Observación de primera línea en la exposición de Múnich, ¿qué está sucediendo en la industria de MCU?

Shanghái a principios de julio de 2026, entre la multitud de la feria electrónica de Múnich en Shanghái, los stands de fabricantes de sistemas embebidos estaban mucho más concurridos que antes. Los ingenieros que visitaban la feria ya no solo preguntaban por precios y tiempos de entrega; más personas se detenían frente a demostraciones de manos hábiles para robots humanoides y placas de desarrollo de IA en el borde. Entonces, ¿dónde está realmente la tendencia de la industria de sistemas embebidos este año?

¿Cómo está la implementación del AI MCU?

El concepto de "AI MCU" se ha propuesto durante mucho tiempo, pero ¿cómo está realmente la implementación?

Texas Instruments (TI) mostró en vivo un esquema de reconocimiento digital de IA en el borde integrado con TinyEngine NPU. TinyEngine NPU es un acelerador de hardware dedicado lanzado por TI, que proporciona un rendimiento computacional de 2.56 GOPS, diseñado específicamente para aprendizaje profundo y operaciones de inferencia. Sin embargo, expertos de la industria señalaron que la potencia de cómputo de los AI MCU generalmente se encuentra en el rango de 0.xx TOPS, solo capaces de ejecutar redes neuronales pequeñas con parámetros de decenas de K, principalmente para "clasificación", como la clasificación de posturas con radar de ondas milimétricas, detección anormal de señales de vibración de motores, etc. El personal de TI admitió que estos dispositivos embebidos no están diseñados para procesamiento centralizado, sino para "tareas pequeñas" en escenarios细分. También lanzaron herramientas IDE simples, que afirman poder guiar paso a paso la recolección de datos, etiquetado, entrenamiento e implementación, e incluso generar directamente archivos de encabezado para compilar los pesos de la red en el proyecto. Más notablemente, TI ya ha conectado la IA a su propio entorno de desarrollo integrado CC Studio, que se conecta directamente con modelos grandes, logrando un servicio integral de "solicitar requisitos → codificación automática → grabación automática → depuración automática". Como dijo un ingeniero en el lugar: "Básicamente ya no necesitas habilidades de programación, solo necesitas entender las cosas". En realidad, las funciones en los MCU no son particularmente complejas, y la programación asistida por IA tiene una ventaja en "escenarios simples", ya que si la tarea es demasiado compleja, la memoria y la potencia de cómputo del MCU simplemente no son suficientes, lo que limita su rendimiento.

STMicroelectronics (ST) trajo el chip AI MCU de borde STM32N6, con 0.6 TOPS de potencia, NPU autodesarrollado integrado, que ejecuta modelos CV estándar, capaces de reconocimiento de gestos y detección de puntos clave. Chen Deyong, del departamento de productos de microcontroladores de ST China, enfatizó en un informe paralelo que la implementación de IA en el borde debe cumplir con "dos pequeños y dos bajos": pequeña Flash, pequeña RAM, bajo consumo de energía y baja latencia. También reveló que ST comenzó a desarrollar chips de prueba NPU en 2015, y ahora tiene más de 5000 MCU/MPU basados en plataformas ARM, y es el único fabricante del mundo que ofrece una plataforma en línea de pruebas de referencia para MCU. El 73% de los desarrolladores de ML Perf Tiny eligen STM32. Sin embargo, AI MCU también tiene el problema de pérdida de precisión en la conversión de "punto flotante a entero" en el modelo. La sugerencia de ST es: durante la fase de entrenamiento, primero exprimir el modelo con punto flotante al máximo, luego convertirlo a Integer 8 para implementarlo, logrando un equilibrio entre el uso de Flash y el tiempo de inferencia.

ARM promovió principalmente "Zephyr RTOS" en un informe técnico, con la intención de abrir un camino de migración desde Cortex-M a Cortex-A. ARM cree que la IA en el borde necesita una mayor expansión de potencia de cómputo, pero los desarrolladores no quieren saltar de un sistema operativo en tiempo real a un Linux voluminoso. Zephyr conserva la ligereza y previsibilidad de RTOS, y puede utilizar la MMU y SMP multinúcleo de Cortex-A, permitiendo que el código embebido se actualice sin problemas. ARM también mencionó que su serie NPU Ethos-U (U55/U65/U85) ya se puede combinar con Cortex-M y Cortex-A, y los tiempos de ejecución de TensorFlow Lite y PyTorch ya están listos.

Sin embargo, la implementación de AI MCU todavía está atascada en "recolección de datos" y "regulaciones". El personal de TI mencionó que los estándares para los radares de ondas milimétricas de 60 GHz utilizados para la recolección de datos de AI MCU aún no están claramente abiertos en China, "no se dice que no se puedan usar, ni que se puedan usar", pero los competidores pueden aprovechar esto para denunciar, lo que hace que los clientes industriales sean generalmente cautelosos; mientras que los esquemas de recolección de datos con cámaras tienen preocupaciones de privacidad; en cuanto a los radares láser, son costosos, un radar cuesta miles de yuanes, mientras que un AI MCU cuesta solo decenas de yuanes. En términos de direcciones de aplicación, TI también mencionó escenarios potenciales futuros como el cuidado de ancianos y la salud, pero por ahora, esta demanda aún no se ha liberado realmente. El consenso de varios fabricantes es que los AI MCU en el borde actualmente están "tibios", y el verdadero auge requerirá una mayor madurez en los escenarios de aplicación y las regulaciones.

¿Son los MCU para robots humanoides un nuevo océano azul?

Si AI MCU todavía está esperando el viento, los MCU para robots humanoides ya están en el umbral de la pre-investigación a la producción en lotes pequeños.

Una de las demostraciones más llamativas en el lugar fue una mano hábil de seis grados de libertad exhibida en el stand de ST, donde cada dedo está impulsado por un motor sin escobillas de núcleo hueco, y la flexión del dedo impulsa las articulaciones superiores para moverse juntas, capaz de agarrar y sostener temporalmente más de diez kilogramos. El personal de ST desglosó el esquema de chips: el control de los dedos utiliza un MCU con núcleo M4, y la coordinación de toda la mano utiliza un MCU con núcleo M33; la próxima versión agregará el chip N6 para percepción de borde. En todo el conjunto, el costo del chip no supera los 100 yuanes, pero el verdadero costo principal es el motor: un motor sin escobillas de núcleo hueco cuesta entre 700 y 800 yuanes, y una mano tiene 6 de ellos, y el robot completo tiene muchos más motores, con un costo mucho más alto que el MCU. Se sabe que algunos productos MCU de ST para robots humanoides ya se producen localmente en China en cooperación con fábricas OEM chinas, e incluso se exportan al extranjero. El personal dijo que actualmente la cadena industrial de robots humanoides en China ya está muy madura, y los costos en el extranjero simplemente no pueden reducirse; la mayoría de los componentes del robot de Tesla también se compran en China.

GigaDevice exhibió soluciones relacionadas con robots humanoides en su stand, con una cobertura tan completa y una implementación tan profunda que destacó en esta feria. Se mostraron cuatro soluciones de control avanzadas para robots de alta libertad: primero, un esquema de brazo robótico de seis ejes basado en GD32H75E; segundo, un robot cuadrúpedo "Gangbeng L1" en colaboración con Zhishen Technology, con múltiples GD32 MCU integrados profundamente; tercero, una solución de accionamiento de articulaciones robóticas basada en GD32H75E; cuarto, una solución de detección de fuerza de seis dimensiones basada en GD30AD3642. El personal reveló que los requisitos de MCU varían mucho según la parte del robot: las articulaciones de las extremidades inferiores utilizan reductores planetarios, que enfatizan alta potencia, resistencia a altas temperaturas y larga vida útil, pero los requisitos de precisión no son altos; las extremidades superiores y las manos hábiles requieren alta precisión, e incluso pueden soportar operaciones a nivel micro como cirugía o masajes en el futuro. Un robot humanoide bípedo puede necesitar hasta cien MCU en todo el cuerpo; cuanto mayor es el grado de libertad, mayor es el número.

Geehy Semiconductor mostró una ruta de relación costo-rendimiento más extrema. Su chip APM32M3514 (núcleo M0+, 72 MHz) para control de motores de robots tiene un precio unitario de solo alrededor de 3 yuanes, mientras que el APM32F425 de mayor rendimiento (núcleo M4F, 240 MHz) se utiliza para hombros y piernas, junto con un codificador G32R430 que utiliza un MCU dedicado (núcleo M52, 128 MHz) para obtener el ángulo del motor. Geehy admitió que la mayoría de los proyectos de robots humanoides actualmente permanecen en pre-investigación, y la producción en masa llevará tiempo, pero los fabricantes de chips deben posicionarse con anticipación.

Infineon mostró otra ruta técnica: un esquema de accionamiento de articulación de motor con nitruro de galio (GaN) de 1kV basado en el MCU PSOC Control C3. Este esquema integra el controlador principal, la potencia y la detección, y utiliza las características de alta frecuencia del dispositivo GaN para llevar la frecuencia de conmutación a 100 kHz, mucho más alta que los esquemas tradicionales basados en silicio, reduciendo así las pérdidas de conmutación y la generación de calor bajo la misma potencia. Esto significa que las articulaciones robóticas pueden lograr una mayor densidad de potencia en un volumen más pequeño, lo cual es especialmente importante para articulaciones de alta potencia como las de las extremidades inferiores. Infineon optó por la sinergia de semiconductores de banda ancha prohibida (GaN) y MCU dedicados para obtener una mejor relación de eficiencia energética.

El control de los robots humanoides no solo depende de la potencia informática de un solo MCU, sino también de la eficiencia de comunicación de la red de MCU. El esquema i.MX RT1180 exhibido por NXP conecta el MCU principal con 5 MCU de accionamiento de motores a través del bus I3C, logrando comunicación sincrónica de 12.5 Mbps con 2 cables de señal, sin necesidad de cristal externo para ahorrar BOM y espacio PCB en el lado esclavo. Este esquema conecta el bus I3C local de la mano hábil con el EtherCAT de todo el cuerpo, lo que significa que cuando se despliegan cien MCU en todo el cuerpo del robot, el control local y el control principal del cuerpo pueden coordinarse de manera estandarizada a través de un bus de alto ancho de banda y bajo número de cables, en lugar de depender de la acumulación de comunicación asíncrona punto a punto.

Además del control de movimiento y la comunicación de las manos hábiles de los robots, la actualización de la capa de percepción también es clave. El esquema de percepción táctil multimodal mostrado por ADI integra una matriz táctil de alta densidad de 32×32 con inferencia de IA en el borde. La red táctil puede percibir simultáneamente la distribución de presión, vibraciones finas, estado de contacto y temperatura a una velocidad de cuadro de kHz. La mano hábil del robot ya no depende solo del control de lazo abierto visual, sino que puede lograr un agarre preciso de objetos frágiles, control antideslizante y ensamblaje de tolerancias finas a través de la retroalimentación de lazo cerrado táctil.

En las entrevistas, varios fabricantes llegaron a un consenso: el volumen de envío actual de robots es muy pequeño, incluso si Yushu vende decenas de miles de unidades al año, para los fabricantes de chips solo son "varios millones de piezas", mientras que su envío mensual suele ser en cientos de millones. Por lo tanto, hacer MCU para robots actualmente "no es rentable", es puramente una apuesta por el futuro. El verdadero costo de los robots humanoides no es el MCU, sino el reductor: debido a que las especificaciones aún no están estandarizadas, cada empresa desarrolla los suyos propios, sin efecto de escala, y los precios siguen siendo altos. ST incluso dijo que el negocio de robots actualmente "apunta al futuro, es difícil aumentar el volumen ahora", y los MCU siguen la ruta de "gran volumen, margen bajo".

¿Puede RISC-V reemplazar la arquitectura ARM en el campo de los sistemas embebidos?

Fuera del ecosistema ARM, RISC-V es otra ruta de MCU cada vez más clara en la feria de este año.

El MCU "Qingke" de WCH es un representante típico, enfocado en chips de interfaz. Ya en 2018, se convirtieron completamente a RISC-V, desarrollando su propio núcleo, y rara vez envían productos ARM. Las razones dadas por los ingenieros en el lugar fueron directas: primero, seguridad, no afectado por la geopolítica; segundo, barato, ahorra costos directamente a los clientes; tercero, el rendimiento no es malo, comparando CH32V203 con STM32F103, tiene ventajas en puntuación CoreMark y consumo de energía.

Silergy también tomó la ruta RISC-V. Su serie de MCU SA32D se basa en núcleos RISC-V de alto rendimiento y alta confiabilidad, con capacidades de cómputo ultra altas y periféricos ricos, principalmente utilizados para control de zona (ZCU), BMU del sistema de gestión de baterías de potencia, control del motor principal de tracción, aplicaciones de chasis y algunas aplicaciones ADAS, así como escenarios de cómputo y control de borde de seguridad crítica. Los productos cumplen con el estándar AEC-Q100 y el estándar de seguridad funcional ISO 26262 ASIL-D. Silergy dijo que la forma de IP de RISC-V ya es rica, desde el nivel M0 hasta el nivel de servidor de 64 bits, y el ecosistema se está transmitiendo de consumo → industrial → automotriz. En cuanto al concepto de "AI MCU", la actitud de Silergy es relativamente tranquila: todos lo están mirando, pero la potencia del NPU en el MCU es solo de 0.3 a 0.5 TOPS, "¿qué se puede hacer con una potencia tan débil? La clave está en si el escenario puede aportar valor".

MRAM se convertirá en una nueva solución de almacenamiento embebido en el futuro

La evolución de los microsistemas embebidos siempre ha girado en torno al rendimiento, el costo y la confiabilidad. Y la continua actualización de escenarios como la inferencia de IA en el borde, el control en tiempo real de las articulaciones robóticas y el muestreo de alta frecuencia industrial no solo está remodelando el núcleo del microsistema (el MCU), sino que también está impulsando la iteración sincrónica de todo el sistema de almacenamiento. La Flash tradicional, limitada por el número de ciclos de borrado/escritura, la velocidad de escritura y el modo de operación por bloques, ya no puede satisfacer las múltiples demandas de alta velocidad, alto número de ciclos de borrado/escritura y alta confiabilidad. MRAM, como representante de las nuevas memorias no volátiles, se está convirtiendo en una nueva ruta técnica para respaldar la actualización del rendimiento de los microsistemas embebidos.

En esta feria, el fabricante local Zhejiang Chituo Technology Co., Ltd. presentó sus soluciones relacionadas con MRAM, con una línea de producción de MRAM de 12 pulgadas en Qingshanhu, Lin'an, Hangzhou, siendo actualmente el único fabricante en China que produce STT-MRAM en masa. Su producto principal actual tiene velocidades de lectura/escritura de decenas de nanosegundos, soporta operaciones de lectura/escritura por bit sin necesidad de borrado, es no volátil ante la pérdida de energía y puede soportar más de billones de ciclos de borrado/escritura, superando con creces la velocidad de escritura de microsegundos y la vida útil de cien mil ciclos de la Flash; la próxima generación de tecnología SOT-MRAM está en fase de investigación y desarrollo, con velocidades de lectura/escritura que pueden alcanzar el nivel de nanosegundos, y los resultados relacionados ya se han publicado en la revista principal IEDM. En cuanto a la capacidad, actualmente los chips independientes cubren desde Kb hasta 64 Mb, y se planea evolucionar hacia 128 Mb y Gb. Otro negocio importante es el MRAM embebido (eMRAM): integrar MRAM directamente dentro del MCU/SoC para reemplazar la Flash embebida tradicional o la caché. Chituo ya ha comenzado a cooperar con empresas líderes de MCU en China.

Se sabe que, en escenarios de implementación, en comparación con el esquema de protección contra pérdida de energía de SRAM+batería, MRAM no necesita batería, resolviendo por completo los problemas de mantenimiento en escenarios a prueba de explosiones y remotos. Más notablemente, a medida que los precios de las memorias tradicionales como DRAM continúan aumentando, MRAM también puede llegar al mercado de SCM (memoria de nivel de almacenamiento). En escenarios extremadamente sensibles al consumo de energía, como los dispositivos portátiles, MRAM, gracias a su característica no volátil, no necesita suministro continuo de energía como SRAM o DRAM, lo que le otorga una ventaja natural de bajo consumo; en comparación con PCM (memoria de cambio de fase), otro tipo de nueva memoria, MRAM es superior en un amplio rango de temperatura, lo que la hace más determinista en aplicaciones industriales y de grado automotriz. En el campo industrial, sus productos ya han entrado en PLC/DCS industrial, almacenamiento comercial de energía, etc., con clientes que incluyen empresas líderes en control industrial y almacenamiento de energía en China. Su producto representativo ha pasado la certificación de grado automotriz AECQ100-Grade1 y se está promoviendo a fabricantes de automóviles y proveedores Tier1/2.

Actualmente, los productos de MRAM embebido de Chituo todavía están alcanzando a los líderes internacionales como TSMC y Samsung, pero sus productos de MRAM independiente pueden competir con empresas extranjeras. Además de sus propios productos, también ofrecen servicios de fabricación de obleas para universidades, institutos de investigación y empresas emergentes de semiconductores, siendo una plataforma poco común en China para nuevas memorias y microfabricación.

Chituo cree que, con la evolución de la tecnología de cómputo en memoria, MRAM tiene el potencial de desempeñar un papel más importante en los chips de IA en el futuro, mientras que actualmente comienza desde escenarios como industrial, almacenamiento de energía y transporte general, expandiéndose gradualmente hacia el campo de la IA.

Mirando hacia atrás, el foco de competencia de los sistemas embebidos se está desplazando hacia quién puede igualar mejor los escenarios, quién puede controlar mejor la arquitectura de manera independiente y quién puede reconstruir mejor la base de almacenamiento. La potencia de cómputo de 0.xx TOPS de AI MCU no es sorprendente, pero es suficiente para impulsar la inteligencia en escenarios细分; el uso de cien MCU en un robot humanoide no es exagerado, pero es suficiente para remodelar la curva de demanda de chips para control de movimiento; la licencia de IP de RISC-V no es complicada, pero es suficiente para romper la dependencia única del ecosistema ARM; la capacidad de MRAM aún no es alta, pero es suficiente para establecer un nuevo estándar de almacenamiento no volátil en los campos industrial y de grado automotriz. Estos cambios, vistos de forma individual, no son drásticos, pero al superponerse, están redefiniendo los límites de los sistemas embebidos.

Fuente de este artículo: Semiconductor Industry Crossroads

Aviso de riesgo y términos de exención de responsabilidad

        El mercado tiene riesgos, por lo que la inversión debe ser cautelosa. Este artículo no constituye un consejo de inversión personal, ni tiene en cuenta los objetivos de inversión, situación financiera o necesidades específicas de usuarios particulares. Los usuarios deben considerar si las opiniones, puntos de vista o conclusiones en este artículo se ajustan a su situación particular. Invertir según esto es bajo su propio riesgo.