器(MCU)RH850/U2C。该MCU配备丰富的通信接口与先进的信息安全性能，可广泛应用于乘用车及摩托车的底盘与安全系统、电池管理系统(BMS)、照明及电机控制等车身控制领域，以及其他通用汽车最高功能安全等级(ASIL D)的应用场景。　　作为入门级产品，RH850/U2C的推出进一步扩充了瑞萨广受欢迎的RH850/U系列产品线，与定位高端的RH850/U2B及中端RH850/U2A产品形成互补。该款MCU集成多达四颗运行频率高达320MHz的RH850中央处理器(CPU)内核(其中含两颗锁步内核)，并配备高达8MB的片上闪存。现有采用RH850/P1x或RH850/F1x系列产品的开发人员可平滑迁移至这款全新的MCU，从而轻松应对新一代E/E架构的技术要求。　　面向当前及下一代系统的通信接口　　RH850/U2C支持面向现代E/E架构设计的多种接口，包括以太网10base-T1S、以太网时间敏感网络(TSN，1Gbps/100Mbps)、CAN-XL以及I3C。同时，它还能全面兼容当前广泛使用的各种接口，如CAN-FD、LIN、UART、CXPI、I²C、I²S以及PSI5。这种全面的接口配置可兼容现有ECU，支持跨代际的分步平滑迁移。随着越来越多的车载网络向域控制架构和区域控制架构转型，RH850/U2C能够提供灵活的系统配置与出色的可扩展性，有效降低网络设计的复杂度。　　强大的功能安全与网络安全特性　　该款MCU符合ISO 26262标准，满足最高ASIL D的功能安全要求。为满足当前网络安全要求，此款MCU设计遵循最新ISO/SAE 21434标准，支持涵盖后量子密码(PQC)及中国与其他国际法规强制要求的各类加密算法。通过专用的硬件加速器，该MCU可卸载加密运算任务、降低CPU负载，从而实现高吞吐量的数据处理能力。　　功耗优化的MCU架构　　基于成熟的28纳米制造工艺，RH850/U2C在工作模式与待机模式下均可实现显著的功耗优化。其专属的待机模式还可进一步降低芯片在深度停机与间歇运行状态下的功耗。这些低功耗模式有助于提升电源设计裕度，降低散热需求，并确保系统在环保法规日趋严格的背景下持续合规。　　Satoshi Yoshida, Vice President of the High-Performance Computing MCU Division at Renesas表示：“随着现代ECU通过软件更新与新增功能持续演进，如何在保证系统稳健性的同时兼顾运行效率变得至关重要。RH850/U2C融合卓越性能、丰富功能及行业关键标准合规性，能够满足下一代ECU的需求。这正是客户构建可靠、可扩展汽车系统所需要的理想平台。”　　Christoph Wenger, Chief Expert Semiconductor at Vehicle Motion at Bosch表示：“瑞萨RH850 MCU系列凭借其久经验证的可靠性，长期以来为我们的系统提供有力支持。我们很高兴看到RH850/U2C的推出，进一步完善了瑞萨的汽车产品矩阵。这款基于28纳米制造工艺的MCU兼具出色性能与卓越品质，我们期待与瑞萨继续深化双方的合作。”　　全方位开发支持　　RH850/U2C提供完善的开发环境，助力客户缩短产品上市周期。开发人员可使用业界先进的编译器与集成开发环境(IDE)，搭配由瑞萨及其生态合作伙伴提供的汽车级认证软件包。这些方案满足最高等级的功能安全要求，符合ISO 26262标准(可达ASIL D级)。为便于快速评估与项目启动，瑞萨还提供专用的RH850/U2C入门套件。
2026-03-05 10:58 reading：297
瑞萨官宣中国区新总裁！
行业新闻

瑞萨官宣中国区新总裁！

　　全球领先半导体解决方案供应商瑞萨电，子今日宣布两项关键高层人事任命，全面强化印度与中国两大高增长市场的战略执行与本土管理，新任命自 3 月 1 日起正式生效。　　瑞萨中国区总裁刘芳( Yvonne Liu)：曾任中华区汽车业务总经理　　Malini Narayanamoorthi 升任副总裁兼瑞萨电子印度总裁。她此前担任印度区总经理及模拟与混合信号产品集团工程副总裁，任职期间持续夯实客户合作、推动重大项目落地、强化全球协同，为瑞萨在印度业务扩张奠定坚实基础。履新后，她将全面统筹印度市场战略，依托当地快速成长的技术生态与人才储备，抢抓国家级重点项目带来的发展机遇。　　行业资深人士刘芳(Yvonne Liu)出任副总裁兼瑞萨电子中国总裁。刘芳拥有 26 年半导体全价值链从业经验，深耕汽车、消费电子、工业、物联网与网络安全等领域，加入瑞萨前曾担任恩智浦半导体副总裁兼大中华区汽车业务总经理，具备出色的跨领域业务领导与市场拓展能力。她将全面负责瑞萨中国区运营与战略落地，深化本土客户与生态合作，助力公司在全球核心技术市场持续增长。　　Malini与刘芳均直接向Hidetoshi Shibata(柴田英利)，瑞萨电子CEO汇报工作。　　柴田英利表示，中国与印度是瑞萨长期战略增长核心市场，本次管理层强化将进一步提升区域决策效率、深化客户合作、强化综合竞争力，彰显瑞萨深耕亚洲最具活力科技生态、推进全球一体化布局的坚定承诺。　　瑞萨电子(Renesas Electronics)是全球领先的嵌入式半导体解决方案供应商，也是日本半导体产业的核心企业，总部位于东京，在东京证券交易所上市(TSE：6723)，由柴田英利(Hidetoshi Shibata)担任CEO。　　公司始于2003年日立与三菱电机半导体部门合并的瑞萨科技，2010年与NEC电子合并后正式定名。目前全球员工约2.19万人，业务覆盖20多个国家，2024财年营收约1.35万亿日元。　　瑞萨核心优势集中在车规级芯片，汽车MCU全球市占率超30%稳居第一，主力产品包括RH850系列MCU、R-Car系列SoC等，服务全球主流车企。同时布局工业自动化、物联网、基础设施等领域，提供全栈芯片解决方案，技术符合车规、工规安全标准，生态完善。
2026-03-02 16:35 reading：327
Popular categories
Boxes, Enclosures, Racks Cables, Wires Circuit Protection Connectors, Interconnects Development Kits Electromechanical Embedded Solutions Fans, Thermal Management Optoelectronics Others Passive Components Power Semiconductors Sensors, Transducers Test and Measurement
  • Week of hot material
  • Material in short supply seckilling
model brand Quote
CDZVT2R20B ROHM Semiconductor
MC33074DR2G onsemi
RB751G-40T2R ROHM Semiconductor
BD71847AMWV-E2 ROHM Semiconductor
TL431ACLPR Texas Instruments
model brand To snap up
BU33JA2MNVX-CTL ROHM Semiconductor
IPZ40N04S5L4R8ATMA1 Infineon Technologies
BP3621 ROHM Semiconductor
STM32F429IGT6 STMicroelectronics
ESR03EZPJ151 ROHM Semiconductor
TPS63050YFFR Texas Instruments
Hot labels
ROHM
IC
Averlogic
Intel
Samsung
IoT
AI
Sensor
Chip
Original authorized brand
More Licensed Brands>>
Information leaderboard
  • Week of ranking
  • Month ranking

About us

Qr code of ameya360 official account

Identify TWO-DIMENSIONAL code, you can pay attention to

AMEYA360 weixin Service Account AMEYA360 weixin Service Account
AMEYA360 mall (www.ameya360.com) was launched in 2011. Now there are more than 3,500 high-quality suppliers, including 6 million product model data, and more than 1 million component stocks for purchase. Products cover MCU+ memory + power chip +IGBT+MOS tube + op amp + RF Bluetooth + sensor + resistor capacitance inductor + connector and other fields. main business of platform covers spot sales of electronic components, BOM distribution and product supporting materials, providing one-stop purchasing and sales services for our customers.

Please enter the verification code in the image below：

verification code