【导读】2026年的WAIC，比往年更加火热。展馆外，排队入场的人流拐了几个弯；展馆内，108款AI芯片、261款大模型集中亮相，9位图灵奖得主同台分享。无论是论坛演讲还是企业展示，一个核心议题始终贯穿全场——如何解决AI不断增长的计算需求。
当下，大模型变小是一个很明显的趋势，AI也正在从云端走向边缘不断迁移。可以说，从汽车、机器人到各类AIoT设备，未来所有的终端都会具备本地AI智能，这对嵌入式AI计算能力提出了新的要求。
在今年WAIC上，安谋科技重点公布了面向边缘AI的新产品进展，首次展示了“星辰300”AIoT原型平台。该平台采用“星辰”CPU、Helium矢量扩展以及Ethos NPU组成的异构计算架构，首代平台基于STAR-MC2（即Cortex-M52）与Ethos-U55打造，在传统MCU的基础上引入AI算力，全面支持主流轻量级AI模型，为嵌入式设备增加本地AI推理能力。
目前，安谋科技已经在FPGA平台完成“星辰300”系统验证，并成功运行了人脸检测、语音识别、关键词唤醒以及图像超分辨率等多个典型AI应用，为边缘智能设备的落地提供了可验证的技术基础。现场，安谋科技“星辰”CPU产品线产品负责人朱晓鸣向EEWorld介绍了这套系统的技术细节和未来规划。
小模型催生万物AI时代
“模型规模不断缩小，越来越多原本只能部署在数据中心的大模型能力，开始具备进入终端芯片的可能，万物AI时代正逐渐从概念走向现实。”朱晓鸣在WAIC现场上向EEWorld强调道。
朱晓鸣分析，近年来，大模型推动了云端AI的快速发展，超节点、万卡集群乃至十万卡集群已经成为支撑大模型训练和推理的重要基础设施，AI也正在深刻改变人们的工作和生活方式。相比于云端算力的发展，真正与用户日常生活紧密相关的，是数量庞大的端侧设备。如何让资源有限、算力受限的嵌入式设备具备AI能力，成为AI普及过程中必须解决的问题，这也是安谋科技关注的重点。
他指出，AI模型的发展趋势正在为端侧AI创造新的机会。过去，要达到业内普遍认为具备商用价值的MMIU Benchmark 60分门槛，往往需要数百B参数规模的大模型，这意味着AI只能运行在云端服务器上。但随着算法持续演进，到2025年至2026年左右，仅约1B参数规模的模型便已经能够达到这一商用基准。
解决AIoT痛点的三条路径
朱晓鸣强调，过去的IoT强调的是“连接万物”，而现在AIoT更强调“认知万物”。AI时代端侧设备开始具备认知能力、决策能力、自主运行能力，计算也不再完全依赖云端。
端侧AI的发展主要受到四方面因素推动：感知类数据重心在边端侧、实时性和自主性应用快速增长、隐私和数据主权重视程度不断提升、低功耗轻量级芯片技术持续进步。
进展飞速，但端侧AI的发展始终受到资源约束。朱晓鸣表示，用户希望终端设备拥有更强的推理能力、更长的上下文、更稳定的Always-On能力，但现实中，电池容量、散热能力、CPU算力、存储容量以及内存带宽都存在天然限制。相比数据中心，端侧设备面对的内存墙、带宽墙问题更加突出，因此如何在有限资源下充分释放AI性能，是端侧芯片设计需要解决的核心课题。
针对这一挑战，安谋科技提出了三条技术路径：
第一条路径是在CPU基础上扩展AI能力，通过增加向量计算和张量计算相关指令，让CPU同时具备通用计算与AI计算能力；
第二条路径是在端侧增加通用型小算力NPU，相比专用加速器，这类NPU具备更好的通用性和生态兼容能力，可以根据不同应用灵活与CPU进行耦合或解耦设计；
第三条路径则是存内计算（Compute-in-Memory），对嵌入式芯片而言，SRAM是最常见的数据存储介质，通过在SRAM内部完成部分计算，可以减少数据搬运，在特定算法场景下获得更高的能效比。
安谋科技选择围绕CPU增强与通用NPU两条路线，构建完整的端侧AI计算体系。
基于上述技术体系，安谋科技推出了自主研发的“星辰（STAR）”CPU系列。目前STAR系列已经发布三代产品，第四代正在研发过程中。自第二代STAR MC2开始，产品已全面支持Helium技术，实现了Arm最新M系列CPU架构能力的持续传承。
左手CPU：用M52换掉你的M33和M4
首先，在CPU方面，安谋科技拥有Cortex-M和Cortex-A两个法宝。
Cortex-M系列CPU凭借极高的面积效率和能效比，长期应用于嵌入式领域。从Armv8.1-M架构开始，Arm首次引入Helium向量扩展指令集，为M系列CPU增加了高效的SIMD向量处理能力。在A系列处理器方面，Arm也针对IoT和边缘计算推出了面向嵌入式应用优化的CPU产品，并支持SVE等向量技术，为端侧提供更高效的标量与向量计算能力。
“星辰300”第一代平台在MCU方面选择了Cortex-M52。实际上，这款产品在早年就已经面世，先前在中国市场，它被称为“星辰”STAR-MC2，是Arm和安谋科技研发工程团队的合作产品。M52虽然名字前缀是Cortex-M，但其实根植于中国市场，有着中国市场基因，其中一些设计哲学也会更靠近国人习惯。
M52的整体架构与M33和M4基本一致，但其采用更强大的Arm v8.1-M架构，同事提供非常突出的AI性能。
与M33相比，M52的ML性能可提升多达5.6倍，DSP可提升多达2.7倍，能效提升了2.1倍。 不过，在面积方面，M52比M33大30%，比M55小23%。换言之，与M33相比，M52的硅面积增加了约10%，换来了大约5%的整体性能提升。由此，可以看出M52的定位，用更多面积换取更多AI性能，并以此划分新产线。
根据Arm的定位，利用M52最终可以推出1～2美元的SoC。说白了，这个价格非常“小而美”，能够覆盖到更多低功耗产品。所以，我们可以看出安谋科技的野心，希望未来让所有设备都能被AI所惠及。
当然，对于CPU，安谋科技的野心不止于此，在此次WAIC上，安谋科技展示了“星辰”STAR系列CPU IP的规划，包括STAR-MC（开阳）和Merak（天璇）。
右手NPU：超强性能的Ethos-U55
其次，在NPU方面，Arm推出了Ethos系列NPU，它无疑是M核和A核的好搭档。
朱晓鸣介绍，Ethos并不是追求极高算力，而是重点优化面积和功耗，为端侧设备提供适度的AI加速能力，因此Ethos也被业界被称为microNPU（微型神经网络处理器），专门用于加速面积受限的嵌入式设备和物联网设备中的机器学习推理。当CPU无法高效完成矩阵计算，或者被控制任务占满时，Ethos能够承担AI推理任务，对CPU进行卸载（Offload），从而提升整体系统性能和能效。
Ethos NPU目前已经发展至三代，包括Ethos-U55、Ethos-U65和Ethos-U85，覆盖64 GOPS至4 TOPS的算力范围。
“星辰300”第一代平台选择了Ethos-U55这一型号产品。U55也是“小而美”的存在，对于成本敏感且功率受限的设备，U55可在约0.1 mm2的面积内将AI应用能耗降低高达90%。
具体看配置，在1 GHz下算力可达64 ~ 512 GOP/s，内部 SRAM约为18 ~ 50 KB，片上外部 SRAM支持KB级至多MB级，MAC 数（8×8）为32、64、128、256，主流网络利用率最高 85%。
支持CNN、RNN/LSTM算法，面向未来的算子覆盖大量计算密集型算子直接在 microNPU 上运行，例如：卷积（Convolution）、LSTM、RNN、池化（Pooling）、激活函数（Activation Functions）、基础逐元素运算（Element-wise Functions），其他内核则会自动在紧密耦合的 Cortex-M 上，通过CMSIS-NN运行。
Helium：提升AI效率的另一个关键
值得注意的是，自STAR-MC2（Cortex-M52）开始，安谋科技全面采用Armv8.1-M架构，并引入了Helium技术。这是Armv8.1-M架构最重要的新增能力之一，也是其面向端侧AI的重要技术基础。
Helium专门针对AI、数字信号处理（DSP）和机器学习（ML）场景进行了优化，支持128-bit固定长度向量计算，并新增约150条面向向量计算、矩阵运算等AI负载的专用指令，可显著提升机器学习和DSP应用性能，使低功耗嵌入式设备无需集成专用NPU，也能够运行更多计算密集型的ML推理任务。
对于最受限且能效优先的嵌入式系统，历史上解决方案是将Cortex处理器与SoC中的数字信号处理器（DSP）耦合，这增加了硬件和软件设计的复杂性。Armv8.1-M配合Helium，通过提供实时控制代码、机器学习和数字信号处理执行，消除了这些挑战，同时不牺牲效率。
Helium在常见信号处理任务中可实现最高5倍的性能提升，在机器学习（ML）任务中可实现最高15倍的性能提升。在音频编解码测试中，相比传统Cortex-M4处理器，集成Helium技术的Cortex-M52性能可提升约30%，Cortex-M55提升约50%，Cortex-M85提升约65%。而在机器学习测试中，Helium的优势更加明显，典型场景平均可获得约3倍性能提升，部分测试案例甚至超过8倍。
更重要的是，Helium专为安全而设计，Helium与TrustZone合作，为实现符合平台安全架构（PSA）的系统奠定坚实基础。
一套系统的有机结合
那么，安谋科技如何让CPU和NPU有机结合到一起？朱晓鸣认为，不同端侧AI应用对应不同算力需求。对于简单的图像识别、语音检测等任务，仅依靠CPU即可完成；但当应用扩展到实时视觉处理、多目标识别以及轻量级语言模型等复杂场景时，仅依赖CPU已经无法满足性能需求，此时Ethos NPU可以提供最高4 TOPS算力支持，与CPU共同覆盖绝大多数端侧AI应用。
值得注意的是，为了实现M52所提供的ML和DSP性能，往往需要将CPU、DSP和NPU结合起来，但如此一来，在硬件准备就绪后，开发者需要使用三个不同的工具链、编译器和调试器进行芯片的编写、调试和代码调整。
U55与Cortex-M采用统一工具链，简化开发者使用流程；M52也同样支持可以通过通用API使用单一语言进行编码，并在应用程序的DSP和ML元素中实现所需的性能，无需了解处理器的具体硬件细节；Helium也可以简化开发，开发者可以利用便捷的编程器模型和一站式工具链，减少开发工作量和成本。
对于“星辰300”的未来演进方向，朱晓鸣表示，“星辰”CPU+Helium+Ethos NPU的组合路径，让嵌入式设备在有限的功耗和算力下尽可能多的释放AI计算潜力。
正如朱晓鸣在会议强调的：“随着万物AI时代的到来，端侧设备对AI能力的需求将持续增长，但资源受限始终是嵌入式AI必须面对的现实。Helium通过增强CPU向量计算能力，大幅提升了音频处理和机器学习性能；Ethos则以高能效、低面积成本，为端侧提供矩阵计算加速能力。结合STAR CPU、Helium以及Ethos构建的异构计算平台，安谋科技希望能够为未来各类端侧设备充分释放AI性能，推动万物AI真正走向普及。”
