ROHM新推AI微控制器　強調能「現學現推論」

Posted By MakerPRO編輯部 on 4 月 11, 2025 in Arm, Edge AI, Edge AI開發地圖, 感測器, 技術新訊, 新聞稿, 智慧工廠, 產品新訊 | 0 comments

日本半導體製造商ROHM推出了具有人工智慧（AI）功能的微控制器「ML63Q253x-NNNxx / ML63Q255x-NNNxx」（以下簡稱 AI微控制器），該產品可利用在馬達等工業設備，及其他各種設備的感測資料進行故障檢測和劣化預測，而且無需網路即可進行學習和推論。

新元件採用簡單的三層神經網路演算法，實現了ROHM獨家端點側AI解決方案「Solist-AI」，無需依賴雲端或網路，即可在微控制器內部進行學習與推論。ROHM解釋目前AI處理模型主要分為雲端、邊緣和端點AI，雲端AI是在雲端執行學習和推理，邊緣AI是在雲端及工廠設備或PLC上搭載AI，再利用網路執行學習和推論。通常，端點AI是在雲端學習、在終端設備上推論(編按：也就是在晶片外完成模型訓練、再將訓練好的結果放入MCU中執行)，因此需要連接網路；此外，由於上述處理模型是透過軟體執行推理的，因此需要配備GPU或高性能CPU。

ROHM的AI微控制器雖然是端點AI，但透過設備端學習，能夠在微控制器內部獨立執行學習和推理，因此能夠靈活應對安裝環境和同一機型的差異。與使用傳統軟體方式（條件：12MHz驅動時的理論值）的ROHM微控制器相比，使用ROHM獨家AI加速器「AxlCORE-ODL」可將AI處理速度提高約1,000倍，還能夠即時檢測「不同於以往」的異常，並輸出相應的數值。並且由於可以在設備安裝現場進行快速學習，因此也可加裝到現有機台上。

（編按：為什麼可以直接在MCU上學習呢？根據MakerPRO小編請教Edge AI Taiwan邊緣智能交流區的版主Jack大神，他表示因為只使用三層神經網路，比起一般動軋數十層或數百層的神經網路，學習出來的模型會非常微小；這個MCU專攻馬達振動或感測器的訊號異常，所以只要當場錄一段訊號再直接訓練模型，完成後就能直接用於推論。但也因為這種模型小，能應付的變化很窄，較適合長時間都是連續運作的訊號，如產線輸送帶馬達或風扇，對於走走停停，有規律或不規律動作的狀況就不是那麼合適。）

此AI微控制器配備了32bit Arm Cortex-M0+ Core、CAN FD控制器、三相馬達控制PWM和2組A/D轉換器，實現了僅約40mW的低功耗性能，非常適用於工業設備、住宅設備和家電的故障檢測。

ROHM計畫推出記憶體大小、封裝、接腳數和包裝規格不同、共16種型號的AI微控制器。採用TQFP封裝的有8種型號，已從2025年2月開始依次投入量產，其中記憶體（Code Flash）大小256KB、採用編帶包裝的2種型號可以和微控制器評估板一起購買。

也在官網上發佈了AI模擬工具（Solist-AI Sim），用戶可以在導入AI微控制器之前，確認學習和推理的效果。該工具輸出的資料也可作為實際AI微控制器的學習資料，對於導入前的初步驗證和提高精度很有幫助。此外為了促進AI微控制器的導入，ROHM與合作夥伴共同構建了相關生態系統，以支援模型開發和導入。