从“云端”到“指尖”，德州仪器将AI塞进1美元的芯片里

当整个半导体行业都在为数据中心里动辄千亿参数的AI大模型狂欢时，一个更安静、却可能影响更深远的变革正在悄然发生。人工智能正从云端的高阁，走向我们身边每一个毫不起眼的电子设备。

从能够通过免触手势追踪健康数据的智能手表，到实现电机轴承故障检测的工业设备，再到能感知负载并自我调节的洗衣机，这些设备的“智能”不再需要依赖网络连接，而是在设备内部、在几毫秒内、以毫瓦级的功耗完成。这并非科幻小说的情节，而是德州仪器（TI）在2026年3月所描绘的“边缘AI”新蓝图。随着两款集成TinyEngine™神经处理单元（NPU）的微控制器（MCU）MSPM0G5187和AM13Ex的推出，德州仪器正试图将过去被认为“高大上”的AI能力，普及到几乎任何成本敏感、功耗受限的应用中去。

边缘AI，一场关于“响应、隐私与功耗”的算力迁移

在发布会伊始，德州仪器MSP微控制器产品线经理罗一丁便点明了这场变革的核心动因。“我们认为AI不应该只存在于云端和大型的机房里面，应该无处不在地运行在每个嵌入式设备里面。”他谈到，当前AI正经历从云端向边缘的迁移浪潮，这并非技术上的退步，而是对应用本质的回归。

德州仪器MSP微控制器产品线经理罗一丁

将算力推向数据源头，带来的是四个维度的根本性提升：系统响应速度的飞跃（无需等待云端回传）、功耗的显著降低（减少网络传输能耗）、隐私与安全性的增强（数据永不离开设备），以及运行可靠性的保障（即便在断网环境下，AI功能依然稳定）。这四点，恰恰是工业、医疗、消费电子等众多领域产品设计的“生命线”。

过去，实现这些优势往往需要付出高昂的代价。主流的边缘AI方案多依赖于高性能的处理器或系统级芯片（SoC），其成本、功耗和开发门槛，将无数简单的、电池供电的设备拒之门外。而德州仪器此次发布的核心，正是要打破这堵墙。

TinyEngine™ NPU，让“小芯片”迸发“大智能”的硬件密钥

打破这堵墙的钥匙，是一款名为TinyEngine™ NPU的专用硬件加速器。德州仪器ASM微控制器工业业务负责人吴健鸿介绍，这款NPU并非简单的CPU核心，而是一个专为深度学习推理运算优化的并行处理器。

德州仪器ASM微控制器工业业务负责人吴健鸿

它的价值在于“解放”。与未配备加速器的同类MCU相比，TinyEngine™ NPU能带来近乎颠覆性的性能提升：单次AI推理的延迟最高可降低90倍，能耗更是能降低超过120倍。 这一数据并非空谈，而是有实际应用佐证。在唤醒词检测的案例中，集成NPU的MSPM0G5187相比纯CPU方案，延迟降低了92%，功耗从数瓦级降至几十毫瓦级。

这种“双路处理”的架构设计尤为精妙。NPU与主CPU并行工作，执行神经网络所需的计算，使得MCU在运行AI模型的同时，主CPU可以继续处理实时控制任务，互不干扰。吴健鸿表示，德州仪器在设计这款全新AI MCU时，之所以专门在产品中加入硬件NPU模块，核心就是为了实现并行运算，从硬件架构上确保二者的运行不会产生冲突。

两款新品让AI惠及所有应用

基于TinyEngine™ NPU，德州仪器此次带来了两款定位截然不同却殊途同归的新品。

先来看MSPM0G5187。这是一款通用型MCU，其特别之处在于，将TinyEngine™ NPU集成到了一个基于Arm Cortex-M0+内核、售价低于1美元（1,000件起订）的芯片上。罗一丁坦言，这一产品的出发点，正是为了帮助工程师破解成本、尺寸与功耗之间的核心矛盾。“将NPU集成到M0+这种低成本MCU中，正是为了很好地解决这一痛点。”他说道。值得强调的是，这并非简单的硬件堆砌，而是一套经过系统优化的设计。在低功耗架构的基础上，NPU的加入并未显著增加功耗，待机模式下电流消耗低于2µA，电池供电的设备也能全天候运行AI算法。从智能家居的唤醒词检测，到可穿戴设备的手势识别与连续健康监测，MSPM0G5187将过去仅限于高端应用的智能，下沉到了日常的、轻量化的电子器件中。

如果说MSPM0G5187瞄准的是轻量化AI的普及，那么另一款新品AM13E230 MCU，则是德州仪器在高性能实时控制领域投下的一枚重磅棋子。它融合了高性能Arm Cortex-M33内核、TinyEngine™ AI NPU，以及德州仪器在实时控制领域深耕20余年的C2000™架构。

在吴健鸿看来，AM13E230 MCU的存在，是为了应对更复杂的工业挑战。比如在洗衣机中，它可以同时控制多达四个电机，维持精确的实时控制环路，同时借助NPU运行自适应控制算法，实现负载检测与能效优化。在光伏系统中，它利用AI将电弧检测的准确率从85%提升至超过99%。而谈及人形机器人这一热门领域，吴健鸿进一步阐释了其中的价值：“如果所有的传感器数据都传送到大脑，再通过大脑做判断再送回来控制电机，会有一定的延迟问题。在边缘端电机控制的MCU里面加入AI模型，可以极大地提升控制的反应速度、灵敏度和准确度。”

软件生态让AI开发从“少数人的游戏”变成“工程师的日常”

硬件是基础，而生态则是让创新落地的土壤。德州仪器此次发布中，另一大亮点在于其CCStudio™集成开发环境（IDE）的智能化升级。

罗一丁在分享中难掩兴奋：“我非常鼓励所有工程师，无论有没有深厚的软件背景，都去尝试这个功能。”他所指的，是CCStudio IDE中集成的生成式AI功能。开发者只需使用自然语言描述需求，系统便能在五到十分钟内自动生成从底层到应用层的全部代码，并自动部署到MCU上。“从开发代码、生成代码等等全部由AI接管，这个功能非常强大。”罗一丁说，在前不久的德国嵌入式展上，观众现场用自然语言生成了马达控制代码和游戏代码，大幅减少人工编码工作。

此外，德州仪器还提供了免费的CCStudio Edge AI Studio，内含超过60种模型和应用示例，覆盖了从数据采集、模型训练到部署的全流程。吴健鸿补充道，德州仪器的工具链支持PyTorch、TensorFlow和ONNX等主流框架，这意味着开发人员可以在他们熟悉的环境中工作，然后轻松地将模型移植到德州仪器的硬件上。这种对开源框架和行业标准的支持，极大地降低了嵌入式工程师的AI开发门槛，让AI不再是算法专家的专属领域。

让智能“润物细无声”

回到最初的问题：当我们在谈论边缘AI时，我们在谈论什么？或许不是算力的数字竞赛，也不是参数的表面积累。德州仪器此次的发布，给出了一个来自“芯片老兵”的答案：是普及，是让智能像水、电一样，成为电子设备理所当然的一部分。

正如德州仪器嵌入式处理和DLP®产品高级副总裁Amichai Ron所言：“我们正致力于让边缘AI触手可及，让每位客户和各类应用都能轻松使用边缘AI功能。” 从50年前发明数字信号处理器（DSP）为AI奠定基础，到今天将专用NPU集成进1美元的MCU中，德州仪器的路径清晰而坚定。

可以预见，随着TinyEngine™ NPU被逐步集成到德州仪器整个MCU产品组合中，从简单的消费电子到复杂的工业系统，我们将越来越多地享受到“设备端智能”带来的便利，却几乎感受不到它的存在。这或许就是技术发展的最高境界，让最前沿的创新，以最朴实无华的方式，润物细无声地融入我们的生活。