恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

发布时间:2026-06-29 11:06
作者:AMEYA360
来源:恩智浦
阅读量:713

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

  随着汽车智能化进程持续提速、各国NCAP安全法规不断收紧,以及消费者对智能驾乘体验需求的提升,多重因素合力推动下,车载毫米波雷达市场已步入高速发展周期,汽车雷达正在从早期少数高配车型的选装部件,逐步演变为L2及以上车型的标配感知器件。

  与此同时,国内汽车产业发展势头强劲,整车出口也稳步攀升,为汽车雷达市场打开了更广阔的成长空间。在这样的趋势下,如何在确保系统成本有竞争力的同时,确立自身产品的差异化优势,同时利用先进的技术向L2及以上ADAS和自动驾驶领域扩展,已成为广大车企和开发者都在思考的命题。

  在日前举办的第八届毫米波雷达前瞻技术展示交流会 (EAC2026) 上,恩智浦ADAS市场总监顾环宇 (Huanyu Gu) 先生围绕上述行业热点话题,与业界同仁展开了深入交流,并通过题为《Winning with Automotive Radar: Performance, Scalability, Efficiency》的主题演讲,从车载雷达市场趋势、下一代雷达产品规划、标准化雷达SoC方案、成像雷达技术落地等方面逐层剖析,分享了未来在汽车雷达市场的致胜之道。

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

  在分析市场发展趋势时,顾环宇先生表示,在安全法规与高阶舒适功能需求双重驱动下,全球车载雷达装车量正在持续攀升;而中国作为全球汽车产销与出口的主力市场,自主品牌出海将带动新兴市场汽车雷达配套需求的爆发,在可以预见的未来,L2+至L4级别车型单车搭载传感器数量将迎来大幅增长。

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

  应对这一市场趋势,恩智浦进行了缜密的产品布局,以高性能、扩展性、高效率三大研发思路为核心,打造新一代雷达芯片产品。恩智浦量产标准化雷达主控SoC,凭借优化射频架构、内置片上算力与AI处理能力,大幅降低雷达整机功耗与散热成本,无需额外散热结构即可采用塑料外壳设计,在实现雷达泊车、横穿预警等多功能同步运行的同时,依托先进抗干扰算法减少虚警与杂波干扰。

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

  此外,恩智浦第三代成像雷达处理器与配套射频收发芯片也实现了迭代升级,在提升探测距离、角度分辨率与点云密度的同时,进一步优化功耗与物料成本,使得产品方案能够灵活适配从入门L2+到高阶L4全场景车型需求。

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

  在演讲的结尾,顾环宇先生总结道,毫米波雷达在高阶自动驾驶体系中的战略价值日益凸显,具备优异综合性能、高度拓展性与成本优势的雷达芯片平台,能够帮助车企和Tier1缩短研发周期、控制研发投入,也是推动车载雷达技术规模化普及的重要支撑。

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道

恩智浦丨高性能、扩展性、高效率:恩智浦实力布局,筑就汽车雷达致胜之道


(备注:文章来源于网络,信息仅供参考,不代表本网站观点,如有侵权请联系删除!)

在线留言询价

相关阅读
从愿景到落地,恩智浦以“神经轴架构”加速可信物理AI发展
  日前,第二十三届中国国际半导体博览会 (IC China 2026) 在北京举办。恩智浦半导体副总裁袁文博再度受邀出席,并围绕机器人产业发展趋势、产业化进程中的技术挑战,以及恩智浦如何以架构创新与本地生态加速物理AI落地等话题发表主题演讲。  物理AI走向现实,机器人迈向规模化  随着人工智能从数字世界加速走向物理世界,机器人正成为物理AI增长最快的细分领域之一。中国凭借活跃的创新生态与快速发展的产业基础,在其中扮演着重要角色。  袁文博指出,从自主移动机器人到不同形态的人形机器人,应用边界正不断拓展,但要真正实现规模化,仍需同时应对系统延迟、功能安全与信息安全、能效,以及感知与机械设计等一系列挑战。  神经轴架构,破解机器人规模化挑战  面对这些挑战,袁文博阐释了恩智浦提出的“神经轴架构”——将系统划分为承担推理的“大脑”、负责实时协调的“小脑”与执行快速反射的“脊髓”,在功耗、可信自主与确定性控制之间取得平衡。正如人体触碰到高温时由脊髓直接触发回缩、无需等待大脑判断,机器人最紧急的动作响应,也应由靠近关节的本地处理器即时完成。  在这一架构下,集中式“小脑”将运动控制、网关与功能安全集成于一体,可减少板卡与器件数量,缓解关节处占板面积对机械自由度的制约;配合分布式“脊髓”与模块化端节点,同一平台得以灵活适配不同机器人形态,并通过软件定义实现功能的快速迭代与升级,同时降低部署与更新成本。  为此,恩智浦正把其在边缘智能、内置信任、实时性能与能效等方面的长期积累引入机器人领域,重点布局可扩展计算、实时协调、安全控制、运动智能、实时工业网络与边缘感知等关键能力。  从参考设计到量产,加速机器人创新落地  在袁文博看来,架构的价值最终要由量产来验证。恩智浦正通过机械臂关节、分布式灵巧手等参考设计,将处理、实时网络与电机控制整合为可复用的方案,帮助客户缩短从开发到量产的周期。  同时,面向物理AI更高的安全可靠性要求,恩智浦将在汽车与工业领域沉淀的功能安全与信息安全能力拓展至机器人场景,并与生态伙伴携手,打通从多模态感知、安全AI决策到实时确定性躯体控制的链路。袁文博表示,恩智浦专注于“大脑与身体”的协同,让智能通过确定性控制,稳定传递到机器人的每一个关节与执行单元。  扎根中国,与产业伙伴共促机器人创新  中国既是全球机器人产业的重要市场,也是技术突破与产业化的关键阵地。袁文博谈到,恩智浦正依托中国机器人创新中心,以本地研发、快速交付、面向全球市场的方式,与机器人厂商、汽车产业伙伴、灵巧手与边缘感知供应商,以及软件、开源社区、高校和孵化器等生态伙伴广泛合作。  袁文博表示:“机器人的规模化,不只取决于‘大脑’。当推理、协调与反射各安其位,智能才能变成可靠的动作。恩智浦愿与中国产业伙伴一起,把这套架构变成可复用、可量产的系统能力,让物理AI从愿景走向现实。”
2026-11-13 13:14 阅读量:241
恩智浦丨重新定义电池管理:无软件电池包推动BMS架构升级
  伴随汽车电子、储能系统以及工业设备架构持续向集中式计算演进,电池管理系统(BMS)也在面向下一代集中式架构进行升级。  传统电池管理系统的电池包往往拥有独立的MCU和配套的本地软件,负责电芯监测、电池状态估算、安全诊断管理和执行控制等功能。然而,随着域控制器和中央计算平台的普及,决策能力向更强大的中央控制器集中,一种新型的电池包架构也随之兴起,这就是无软件电池包(Software-Free Battery Pack)。  电池管理架构的“功能重定位”  无软件电池包并非取消电池管理软件,而是重新分配其运行位置:电池包内不再配置独立的MCU及本地软件,而是专注于高精度感知与数据采集;状态估算、诊断和控制等功能上移至域控制器或中央计算平台统一处理。这样既保留了传统BMS的完整功能,又能简化系统架构、降低软件维护成本,并提升整体可靠性。  这一架构可带来三方面优势:  这种变化,与近几年汽车电子电气架构的发展趋势高度一致,这也是Software-Free架构受到越来越多关注的重要原因。  传统BMS与无软件电池包BMS的架构对比  在高压应用中,无软件电池包内仅保留必要的测量、通信桥接和执行器接口,从独立运行的本地控制器转变为由域控制器统一管理的高可靠采样与执行节点。这一架构同样适用于低压BMS,可替代传统的MCU+SBC组合,覆盖12V、24V乃至48V电池管理应用。  恩智浦为Software-Free架构  提供从采集到安全的完整方案  “无软件”并不等于降低电池系统要求。计算功能上移至中央平台后,电池包对数据采集精度、通信可靠性和功能安全提出了更高要求。  不同应用的侧重点各有不同:高压动力电池项目需要降低BMU的软硬件复杂度;低压或辅助电池管理项目更关注以较低BOM实现基础BMS功能;自动化程度较高的生产线则希望减少软件烧录和版本管理成本。  针对这些差异化需求,恩智浦提供从成本优化型到全功能高压BMS的多种无软件方案,帮助客户按需构建面向集中式计算架构的新一代BMS。客户既可选择精简配置,也可采用支持Pyro Fuse、绝缘检测、EIS和ASIL-D安全目标的全功能方案。  简化型无软件电池管理系统方案  简化型Software Free方案,其目标是降本:由第一颗AFE兼顾部分BJB功能,尽量去掉隔离电源,并利用EEPROM或Secure IC存储分流器校准数据、制造信息、工厂安全密钥、电池状态数据和事件日志。  如下图是一个典型的简化型Software Free BMS方案,基于NXP BMS套件:BMA6002C、BMA7318TAIAE、BMA7318TANAE。  简化型Software Free BMS系统框图  EEPROM/安全芯片用于存储:分流电阻 (SHUNT) 校准数据、制造信息、工厂安全密钥、电池状态数据、事件日志。  绝缘检测:使用BMA6002C的IO控制optMOS,AFE的模拟通道 (AIN) 用于测量。  第一个AFE执行BJB功能,功耗略高,但可获得更好的电压和电流同步性能。  BMA6002C的供电可由外部KL30提供,支持KL15唤醒。  通过IO扩展器处理内部信号或其他LSD&HSD外设。  整个系统无MCU, 由BMA6002C的CAN进行对外通讯。  简化型Software Free BMS实物PCB  全功能Software Free方案  全功能Software Free方案,其目标是保留更多高压电池包级BMS能力,如Pyro Fuse驱动、绝缘检测、压力传感器接口、Secure IC、更多ADC/GPIO资源,甚至可扩展到带EIS或不带EIS的不同组合。  如果选择Software free + EIS的方案,建议采用恩智浦套件:BMA6402C、BMA8420、BMA7418、MC33776的组合;如果不需要EIS,可以采用套件:BMA6002C、MC33777、BMA7118、MC33776。  支持Pyro Fuse驱动。  功能安全目标为ASIL-D,网关支持E2E通信;MC33776支持E2E校验,ASIL-D。  支持EIS (与非EIS芯片pin2pin兼容)。  支持碰撞触发Pyrofuse。  支持绝缘检测。  支持压力传感器 (SPI接口)。  通过安全芯片 (SPI接口) 保证数据安全。  BJB具备16路ADC/GPIO资源。  全功能Software Free BMS 系统框图  器件推荐  Software free GTW  BMA6002C/6402C  MCU侧,支持CAN/CAN-FD (5Mbps max)  TPL接口,2个  数字I/O,8个,可复用为I2C主机接口, SPI主机接口  内置FIFO  兼容ASIL-D系统设计  BMA6402C为兼容EIS测试的版本  AFE  BMx7318  4~18通道  10/12个GPIO,可复用为I2C主机,OC保护通路  电芯电压,电流高精度采样、被动均衡兼容外置均衡  TPL通讯,2Mbps; 兼容SPI通讯  功能安全等级ASIL-C  BMA7118/7418  8~18通道  9个GPIO,可复用为I2C主机接口,SPI主机接口  电芯电压高精度采样、被动均衡兼容外置均衡  TPL通讯,2Mbps;兼容SPI通讯  功能安全等级ASIL-D  BMA7418为兼容EIS测试的版本  BJB  MC33777/33776  16个GPIO,可复用为I2C主机,SPI主机接口  4个电流采样通道  TPL通讯,2Mbps;兼容SPI通讯  功能安全等级ASIL-D  MC33777具有Pyrofuse driver,MC33776无  BMA8420  16个GPIO,可复用为I2C主机,SPI主机接口  4个电流采样通道  TPL通讯,2Mbps;兼容SPI通讯  功能安全等级ASIL-D  具有Pyrofuse driver  BMA8420为兼容EIS测试的版本  为下一代BMS架构做好准备  当软件持续向中央计算平台集中,无软件电池包方案正在为电池管理提供一种全新的实现方式:让计算更加集中,让系统更加简洁,让软件管理更加高效。  对于正在规划下一代汽车和储能平台的开发者而言,这不仅是一种新的BMS方案,更是一种面向未来电子电气架构的设计思路。
2026-10-27 14:14 阅读量:305
恩智浦丨在边缘规模化部署可信物理AI:如何做,才能更高效?
  AI持续快速演进,但有一个趋势变得明朗——智能正逐步向数据产生的源头靠拢。在机器人、工业自动化、智能基础设施和自主系统等领域,AI正从感知阶段迈向生成与行动阶段。系统越来越要求具备实时解析信息、做出决策并迅速响应的能力,而无需依赖数据往返云端。  随着AI深入物理世界,开发人员需要既能扩展智能、又能兼顾功耗、内存、安全性和系统复杂性的平台。  超越“边缘AI”的范畴  随着AI应用加速普及,“边缘AI”已成为行业共同关注的焦点。如今几乎每个平台都宣称具备一定程度的AI推理能力。然而,对于嵌入式开发人员而言,挑战往往不在于添加AI功能,而在于如何在现有功耗预算、安全要求和嵌入式架构内成功实现AI部署。  当团队试图在不增加功耗的前提下将智能引入现有嵌入式系统时,往往会带来集成复杂性,或引发新的信息安全与功能安全问题。开发人员越来越需要同时平衡多项因素,包括:  AI性能  高能效  嵌入式集成  硬件架构  存储要求  信息安全  开发便捷性  长期可扩展性  AI的成功部署,取决于在提供智能的同时,保留嵌入式系统最核心的特性:行为可预测、功耗预算可控以及开发流程高效简洁。  AI工作负载正在改变边缘计算  AI正从孤立的感知任务,演进为能够解析场景、做出决策并实时行动的完整系统。语音、视觉、传感器和控制系统正日益动态地协同工作,推动边缘侧实现智能化和自主化。  以在工业仓库环境中导航的移动机器人为例,它可能需要:  解析多路摄像头数据流  检测物体并对其进行分类  融合多种传感器信息  了解环境场景  实时做出导航决策  与周围系统保持通信  这些任务非常重要,因为它们通常需要同时运行并实时处理,从而给边缘的处理、内存和电源资源带来较大压力。尽管应用处理器不断进步,但对低延迟AI推理的需求增长通常更为迅速。挑战在于,如何在无需完全重构系统架构的前提下提升AI能力。  边缘AI正在改变物理空间,同时也给嵌入式开发人员带来新的挑战。  在不增加复杂度的前提下扩展智能  专用AI加速为系统设计引入了不同的模式。开发人员需要的系统架构,不仅要能支持神经网络推理,还要能支撑把业务逻辑与物理访问或控制网关连通起来的完整的端到端AI工作负载,而不是让主处理器承担所有任务。这要求专用AI加速硬件来运行高级工作负载,同时由主处理器继续承担系统级管理职责。  恩智浦Ara240独立神经处理单元 (DNPU) 正是基于这一理念设计而成。作为专用AI配套处理器,Ara240使开发人员能够独立于系统架构的其余部分来扩展AI性能。  高级AI工作负载,包括计算机视觉、多模态Transformer模型 (如视觉语言模型 (VLM)和大语言模型 (LLM)),均可分流至DNPU,而主处理器继续负责管理连接、安全、用户界面和实时控制等任务。这种方法帮助客户在不重新设计整个平台的情况下,引入更先进的AI能力。这种架构分离带来的优势包括:  系统实时响应能力  能效优化  本地处理,增强隐私保护并降低带宽要求  通过工作负载隔离提升安全性  随工作负载演进而灵活扩展的AI性能  内存可灵活扩展  在本地处理AI还可减少对云资源的依赖,同时将敏感数据始终保留在设备端。与恩智浦应用处理器配合使用,Ara240帮助开发人员构建更加灵活、面向未来的边缘AI系统,能够紧跟AI模型与工作负载的演进步伐。  Ara240独立神经处理单元。  借由eIQ AI软件开发环境让AI落地  硬件加速只是解决方案的一部分。开发人员同样需要软件工具来简化模型开发和优化,并支持在多种处理环境下可靠部署。  恩智浦eIQ AI软件开发环境提供模型优化、部署和性能调优工具,帮助开发人员从实验验证走向量产阶段,覆盖恩智浦微控制器 (MCU)、微处理器 (MPU) 和AI加速器产品线。  对常见AI框架的支持以及可扩展的部署工作流程,有助于降低集成复杂度,同时让开发人员能够在多代产品中复用AI方面的投入。结合恩智浦硬件平台与生态系统合作伙伴的支持,eIQ有助于加速从概念验证 (POC) 到量产就绪系统的落地过程。  Ara软件开发套件 (SDK) 将是eIQ AI软件的组成部分,允许开发人员编译模型以进行基准测试或部署,并在Hugging Face上的Ara240 Model Zoo模型库中运行已针对Ara240优化的现有模型二进制文件。  打通技术与部署之间的壁垒  仅靠强大的芯片不能解决当前AI开发面临的所有挑战。构建嵌入式系统的团队仍然需要开发平台、软件支持、系统集成指导以及长期产品策略 (即生命周期支持)。这正是生态系统协作发挥关键作用之处。  F&S和Gateworks等系统供应商,连同其他生态系统合作伙伴,致力于将处理技术转化为部署就绪的平台,从而在设计初期就降低复杂度。开发人员不必从零开始进行硬件设计,而是可以基于已经包含内存布局、电源管理、散热考量、软件支持和生命周期规划的解决方案起步。  加速机器人与功能安全发展  随着AI工作负载不断扩展,许多开发人员面临一个熟悉的挑战:将原本分散在不同领域的多重要求整合到一起。现代系统越来越需要将Linux环境、AI框架、编译器、实时响应能力和功能安全架构融合于单一平台之中。  这在机器人和智能自主系统领域尤为突出,开发人员可能需要同时管理多路摄像头数据流、运行AI推理、支持Robot Operating System 2 (ROS 2)等框架,并确保安全导向的操作。  F&S通过集成式嵌入式平台来应对这一挑战,将硬件、软件和长期支持整合为完整的开发方案。其支持不仅限于模块交付,而是延伸至整个项目生命周期,涵盖硬件定制、Linux板级支持包 (BSP) 支持、散热设计考量、安全集成和生命周期管理。  以我们的i.MX 95应用处理器与Ara240 DNPU的组合为例,二者结合构建出一个可扩展平台,适用于机器人、机器视觉、自主系统及安全导向应用。在该架构中,i.MX 95负责系统级管理 (如连接、安全和控制功能),Ara240则为高级神经网络工作负载提供专用AI加速支持。  对开发人员而言,这意味着可以在不放弃熟悉的Linux和ROS开发环境的前提下,构建融合AI、实时响应与功能安全的系统。随着自主系统能力的持续提升,平衡智能、控制与可信度变得愈发重要。  F&S的M.2 Ara240 AI加速器,为边缘带来了真正的生成式AI性能。  将工业AI落地于可部署系统  对于众多嵌入式开发人员而言,挑战不在于单纯添加AI功能,而在于降低将AI系统推向生产环节的复杂度。  Gateworks通过帮助将可扩展AI平台引入实际部署场景,为恩智浦的边缘AI和机器人战略提供有力支撑。  从零开始构建工业硬件,需要在电源管理、散热设计、内存配置、软件集成和长期维护等方面投入大量精力。随着AI工作负载从传统计算机视觉向多模态和生成式AI应用演进,这些挑战愈发突出。  Gateworks通过其围绕恩智浦技术打造的工业级单板计算机、AI加速模块和开发套件,有效简化了这一流程。以GW11062-1开发套件为例,它将恩智浦i.MX 95应用处理器与Gateworks基于恩智浦Ara240 DNPU的GW16168 AI加速器相结合。该集成平台为开发人员提供了即用型环境,可用于评估和部署高级边缘AI应用,有助于显著缩短开发周期并加快产品上市进程,尤其在前沿AI模型支持方面表现突出。  i.MX 95与Ara240的组合构建了一种可扩展的架构,连接、安全、用户界面和控制等系统功能保留在主处理器上运行,而AI推理工作负载则分流至专用加速硬件。这一方案使开发人员能够在不重新设计整体系统架构的前提下,灵活提升AI能力。  通过提供部署就绪的硬件和软件,Gateworks帮助开发人员更快地从概念验证 (POC) 迈向量产阶段,应用场景涵盖自主移动机器人、工业自动化、智能能源系统和智能基础设施等领域。  Gateworks基于恩智浦Ara240 DNPU的M.2 AI加速器 ,在边缘提供高性能、低功耗的AI推理能力。  展望未来  边缘AI正从概念验证演示走向实际系统。  开发人员需要构建的产品,应能在极短的响应窗口内完成观察、聆听、感知、理解和决策,同时平衡信息安全、功能安全、性能和功耗等方面的约束。  满足这些期望,仅靠增加计算资源远远不够,还需要具备可扩展能力的系统架构,以及能够帮助开发人员将创意转化为可部署系统的生态合作体系。  行业正从单纯增加AI功能,转向构建能够在物理世界中感知、推理和行动的系统。成功的关键在于平衡智能与嵌入式设计的实际限制,这些限制涵盖功耗、内存、信息安全、功能安全以及整体系统复杂度。  边缘AI的未来,不会仅由模型规模或基准测试性能来定义,而取决于智能如何高效地部署到安全、可扩展且注重节能的系统中,以解决实际问题并加速产品上市进程。
2026-09-24 11:55 阅读量:389
恩智浦荣获“边缘AI芯片领军企业奖”,持续推动边缘AI创新与产业落地
  随着人工智能加速从云端向边缘侧部署,边缘AI正成为推动嵌入式系统、工业自动化、机器人和智能终端创新的重要力量。  近日,在elexcon2026第23届深圳国际电子展暨嵌入式展举办的“嵌入式与边缘AI创新奖”评选中,恩智浦半导体荣获“边缘AI芯片领军企业奖”。该奖项旨在表彰在边缘AI领域实现技术突破、产品创新及产业化落地的代表性企业。  聚焦边缘AI创新  表彰产业标杆  本届elexcon2026展以“All for AI, All for GREEN” 为主题,围绕AI技术产业化落地与绿色可持续发展展开深入探讨。为表彰边缘AI领域的技术创新突破、产品迭代升级与市场规模化落地成果,展会主办方联合行业专家及权威媒体共同打造“嵌入式与边缘AI创新奖”,推动边缘AI产业链技术升级与生态协同发展。  其中,“边缘AI芯片领军企业奖”重点面向在边缘与终端AI计算领域具备持续创新能力、完善产品布局、成熟开发生态以及广泛行业影响力的企业,是大会边缘AI领域的重要企业奖项。  在本届“嵌入式与边缘AI创新奖”评选中,恩智浦荣获“边缘AI芯片领军企业奖”。  从感知到智能决策  打造Edge AI生态  作为全球领先的汽车电子、工业和边缘计算半导体企业,恩智浦长期深耕边缘人工智能领域,构建了涵盖微控制器(MCU)、微处理器(MPU)、AI加速器、连接解决方案、安全技术以及AI软件开发工具的完整Edge AI产品组合。  依托覆盖MCU、MPU及专用AI加速器的丰富产品布局,恩智浦能够帮助开发者根据不同应用需求,灵活选择适合的智能计算能力,实现性能、功耗与成本的平衡优化。  恩智浦的边缘AI处理产品组合包括:i.MX应用处理器系列、i.MX RT跨界MCU系列、MCX微控制器系列、Ara离散式AI加速器系列、eIQ AI软件开发环境等,共同构建起覆盖感知、连接、计算与安全的完整边缘智能架构。  其中:i.MX RT1180创新性地将实时控制、工业级时间敏感网络(TSN)和EdgeLock硬件安全技术集成于单一芯片,为工业边缘智能应用提供高可靠、高安全的基础平台;Ara240离散神经处理单元(DNPU),面向下一代生成式AI应用,支持视觉语言模型(VLM)、大语言模型(LLM)等先进人工智能工作负载,并可提供高达40 eTOPS的AI推理性能,使先进AI能力能够真正部署到边缘终端设备之中。  “  凭借覆盖MCU、MPU及专用AI加速器的可扩展边缘AI战略,恩智浦获得行业分析机构Omdia在《Market Radar 2024》中边缘AI领导者认可,进一步印证了其在边缘AI领域的技术实力与生态影响力。  软硬协同  构建开放AI生态  在软件生态建设方面,恩智浦打造了业界领先的 eIQ® AI软件开发环境。eIQ支持TensorFlow、PyTorch、ONNX等主流机器学习框架,为开发者提供从模型训练、优化部署到推理执行的一站式开发流程,大幅降低边缘AI开发门槛,帮助客户加快创新产品上市速度。  与此同时,恩智浦还持续完善从边缘计算平台、AI软件工具链到开发生态伙伴的全链路支持体系,助力开发者快速实现从概念验证到规模部署的创新应用。  AI从云走向边缘  加速产业规模化落地  目前,恩智浦边缘AI平台已广泛应用于:工业自动化、机器人、智能家居、智慧零售、能源管理、医疗设备、智能安防、汽车电子等多个关键行业领域。依托超过70年的半导体创新积累、稳健的全球供应链体系以及长期供货承诺,恩智浦持续推动边缘AI技术从实验室创新走向产业规模化应用。  亮相ETCC 2026  分享边缘智能新趋势  在获奖同期举办的第八届中国嵌入式技术大会(ETCC 2026)上,恩智浦大中华区高级市场经理申靓(Elyn Shen) 发表了主题演讲《边缘智能时代的嵌入式演进》。  演讲围绕AI驱动下嵌入式系统的发展趋势,探讨从传统MCU、MPU向融合NPU/DNPU的异构计算架构演进,以及边缘AI如何推动工业自动化、机器人和智慧物联网创新。  持续赋能边缘智能新时代  从智能工厂到医疗健康,从智慧能源到机器人和汽车电子,边缘AI正在成为产业数字化和智能化升级的重要引擎。  未来,恩智浦将继续依托先进的边缘计算平台、开放的软件生态以及丰富的行业实践经验,推动AI能力从云端向边缘延伸,帮助客户将智能能力部署到边缘端,加速边缘AI创新应用落地,推动产业数字化和智能化发展。
2026-09-18 09:46 阅读量:437
  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
MC33074DR2G onsemi
CDZVT2R20B ROHM Semiconductor
TL431ACLPR Texas Instruments
RB751G-40T2R ROHM Semiconductor
BD71847AMWV-E2 ROHM Semiconductor
型号 品牌 抢购
BP3621 ROHM Semiconductor
ESR03EZPJ151 ROHM Semiconductor
BU33JA2MNVX-CTL ROHM Semiconductor
TPS63050YFFR Texas Instruments
STM32F429IGT6 STMicroelectronics
IPZ40N04S5L4R8ATMA1 Infineon Technologies
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
相关百科
关于我们
AMEYA360微信服务号 AMEYA360微信服务号
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