推動邊緣AI落地應用　TI擴展MCU產品組合與軟體開發生態系

Posted By MakerPro on 3 月 12, 2026 in Edge AI開發地圖, TinyML, 技術新訊, 新聞稿, 物聯網, 產品新訊, 解決方案 | 0 comments

德州儀器（TI）推出兩款全新MCU系列，具備邊緣AI功能，體現了公司致力於在嵌入式處理產品組合中部署邊緣AI的承諾。MSPM0G5187與AM13Ex MCU整合了TI的TinyEngine神經處理單元（NPU），這是一款專為MCU設計的硬體加速器，能最佳化深度學習推論運算，在實現邊緣處理的同時，有效降低延遲並提升能源效率。

TI的嵌入式處理產品組合擁有完整的開發工具支援，包含CCStudio整合式開發環境（IDE）。透過內建的生成式AI功能，工程師能以自然語言加速程式碼開發、系統配置與除錯；此功能結合了TI資料與業界標準模型及AI代理。整體而言，TI正加速推動邊緣AI於各類電子裝置中的應用，範圍涵蓋從穿戴式健康監測裝置、家用斷路器的即時監控，到人形機器人的實體AI。上述端對端創新解決方案，將於3月10日至12日在embedded world 2026的TI展位展出。

TI嵌入式處理與DLP產品資深副總裁Amichai Ron表示：「TI在50年前發明了數位訊號處理器技術，為今日的邊緣AI處理奠定了基礎。如今，TI透過將TinyEngine NPU整合至完整的微控制器產品組合中，包含通用型及高效能即時型MCU，正引領下一階段的技術創新。透過在軟體、開發工具、裝置與生態系統中導入AI技術，我們使每位客戶與每項應用都能輕鬆取得並使用邊緣AI。」

TECHnalysis Research總裁兼首席分析師Bob O’Donnell表示：「儘管全球多數目光聚焦於大型SoC的AI加速與NPU，但事實證明，許多最具潛力且影響深遠的AI應用，其實可以在MCU等小型晶片中實現。邊緣架構的AI加速技術，不僅能提升消費裝置的智慧化程度，更能提升工業裝置的運作效率。此外，若能將這些晶片與『利用AI來構建AI』的開發工具相結合，將能協助更多的工程師與裝置設計師，更輕鬆地應用AI加速功能。」

指尖上的先進智慧

消費者始終期待日常科技產品具備更高智慧，從健身穿戴式裝置到家用電器與電氣系統皆不例外。然而，過去許多工程師認為，受限於高昂成本、功耗需求與編碼要求，AI功能僅適用於高端應用。TI全新MSPM0G5187 Arm® Cortex®-M0+ MCU的推出，對嵌入式設計人員而言是一項根本性的轉變，讓邊緣AI能夠應用於各類更簡易、輕巧且符合成本效益的裝置中。

TinyEngine NPU可進行本機運算，與執行應用程式碼的主CPU並行處理神經網路運算。與未配備加速器的同類MCU相比，此硬體加速技術具有以下優勢：

最大程度縮減快閃記憶體佔用空間。
單次AI推論延遲最多可降低90倍。
單次AI推論功耗可降低達120倍以上。

此效率水準使資源受限的裝置（包含可攜式電池供電產品）具備處理AI工作負載的能力。MSPM0G5187 MCU單價低於1美元（以1,000件量產數量計），為其他MCU或處理器架構提供經濟實惠的替代選擇，進而降低系統與營運成本。更多資訊請參考應用介紹「邊緣AI加速的Arm Cortex-M0+ MCU如何為電子產品帶來更強大的運算能力」。

即時控制結合AI加速，適用於多馬達系統

在電器、機器人與工業系統中，馬達控制應用對智慧功能的需求與日俱增，例如自適應控制與預測性維護；然而，過去實現這些功能往往需要複雜的多晶片設計。憑藉TI在C2000™即時MCU產品組合中長達二十餘年的馬達控制技術領先優勢，全新推出的AM13Ex MCU成為業界首款將高效能Arm® Cortex®-M33核心、TinyEngine NPU與先進即時控制架構整合於單一晶片中的產品。

這種高整合度讓設計人員能同時執行複雜的馬達控制與AI功能，無需額外的外部元件，進而將物料清單（BOM）成本降低高達30%。主要性能優勢包括：

TinyEngine NPU：能為多達四個馬達維持精確的即時控制迴路，同時執行自適應控制演算法，以實現負載感測與功耗最佳化。
整合式三角數學加速器：其計算速度較傳統CORDIC演算法快10倍，可提供更精確且靈敏的馬達控制效能。

更多資訊請閱讀技術文章：「在工業自動化和家用電器設計中實現邊緣AI驅動的馬達控制」。

輕鬆訓練、最佳化與部署AI模型

TI的CCStudio Edge AI Studio為這兩個MCU系列提供支援。這是一個免費的開發環境，能簡化TI嵌入式處理產品組合中的模型選擇、訓練與部署。此邊緣AI開發工具鏈為工程師提供了極高的靈活性，無論是透過硬體或軟體實作，皆能在TI MCU上高效執行AI模型。目前，該工具已內建60多種AI模型與應用範例，協助開發人員快速將邊緣AI部署至各類裝置中，未來亦將持續推出更多模型與功能。