Analog Devices（ADI）推出的MAX78000，是一款針對Edge AI應用設計的超低功耗微控制器（Microcontroller Unit, MCU），專為在資源有限的邊緣設備上執行神經網路推論而打造。其核心目標是讓終端裝置如可穿戴設備、智慧感測器、語音辨識模組等，不需依賴雲端，就能即時處理AI任務，大幅降低延遲與功耗，並提升隱私與反應速度。
產品規格
MAX78000是一款單晶片系統，其核心配置包含Arm Cortex-M4F處理器搭配FPU，以及由ADI自研的神經網路加速器（CNN Accelerator），支援卷積神經網路的即時推論，可在每秒僅消耗1毫瓦（mW）以下功耗的情況下執行高達300KB/s的影像辨識任務。該晶片亦內建高效能DMA控制器與多種I/O介面，利於整合感測器與其他模組。
MAX78000功能圖（Source）
CNN 加速器具有 442KB 的權重儲存記憶體，可以支援 1、2、4和8位元權重（網路支援高達 350 萬個權重）。CNN權重記憶體是基於SRAM的，因此可以即時進行AI網路更新。此外，CNN引擎還具有512KB的數據記憶體。CNN架構非常靈活，允許在PyTorch®和TensorFlow®等傳統工具集中訓練網路，然後使用ADI公司提供的工具在MAX78000上轉換執行。
除了CNN中的記憶體外，MAX78000還為微控制器核心提供大單晶片系統記憶體，具有512KB快閃記憶體和高達128KB SRAM。支援多個高速和低功耗通訊介面，包括I²S和並聯相機介面 （PCIF）。
開發環境
MAX78000支援完整開發環境，包括Maxim SDK、CMSIS-DSP、PyTorch或TensorFlow-Keras工具鏈，並有AI工具套件支援CNN模型的轉換與壓縮。ADI提供多個範例專案與模型部署工具，可直接支援人臉偵測、關鍵字辨識與手勢識別等應用。此外，其開發板（如MAX78000FTHR）提供USB與JTAG介面，易於原型開發與實驗。下圖顯示以PyTorch或TensorFlow-Keras工具鏈來開發MAX78000應用模型的流程。
MAX78000開發流程圖（Source）
市場競品比較：WiseEye2、Ensemble E7
ADI MAX78000適合無需高解析度輸入的AI應用，包括音訊處理（多關鍵字識別、聲音分類、降噪）、語音喚醒、臉部識別、物件檢測和分類，以及時間序列數據處理，如心率/健康信號分析、多感測器分析、預測性維護等等。其亮點在於其CNN加速器可大幅降低能源消耗，適用電池供電環境。
MAX78000上實現FaceID應用（Source）
相較之下，Himax WiseEye2則內建CMOS影像感測器，可進行Always-on視覺觸發，聚焦於低功耗智慧視覺解決方案，尤其適合智慧門鈴、門禁、家電等應用。
ALIF Ensemble E7提供更高的AI運算與記憶體資源，並具備多核與安全元件支援，適合需要執行複雜模型或進行邊緣資料分析、加密處理的場景。
市場競品比較表（製表參考：ChatGPT）
》延伸閱讀：
Edge Impulse平台支援MAX78000 AI模型訓練
- 提升複雜場景辨識力：YOLOv12 向 Transformer 技術靠攏 - 2025/05/07
- ADI低功耗AI MCU – MAX78000，適用電池供電環境 - 2025/05/07
- 耐能與Spark合作推出AI VMS整合方案 - 2025/05/06
訂閱MakerPRO知識充電報
與40000位開發者一同掌握科技創新的技術資訊！
