MCU 大脑 “整花活”，工业机器人迭代方向渐明

近日，多家机器人企业发布产品动态预告：8 月 29 日，新时达在回复投资者提问时表示，公司计划于 9 月推出具身智能焊接方案，可广泛应用于船舶、钢结构、塔角、工程机械等多个行业;8 月 25 日，湖北宜昌青葵机器人科技有限公司董事长陈南江在公开报道中介绍，公司生产的无间断全流程有机合成机器人将于 9 月底完成调试，发往新加坡科技研究局…… 具身智能等技术的加持正使工业机器人正越来越 “聪明”。而在看不到的地方，作为机器人控制 “大脑” 的 MCU，正承载着越来越高的计算需求。

“当工业机器人加入具身智能新形态，就从只有固定轨迹的执行器升级成为可自主感知、推理、执行的综合体。” 机器人不再只能单纯地执行编辑好的工作流程，还能像人一样自主感知环境、做出判断。这一智能化程度的提升意味着，机器人完成任务过程中需要处理的信息量爆炸式增长。具身智能机器人要像人一样运行，就不能只有 “手” 会操作，还得具备 “眼” 和 “脑”，能感知和运算。沈清举了个例子，一只具备 7 个自由度的具身智能机械臂的运行，需要至少 2 路视觉信

号、12 编码器，同步 6 路力矩传感器信号，并操纵 7 个独立运动轴。这样一只机械臂单次任务运行需要处理的原始数据量非常大，而且整个感知、推理、执行的闭环要控制在 5 毫秒以内，抖动幅度不超过 50 微妙。且整个过程的所有数据处理和运算过程都要在端侧甚至是一个芯片上完成，否则会给整个系统带来巨大的带宽和功耗压力。

面对机器人功能要求的爆发式增长，在工业机器人中充当 “大脑” 的 MCU，得具备更强的高级处理能力和机器学习能力才能 “接得住招”。沈清表示，瑞萨建设了 AI 生态系统用以应对工业机器人日益增长的 AI 需求，其中包括能够承载 AI 应用的底层硬件 CPU、MPU 及不同的 AI 加速引擎，能够支撑 100 多个应用案例的软件堆栈和预训练库，具备信号处理、异常检测、语音命令识别、图像分类、目标检测等不同功能的模型化部署工具。芯科科技高级产品营销经理 Chad Steider 称，在 AI 技术驱动和制造业升级改造的背景下，下游客户对 MCU 的性能提出了更高要求。他们期望新的工业 MCU 能够融合 AI、具备无线传输功能和更高的安全性。例如，边缘计算需求推动 AI 与 MCU 深度结合并用于图像识别、语音处理等场景。在工业生产环节，生产流程管理、制造现场管理和设备维护等场景都需要采用 MCU 控制与 AI 及边缘计算融合的模式。Chad Steider 表示：“这需要在 MCU 中进一步集成 AI 加速单元，扩大片上存储的容量和通用接口(GPIO)数量，以提升用于制造和智慧城市等许多场景的边缘计算能力，高效地实现本地实时控制和小模型推理。” 他表示，这种集成已经在智能安防、工业检测等场景中得到验证，无需依赖云端即可快速完成图像识别、声音处理和设备及环境异常监测等任务，不仅降低对云端的依赖，还能提升响应速度并节省成本。

多模态感知，也是具身智能工业机器人正在经历的技术革命。为了实现自主判断与行动，机器人需要实现视觉、力觉、温度、位置等复杂的传感信息捕捉。这样的结果是，同一款机器人能够通过信息获取与机器学习，从只能服务于单纯场景，向能够同时满足不同场景、多样化任务转型。这样一来，工业机器人任务负载转换的灵活性增强。但这样一款能够在不同场景下复用的机器人，需要处理的信号通路数量，尤其是传感器挂载数量将急剧增长。沈清表示：“原先没有搭载传感器，或者只搭载一两个传感器的设备，现在需要搭载的传感器数量一下子激增到十几个甚至几十个。数据采样率也从 K 赫兹级别提升到了兆赫兹级别。” 她说，多模态感知要求 MCU 的接口要足够丰富，不仅要支持 EtherCAT(以以太网为基础的现场总线系统)、CAN FD(升级版 CAN 总线)、TSN(一种基于标准以太网技术的网络协议体系)，同时还需具备专用的编码器接口、高精度 ADC、硬件滤波器等等，以应对激增的传感数据处理需求。

在经历了较长时期的去库存调整后，工业 MCU 市场正在重回增长区间。智慧工厂建设和老旧工厂的数智化转型，为工业机器人及工业 MCU 市场带来创新活力。沈清表示：“我们能够非常清晰地感受到，国内外客户都在积极地拥抱 AI 技术，提升工厂运营效率。这种智慧工厂的建设是包括硬件层在内的一整套系统工程。”Chad Steider 表示，随着制造业向高端化、智能化、可持续和人性化方向发展，工业制造的各个环节都将引入更多的传感器和执行器，对工业 MCU 的需求量也将不断增加。

在 AI 技术驱动、制造业升级改造的趋势下，满足以下四类要求的 MCU 将在较长的时间内保持旺盛需求：其一，支持边缘 AI 推理。先进的边缘 AI 处理器能够在本地独立做出关键决策，无需依赖云端，从而能够提升响应速度，实现数据隐私保护且降低系统运行成本。其二，高能效，低能耗。在边缘部署电池供电、能源供给受限的场景中，低功耗产品具有更高的市场竞争力;尤其是 AI 功能部署使得边缘算力需求提高，更需要处理器能够支持低功耗。其三，高安全性、可靠性。在数据安全方面，需要 MCU 具备硬件级安全模块，集成加密引擎;在功能安全方面，需要满足 ICE61508 工业功能安全规范。其四，支持高效的实时决策。工业生产自动化程度的提高，要求数据处理能够实现更快的响应。要实现这一目标，最便捷的方法是将决策过程移至更接近数据收集的地方。这意味着 MCU 不仅要负责收集数据，还必须对数据进行处理并将结果传输给整个系统。