置頂文章

想學某項MCU 撰寫技術或系統平台開發不難,只要有錢有閒(時間)就可以! 十年二十年給你無後顧之憂的專注研究,包你不成仙,至少也可成精! 要找技術解決方法或相關程式碼,這裡可能沒有,網路上到處都有。 但如果你研究討論系統技術開發與如何結合後續資源、商業模式操作可能性時, 歡迎留言討論!!這才是能改變你工程師人生的契機。

2026年11月15日 星期日

老工程師的技術生活(五十八) --- MCU 市場的今日變遷

現在的MCU 跟我以前所接觸的 8051、PIC 乃至於早前的ARM (我以前還玩過

ST 的 STR912)。甚至整個電子系統開發環境也完全不同了。

以前你可能只要寫寫單晶片,再弄個PC 端的系統整合,大概就非常吃香了。

可以接案子或開發一些系統,也都有一些不錯的市場機會....

但現在大家可以看一下:不要說單晶片 MCU 都已經脫離既有的開發平台或

程式語言支持了。譬如你寫單晶片可以用傳統原廠提供的IDE 或是市面一些標準

開發平台。但現在你可以用 Arduino 平台來寫一些傳統的 ATMEL MCU,也可以

拿來寫 32 bits MCU (ESP32、STM32等等)。所以你可以學的工具變多樣變複雜了。

更不用說:現在小公司的市場也不完全侷限在單晶片 MCU 市場了,還有很多系統

應用開發機會,譬如智慧物聯網、邊緣計算或影像識別等等,這些以前都是一般

傳統MCU 很難達到接觸的市場, 但現在隨著MCU 的周邊資源擴充與運算效能一直

提升。也都納入一般 MCU 應用範疇了。所以我們也很難就還在緊守著傳統 MCU

那一些系統開發平台思維方式來看MCU 的系統應用開發了。

以下是引述一篇報導:

MCU,又变天了

開宗明義地指出:

一边是Synaptics推出xMCU,不仅集成了CPU、DSP和NPU,还引入了类似HBM的

宽带宽存储架构,试图让MCU具备更强的本地AI处理能力;另一边,英飞凌、TI和

NXP等厂商开始强化PQC能力,将后量子密码技术引入新一代MCU。与此同时,

NPU也开始向低成本MCU下沉,单颗MCU控制多台电机的方案也在不断发展。

----

現在MCU 大廠要推出的MCU,不是跟你說:我會有多少周邊:支持多少組 UART?

多少通道的ADC 或支持PWM 、無刷馬達硬體介面等等.....這些都已經不是這些

MCU 原廠想著重的市場了啦。而是從市場系統整合需求來推出MCU 規格。

你說一般MCU  還能做甚麼?就以無刷馬達控制,就只有控制轉動、變速、定位

而已嗎?這些很難嗎?現在市場需求就只是如此嗎?

---

AI 告訴我們:

MCU NPU 是指在微控制器(MCU,單片機)中整合了神經處理單元(NPU,神經網路
加速器)的晶片架構,專門用來在毫瓦級低功耗、資源受限的環境下,執行輕量級的
邊緣 AI(Edge AI / Endpoint AI)運算。 [1, 2]

1. 為什麼要在 MCU 中加入 NPU?
  • 傳統 MCU 的限制:傳統 MCU(如 Cortex-M4、M7 等)擅長即時控制與周邊介面管理,但若要處理語音辨識(如關鍵字喚醒 KWS)、影像偵測、手勢識別或預測性維護等 AI 模型時,單靠 CPU 計算效率低且耗電。 [1, 2]
  • NPU 的優勢:NPU 專門用來加速神經網路中的矩陣乘法、卷積等運算。根據業界數據(如德州儀器與各大半導體廠商資料),相較於未配備加速器的純 MCU:
    • 推論延遲可大幅縮短(最高達數十倍)。
    • 功耗效率顯著提升,讓電池供電的小型裝置也能跑 AI。
    • 成本與體積遠低於需要搭配複雜作業系統的 MPU 或 SoC。 [1, 2, 3]

2. 常見的 MCU + NPU 技術規格與範例
  • Arm Cortex-M + Ethos-U 系列微處理單元:
    • 常見組合如 Cortex-M55 / Cortex-M85 核心搭配 Arm Ethos-U55 / U85 NPU(例如新唐科技 Nuvoton M55M1 或瑞薩 Renesas RA8 系列)。 [1, 2, 3, 4]
  • 自有架構加速器:
    • 例如德州儀器(TI)推出的內建 TinyEngine™ NPU 的 MCU(如 MSPM0G5187 或結合即時控制的 AM13Ex 系列),可同時處理多軸馬達控制與 AI 預測演算法。 [1]

3. 主要應用場景
  • 智慧家電與物聯網(IoT):語音命令喚醒、環境異音偵測。
  • 工業自動化與機器人:馬達異常震動分析、預測性維護、多軸即時控制。
  • 穿戴與消費電子:心率/生醫訊號分類、低功耗人體存在感測。
  • 車用電子:車艙內駕駛狀態監測、簡易手勢辨識。 [1, 2]
如果你正在進行相關開發,可以告訴我:
  • 你預計執行的 AI 模型類型(例如語音、影像或感測器分類)?
  • 對 功耗、成本或運算速度是否有特定需求?
我可以幫你進一步了解適合的硬體平台或開發工具鏈。

----

然後你的MCU 系統應用平台就只是關起門來自己玩嗎?需不需要跟其他應用

介面連結?連結時,應用系統會重視甚麼?

AI 也跟你說:

微控制器(MCU)與後量子密碼學(PQC, Post-Quantum Cryptography)的結合,
是因應未來量子計算可能破解現有 RSA / ECC 加密、並防範「先竊取、後解密」
(HNDL)威脅的重要趨勢。 [1]
主要半導體大廠的 MCU PQC 進展與方案
  • 意法半導體(STMicroelectronics):
    • 推出 X-CUBE-PQC 軟體擴充套件,針對基於 Arm Cortex-M33 的 STM32H563xx 等微控制器,支援基於晶格的 ML-KEM 與 ML-DSA 演算法,以及基於雜湊的狀態簽章(LMS 和 XMSS),並已通過 NIST CAVP 認證。 [1]
  • 恩智浦半導體(NXP):
    • 積極將 PQC 藍圖導入邊緣裝置與工業用 MCU 產品線(例如 MCX 系列),協助 IoT 與工業自動化裝置在硬體層級具備抗量子安全啟動與通訊能力。 [1, 2]
  • 英飛凌(Infineon):
    • 推出符合「商用國家安全演算法套件 2.0」(CNSA Suite 2.0)的 PSOC Control C3 Performance 系列 MCU,支援 SHA-512 與 LMS 韌體驗證、PSA Level 3 等安全規範。 [1]
  • 瑞薩電子(Renesas):
    • 於 FSP 6.2.0 中透過 Mbed Crypto 為 RA 系列 MCU 導入 NIST 標準化的 PQC 支援(包含 ML-KEM-512 / 768 等密鑰封裝機制)。 [1]
  • 新唐科技(Nuvoton):
    • 在資源受限的 NuMicro M2354(Arm Cortex-M23)平台上,透過優化 NTT 演算法與記憶體配置,將 ML-KEM-768 的 RAM 使用量壓低至 12KB 以下,成功在低功耗 MCU 上實現量子就緒(Quantum-Ready)防護。 [1, 2]

如果你正準備在專案中導入 MCU PQC,方便告訴我:
  • 你目前使用的是哪一家的 MCU 晶片或核心(如 STM32、NXP、Renesas 等)?
  • 你的應用場景主要是通訊加密、安全開機(Secure Boot),還是韌體更新簽章?

----

那你會跟我說:怎麼這麼多技術應用東西,領域越跨越大....怎麼辦?

所以人家跟你說:要善用 AI 輔助開發啊。誰還跟你在那邊慢慢的磨:

搞那個甚麼十年磨一劍搞單晶片 MCU 系統開發?

----

最近 ST 原廠辦了一場:

STM32 Summit 2026

也非常明確地跟你說:

MCU 已經不是傳統的MCU ,而是以 Embedded System 面貌呈現出來,

Embedded Syetems are entering a new phase... 不同的市場,有不同的需求。

整合:AI、感測、連結、控制、功能安全及資安等...

Success is no longer about choosing a single MCU, it's about choosing a platform.

---

這一年來。從我離開原來那個守著傳統MCU 系統開發工作之後,

也接觸了不少新應用,引用AI 所帶來系統應用開發平台的衝擊....

或許我們真的需要靠外在的環境來刺激我們不斷的往前進,不斷的往上提升。

一年前的我:或許還會跟老師傅一樣的跟年輕人訓斥說:

我們該好好的K 一下MCU原廠的 DataSheet 。也要好好的蹲下來鑽研一些

基本馬步功....但這一年多來,我被市場客戶給教訓到:誰還跟你來這一套啊?

大家不妨去思考一下:今天的台積電是以代工起家,以代工為主業,有些人

看不起代工這種產業模式,但台積電的晶圓製造技術與競爭力其實也是被外在

環境所逼迫出來的。只有經歷市場客戶的考驗才能快速的累積與淬鍊出你快速

成長前進的動力。關起來門來讓你爽爽的十年磨一劍,或只是看到、做到或只想

做自己想做的技術或應用市場....那是一個很危險的企業或個人成長的環境條件的。

你可以再回頭去看看這些MCU 大廠,這幾年來快速布局的MCU 新趨勢與

他們所看到的未來市場應用時,你大概也就不好意思再拿以前我們那一套MCU 

學習與系統開發平台的那一套觀念出來貼文討抱抱或累積按讚數。

下回有空我來貼一下如何藉由AI 改變了我的MCU 系統開發的經驗。

1 則留言:

  1. 文章內關於台積電的代工技術的累積於淬鍊故事是引用以下影片:
    (主要播放時間點: 16:48 )
    台积电的身不由己,东亚半导体八部曲之六
    https://youtu.be/IeNtc8--Nu4?si=ZDz69EJysx9DOMkn&t=1008
    "...十萬青年,十萬肝 ... 從十六奈米肝到七奈米,
    台積電只用了三年左右...為什麼這麼拚?
    客戶越多,試的晶圓越多,學的越快,
    客戶少的公司,連學費交不起...."

    記得這段話:"客戶越多,試的晶圓越多,學的越快,
    客戶少的公司,連學費交不起...."
    如果你想用技術創業,真的不要老是想那個關起門來
    十年磨一劍的經營模式。

    你真的要學會從市場客戶那邊拼命地找出市場技術發展需求,
    需求越多,越急,你就學得越快。
    如果你只是想當我學會技術之後,就會有客人...
    客人少,你連學費都付不起。
    這一點我體會很深。尤其是這幾年來,我深深地悟到這個道理。
    所以你真的不要以為看到那些社群媒體的技術網紅、專家或老師。
    老是貼那幾篇某個領域的技術貼文...就以為他們有多厲害?
    你就想想你自己幹了這麼多年的技術活,你的學習成長道路,
    是怎樣度過來的?看看外面的世界或技術潮流的演進。
    其實這些道理,你都比誰還清楚的啦。

    回覆刪除