微控制器的AI進化：從邊緣運算到智能化的實現
【作者： 王岫晨】
AI應用正從雲端逐漸向邊緣和終端設備擴展。微控制器（MCU）作為嵌入式系統的核心，正在經歷一場由AI驅動的技術變革。傳統的MCU主要用於控制和管理硬體設備，但在AI時代，MCU不僅需要滿足傳統應用的需求，還需具備處理AI任務的能力。
滿足邊緣與終端設備的需求
邊緣計算（Edge Computing）是指將數據處理和計算任務從雲端轉移到靠近數據源的設備上進行。這種方式能夠減少數據傳輸的延遲，提升系統的即時性和隱私保護。邊緣設備通常資源有限，因此需要高效且低功耗的AI處理器來支持複雜的AI任務。
為了滿足邊緣與終端設備的需求，AI處理器需要具備以下特點：
● 低功耗：邊緣設備通常依賴電池供電，因此AI處理器必須在低功耗下運行。
● 高效能：AI任務如圖像識別、語音處理等需要高效的計算能力。
● 小型化：邊緣設備的空間有限，AI處理器需要高度集成且體積小巧。
● 即時性：許多邊緣應用（如自動駕駛、工業控制）要求即時響應，AI處理器必須能夠快速處理數據。
傳統MCU主要用於控制任務，而AI處理器則專注於數據處理和模型推理。為了滿足邊緣設備的需求，現代MCU開始集成專用的AI加速器（如NPU，神經網絡處理單元），以實現高效的AI運算。
Arm 物聯網事業部亞太區資深經理黃晏祥指出，邊緣運算跟雲端運算主要的差異應該是應用的最佳化vs.產品的泛用性， 邊緣運算為了更接近使用場景，通常會有功耗與佈建成本的局限性，因此效能與功耗的產品平衡與多重的選擇是最重要的。
【欲閱讀更豐富的內容，請參閱2025.03(第400期)環境感知CTIMES出版中心】
延伸閱讀
相關新聞
5G固定無線接取將成寬頻主戰場
過去FWA常被視為光纖難以到達區域的權宜方案，但在5G中頻與毫米波網路鋪開後，FWA已成為固定寬頻成長最快的品類之一。FWA已是與光纖並列、以體驗工程與商業設計取勝的新一代固定寬頻方案。
光照即頻譜—VLC可見光通訊產業與技術全覽
可見光通訊（Visible Light Communication, VLC）正從實驗室階段加速跨入可商用的專網市場。其核心價值在於把照明設備升級為通訊節點，利用LED、μLED或雷射二極體以強度調變/直接偵測的方式在可見光頻段傳輸資料。由於光不穿牆、頻譜極寬且不受傳統RF法規束縛，VLC在電磁相容要求高、保密需求強與干擾敏感的場域，展現出更可控與可預測的連網品質。
從資料中心到車用 光通訊興起與半導體落地
隨著數位化浪潮的加速，從雲端服務到人工智能應用，再到車用電子與醫療影像處理，龐大的數據流量正以指數型態成長。傳統電子訊號的傳輸方式，雖然在過去數十年間支撐了資訊產業的發展，但如今已逐漸遭遇頻寬與能耗上的瓶頸。電訊號在長距離傳輸時，會受到電阻與電容效應影響，導致延遲上升與功耗大增。相比之下，光訊號具備高速、低延遲、低損耗的特性，使其成為新一代資料傳輸的關鍵解方。
CPO與 LPO 誰能主導 AI 資料中心？
隨著AI運算需求持續飆升，從大型語言模型（LLM）、生成式AI到高效能運算（HPC），資料中心面臨的最大瓶頸已不再是單純的晶片效能，而是頻寬、功耗與散熱。傳統電連接逐漸無法滿足AI GPU/TPU所需的龐大資料傳輸，促使 光電整合（Opto-Electronic Integration）成為必然趨勢。其中，CPO（Co-Packaged Optics，光電共封裝）與LPO（Linear Drive Pluggable Optics，線性可插拔光模組）兩種不同架構的方案，正成為全球大廠與台灣光通訊供應鏈的競逐焦點。
台灣供應鏈突圍與全球先進封裝競局
CoWoS封裝產能、HBM記憶體供應、ABF基板產能—同時陷入緊繃，成為全球AI基礎設施擴張的最大瓶頸。台灣身為先進製程與封裝重鎮，如何透過設計服務、基板與材料的升級來化解挑戰？
以先進封裝重新定義運算效能
在過去近六十年的時間裡，半導體產業的發展軌跡幾乎完全由摩爾定律所定義，即積體電路上可容納的電晶體數目，約每18至24個月便會增加一倍，帶來處理器效能的翻倍成長與成本的相對下降。
贊助廣告
商品推薦
udn討論區
- 張貼文章或下標籤，不得有違法或侵害他人權益之言論，違者應自負法律責任。
- 對於明知不實或過度情緒謾罵之言論，經網友檢舉或本網站發現，聯合新聞網有權逕予刪除文章、停權或解除會員資格。不同意上述規範者，請勿張貼文章。
- 對於無意義、與本文無關、明知不實、謾罵之標籤，聯合新聞網有權逕予刪除標籤、停權或解除會員資格。不同意上述規範者，請勿下標籤。
- 凡「暱稱」涉及謾罵、髒話穢言、侵害他人權利，聯合新聞網有權逕予刪除發言文章、停權或解除會員資格。不同意上述規範者，請勿張貼文章。
FB留言