2884
重点内容速览：
| 旺芯微、辉芒微IPO进程
| 国产MCU由简单替代走向自研
| MCU在边缘人工智能的潜力
国内MCU厂商在夯实产品系列的同时，逐步向中高端产品发展，上市成为这些厂商越级发展的必经之路。
芯查查APP显示，近期，上交所正式受理了上海芯旺微电子技术股份有限公司（简称：芯旺微）科创板上市申请。招股书显示，芯旺微拥有“自主指令集设计技术、自主内核架构设计技术、自主开发工具设计技术（C语言编译器、IDE、编程软件、编程调试器等）、车规级和工业级MCU产品开发技术”等MCU设计领域完整的技术体系。
芯旺微此次IPO拟募资17.3亿元，投建于车规级MCU研发及产业化项目、工业级和AIoT MCU研发及产业化项目、车规级信号链及射频SoC芯片研发及产业化项目、测试认证中心建设项目，以及补充流动资金。
图注：芯旺微募集资金用途（来源：芯旺微招股书）
另一家近期进入IPO阶段的MCU厂商是辉芒微电子（深圳）股份有限公司（以下简称：辉芒微），目前已经进入“问询”阶段。招股书显示，辉芒微是一家定位于“MCU+”的平台型芯片设计企业，是国内少数同时具备微控制器、存储器和电源管理芯片设计能力和大规模量产经验的IC设计企业之一。辉芒微本次拟募集约6.06亿元资金，用于工业控制及车规级MCU芯片升级及产业化项目、存储芯片升级及产业化项目等。
图注：辉芒微募集资金用途（来源：辉芒微招股书）
MCU在ADAS域控制器中被融合？
汽车的安全功能日益普及，驾驶辅助系统（ADAS）装机量和渗透率提升。
ADAS域控制器通常为性能增强的算力SoC搭配MCU。算力SoC也被称为主控芯片，负责传感器数据融合、运行算法等，MCU则负责系统安全，监控电源、通信等功能。
未来，算力SoC可能兼顾安全MCU的功能，也有另外一种可能，让增强的功能安全MCU在算力SoC出现问题时候接管，实现最小功能安全的ADAS。从安全的角度来看，采用算力SoC+MCU两颗芯片更为妥当；从成本来看，算力SoC集成MCU功能，使用单颗芯片更有优势；从性能角度看，ADAS受算力SoC的模拟性能降低影响较低。
图注：兆易创新车规级MCU产品（不完全统计）
相对于ADAS，车身域、座舱域等的领域的进入门槛相对较低，但也容易形成红海市场，因此，中高端车规MCU是国内MCU厂商的远期目标。比较有利的一点是，汽车芯片供应短缺、国产化需求推动下，国内MCU厂商有更多机会与汽车上游伙伴建立联系。
车载MCU的工艺节点集中在40nm-90nm，少部分豪华车型会部分采用28nm制程。车载MCU侧重于功能安全，对先进工艺追求不高，国产的芯片代工厂商，如中芯国际和华虹半导体已经具备自主制造的能力。国内MCU厂商通过与上游代工厂协作，有望共同推动国产MCU性能升级，以中低端车规MCU领域为切入口，逐步实现国产化。
图注：主要MCU晶圆代工厂和MCU厂商工艺节点
由简单替代走向自研
此外，两家进入IPO的两家MCU厂商都强调自主研发的能力，在技术上比拼，这与此前国内MCU恶性竞争的情况形成鲜明对比。
针对ST和NXP特定料号打造替代产品，快速切入MCU市场，这是过去国内MCU行业常有的一种做法。扎堆做进口替代，也形成一个严酷的局面，即造成国内厂商之间内卷，去年以来国内MCU厂商利润大降、库存高筑、股价大幅度下跌。
与简单的替代不同，围绕架构的创新和差异化目前显得更加重要。一些MCU具有高度可配置的模拟和数字模块，借用了与FPGA相似的架构概念。
完全独立自主创造一种架构也成为一种途径，同时意味着需要建立、推动和推广全新的生态，不仅需要创新的技术，而且还需要在一个较长时间内持续投入人力和物力去运营创新生态。资金投入对于每年都可以获得大量理财收入和政府资助的上市公司并无多大困难，生态运营在上下游伙伴和服务机构支持下也是可行的。
RISC-V架构在MCU产业的渗透将会加大。MCU厂商运用这种架构带来的好处，包括：开放和可定制，RISC-V是开放源代码的，任何人都可以免费获取、使用和修改；避免供应商锁定，采用RISC-V架构的处理器可以避免对特定供应商的依赖；创新和合作机会，RISC-V的开放性和可定制性鼓励了各方之间的合作和创新，开发者可以共享设计和优化技术，推动整个生态系统的发展。
但也要认识到RISC-V面临的挑战，例如，相对于传统的指令集架构Arm，RISC-V在市场份额和生态系统的规模上还有差距。此外，由于RISC-V是一个相对较新的技术，软件和工具链的支持相对有限。
MCU在边缘人工智能的潜力
除了汽车应用，边缘AI也是国内MCU厂商发力的一个领域。智能边缘设备是一种特殊的嵌入式系统应用，这个领域的MCU突出低功率特性，也正在实现部分人工智能应用。
由于MCU资源和能力的限制，将人工智能引入到MCU中可能面临一些挑战，如模型大小和复杂度的限制，计算能力的限制等。但随着技术的发展和研究的进展，越来越多的优化和适配方法将被提出，以更好地在资源受限的环境下实现人工智能（主要是tinyML），因此基于MCU的人工智能应用，还是具有一定的可能性。
语音识别、面部识别可能是典型的边缘人工智能应用，依靠云连接，只能在本地识别触发词或图像，但是，此方法会引入延迟和设备安全漏洞的风险，需要本地的、确定性的决策是一个优先事项。通过在MCU上实现机器学习算法，可以使边缘设备具备智能决策和推断的能力，设备可以在本地进行数据处理和分析，而无需依赖云端的计算资源。例如，一个智能摄像头可以通过在MCU上运行目标检测算法，实现实时的目标识别和跟踪。
边缘设备也能够实时响应外部环境变化。例如，在智能家居设备中，MCU可以使用深度学习模型对声音、图像等感知数据进行实时处理，从而实现智能语音助手、人脸识别等功能。
在个性化体验上，通过在MCU上实现人工智能算法，可以将设备的行为和响应个性化定制。例如，在智能音箱中，MCU可以使用机器学习算法来学习用户的偏好，从而提供更加智能化和个性化的服务。
图注：Arm发布了各种机器学习嵌入式评估套件
通用MCU与专用芯片各有侧重
MCU产品在持续向汽车、边缘AI等中高端应用延伸的时候，有几个产品趋势也值得关注。
MCU达到极限微处理器MPU更有吸引力？
另一个产品趋势是MCU与MPU的关系。嵌入式开发人员在为其设计选择MCU系列时，投入了大量时间和金钱，因此希望尽可能长时间地使用该架构。
MCU通常比微处理器（MPU，可视为增强版CPU）消耗更少的功率、成本更低。MPU通常根据软件决策、接口选择或纯性能进行选择，而MCU的选择通常与硬件因素有关。
MCU和MPU性能之间一直存在一定程度的重叠，过去的MPU已经达到200MHz和400MHz，MCU很容易赶上这一点。
因此，基于MPU的应用很可能有迁移到MCU，例如带有显示屏的高端智能恒温器，MPU和MCU两种方案的单位成本差异较大，迁移到MCU的方案可以降低功耗和成本。但是软件开发工作则会提升。MPU的开发基于Linux，而不是RTOS。
小 结
国内MCU厂商已经建立了体系的技术团队、客户群体、服务网络，在产品上各有专长，上下游产业链健全，现在亟需应用市场和场景让国产MCU再次爆发。
其中，边缘计算的兴起，对更强大、更智能的MCU芯片的需求也在增加；车载MCU是国内厂商向中高端转型的催化剂，随着国内市场的增长和技术实力的提升，我国MCU厂商有望扮演更重要的角色。
下载ECAD模型
