人工智能 (AI) 和机器学习（ML）对于提高系统的计算能力，以解决自动化和以数据为中心的世界的新兴需求至关重要。随着对效率、延迟以及成本的考虑，市场开始尝试采用慢慢的变多的边缘计算（Edge Computing）作为嵌入式系统AI/ML的首选方案。
作为全球主要的MCU和MPU供应商，瑞萨电子的 AI 解决方案利用在终端具有智能数据处理能力的嵌入式 AI 技术，来增强以信息和操作技术 (IT/OT) 为基础的系统和产品。
日前，EEWORLD专访了瑞萨电子物联网及基础设施事业本部MCU事业发展部高级总监Mohammed Dogar，就瑞萨在AI/ML上的进展，以及工业和物联网产业引入AI的痛点和难点进行了探讨。
瑞萨电子物联网及基础设施事业本部MCU事业发展部高级总监Mohammed Dogar
EEWORLD：请简要总结一下瑞萨2021年在嵌入式AI市场上的里程碑事件，有哪些合作伙伴或客户的成功案例可以分享?
Mohammed Dogar：2021年，瑞萨成功推出面向AI的领先MPU产品。入门级RZ/V2L系列具备同类最理想的电源效率和高精度AI加速器DRP-AI，可进行AI推理和图像处理，以实施更具成本效益的视觉AI应用。此外，新的通用64位RZ/G2L产品群采用最新Arm Cortex-A55核心，用于改进AI处理。
另外，瑞萨宣布了“Renesas Ready合作伙伴网络”。这一精心构建的庞大网络由让人信服的技术合作伙伴组成。他们带来性能优化的商业级组件，与瑞萨产品相兼容并开箱即用。该网络拥有超过15家合作伙伴，提供AI/ML和语音用户界面技术的组件解决方案。
此外，瑞萨还作为白金赞助商加入了TinyML基金会，帮助推进ECO，并为TinyML做出贡献。
Mohammed Dogar：在2022年，瑞萨将继续加强其MCU和MPU产品组合，推出具有增强AI加速能力的产品。随着我们在蒸蒸日上的AI/ML领域持续不断的增加新的合作伙伴，“Renesas Ready合作伙伴网络”将继续成长。
此外，针对众多现实世界的AI/ML用例，瑞萨还计划发布一系列高度优化的概念验证解决方案组合。
EEWORLD：瑞萨本身更关注消费级的AI还是工业级的AI？相比而言，二者的主要区别都有什么？
Mohammed Dogar：瑞萨在这两个领域都是强大的参与者。凭借在工业物联网领域的巨大影响力，瑞萨的产品遍布从工厂到智能电网，再到建筑和办公自动化的各种工业应用。在消费领域，瑞萨也是白色家电、电器和个人连接设备市场的领导者。
《MIT科技评论》认为，工业AI将特定领域的知识与最前沿的AI和机器学习能力嵌入至用途适合的AI应用中。这使得运行这些操作的自主和半自主流程得以实现——由此达成了自我优化工厂的愿景。
一般来说，工业应用本质上常常要处理关键任务，安全性至关重要。任何机器学习应用都需要与系统的整体安全和功能安全紧密结合。虽然在许多情况下，能够独立于云端进行实时推理是关键，但系统也应该具备融合边缘和云端的能力，以提升效率和适应性。严格专注于AI/ML部署后生命周期管理的MLOps也十分重要。
EEWORLD：目前，AI主要是对于视频、图像以及语音的边缘处理，您认为市场的主要痛点是哪里？
Mohammed Dogar：视频、图像和语音领域应用继续呈现强劲增长。我们正真看到，基于语音的应用程序作为非接触式人机界面的技术选项大量增加——COVID疫情的爆发加速了更多行业的采用。
我们还看到，结合了视觉、语音及其它感测数据的多模式技术被慢慢的变多地采用，以开发更智能的推理/分类应用。随着工业级AI的发展，利用特定领域知识的时间序列应用愈发重要。其中比较流行的用例包括：预测性维护、异常检测、空气质量监测、高价值资产跟踪等。
EEWORLD：怎么样看待如今为了AI而引入AI，对于有些市场而言AI可以极大的促进生产力，然而，对某些市场来说，AI的不确定性让人们变得恐惧及保守。
Mohammed Dogar：我们坚信，AI针对所有行业的影响通常都是利大于弊的。人们可能对AI“争夺”工作岗位或成为“超人”感到焦虑——在一定意义上这确实如此。然而，相比其“消灭”的工作岗位，自动化和受控智能往往会创造更多的机会——一般来说，它带来更高的效率和规模经济。此外，在许多关键的应用中，人类的参与将始终是关键，AI将继续发挥辅助性作用。虽然我们可能会在未来的某个时候实现超级AI，但我们坚信这一技术将针对正当的用途，并将受到适当的监管控制。AI将继续提供辅助性功能，并将提高生产力。对AI技术的采用也将始终必须根据最终应用的关键性来仔细权衡。
EEWORLD：目前有很多NPU或者所谓DSA慢慢的开始进入边缘应用，您怎么样看待如今ASSP与MCU在边缘AI上的竞合关系？
2、随着各类应用对AI/ML技术的普遍采用，MCU和MPU将继续增加AI加速结构和NPU
3、计算和AI加速的紧密融合，将为MCU/MPU和ASSP方式创造全新的机会及更高层次的合作
EEWORLD：必须得说的是，包括树莓派、Arduino以及STM32，各自都有基于自身的AI开发平台，并且也受益于生态系统，广受工程师好评。对于瑞萨而言，在嵌入式AIoT市场的差异化的发展策略是什么？
1、瑞萨不会重点在重复的工作上——在硬件和软件层面的技术供应商间建立密切、健康的合作伙伴关系，才是为客户提供完整端到端开发体验的关键
2、我们继续以有明确的目的性的方式发展并壮大我们的生态系统，瑞萨和合作伙伴可以将客户的设计从概念带至商用
EEWORLD：相对于MCU而言，MPU的复杂度可能已相当于SoC，怎么样才可以加速产品的开发周期？
Mohammed Dogar：假设这样的一个问题是关于在终端系统中采用我们产品的复杂性。如今，硬件的复杂性很少成为重要的问题。相比之下，复杂性来自于软件、工具，而且往往源自系统级的考虑。
就AI/ML而言，我们正在努力通过组件、服务、端到端支持和工具的打造，来方便客户的采用。我们的专业相关知识和合作伙伴ECO力量的结合，将发挥关键作用。
EEWORLD：在九月份时候，您曾表示，现在是嵌入式 AIoT 突破的时候，为了迎接突破，您建议工程师和相关企业应做好哪些准备工作？
1、AI和物联网的融合正在迅速发生，尤其在边缘以及一直到端点设备的整个路径。从AI的角度来看，边缘和端点的技术正变得更友好、高效和可扩展
2、基于我们从各个行业获得的广泛见解，我们的建议格外的简单：AI/ML不单纯是一项功能。培养AI/ML思维、解决系统级问题并思考 AI 如何比标准嵌入式方法更有效地处理问题是关键
3、将AI视为核心系统级能力，并以与嵌入式物联网领域其它核心技术相同的视角来看待它
IAR Systems今天宣布将参加十月11-14日在加拿大Anaheim举行的Renesas 电子产品领导者会议。IAR 公司将推出其专为RenesasRX MCU 的内核而设计的高优化编译器解决方。新产品包含有优化、调试功能和IAR 嵌入式工具的特殊功能。另外，IAR 公司也将届时推出其最新为Renesas Super H MCU系列开发的IAR 嵌入式工具。会议上，主要讨论的话题包括样品的展示、调试功能、技术上的支持以及如何获取执照。并且与会者将了解到目标间增加代码的可移动性，发掘新的工具是如何缩短项目启动时间以及怎么来降低项目风险 。 IAR 嵌入式工具能在单一环境下对Renesas的电子科技类产品提供最广泛的支持：I
以色列特拉维夫2022年6月27日-- 行业领先的人工智能 (AI) 芯片制造商 Hailo 今日宣布与先进半导体解决方案的主要供应商 瑞萨 (Renesas) 共同合作，打造强大且高效的处理方案，实现机动车的先进驾驶辅助 ( ADAS ) 功能和 无人驾驶 (AD) 系统。 Hailo - 瑞萨 联合解决方案将使复杂的 ADAS 技术更容易应用于所有类型的汽车。 专为重型神经网络 (NN) 加速而设计的 Hailo -8 处理器，与强大的 瑞萨 R-Car V3H 和 R-Car V4H 片上系统 (SoC) 相结合，可为区域和集中式车辆 ECU 提供强大、可扩展、高效和具有成本效益的 ADAS 解决方案。从 L2+ 级
联手实现汽车客户从 ADAS 到无人驾驶的无缝扩展 /
—瑞萨和西安高新区“风投”将合作投资经营“瑞微”，以拓展在华业务并促进西安产业发展— 2007年3月1日，全球半导体嵌入式系统的领先企业株式会社瑞萨科技携手西安地区两大合作伙伴：西安高新技术产业开发区风险投资有限公司（以下简称风投）和嵌入式软件开发商—西安瑞微系统技术有限公司（以下简称瑞微），在西安软件园达成共识并共同宣布，瑞萨和风投将作为母公司分别向瑞微投资800万人民币建立合资公司，三方将共同经营瑞微。 通过与瑞微的合作，针对中国数字家电和消费电子市场，瑞萨能够充分展示SoC（系统芯片）产品（适用于光盘驱动器、DVD刻录机、液晶电视等）的实力，积极开发出系统方案并提供技术上的支持，以应对市场的激烈竞争。瑞萨、风投和瑞微三方将共同
瑞萨电子株式会社今日宣布，汽车级Linux(AGL)已将R-Car入门套件作为其一个软件开发的标准参考软件平台而采用。 AGL是一个合作的开源项目，将汽车制造商、供应商与技术公司聚集起来，为汽车应用构建基于Linux的开放软件平台，可当作实际应用的行业标准。采用瑞萨R-Car入门工具包使软件研发人员能够轻松获取运行该项目开发的软件和硬件环境，快速、轻松地为下一代联网汽车开发车载信息娱乐(IVI)应用软件。下面就随汽车电子小编共同来了解一下相关联的内容吧。 R-Car入门套件支持最新的Unified Code Base 3.0 64位软件环境 汽车级Linux标准参考平台采用瑞萨电子R-Car入门套件 R-Car 入门套件
全球最大微控制器(MCU)厂商瑞萨电子(RenesasElectronics)6日于日股盘后公布上季(2014年4-6月)财报：因车用/产业机器用半导体需求强劲、中小尺寸面板用显示驱动IC需求增加，加上受惠日圆走贬，提振合并营收较去年同期成长5.1%至2,092.59亿日圆，合并营益暴增175.9%至269.84亿日圆，合并纯益为211.99亿日圆(去年同期为净损39.90亿日圆)。瑞萨表示，上季营收、营益、纯益优于该公司原先自估的2,020亿日圆、200亿日圆、140亿日圆。 上季瑞萨半导体事业(包含MCU、类比&电源控制晶片、系统单晶片(SoC)及其他类产品)营收较去年同期成长6.1%至2,012亿日圆。 就半导体
液晶电视生产商夏普公司周三宣布，他们目前与芯片制造商日本瑞萨科技和力晶半导体(Powerchip Semiconducto)合作，以成立了一家新的液晶显示芯片合资公司。 新公司(Renesas SP Drivers Inc.)将于4月1日正式成立，专门为小型和中型液晶面板生产LCD驱动器和控制器芯片，该公司表示。 新公司总部将设在东京，注册资本降至50亿元人民币(4670万美元)。瑞萨将投资55%的资金，夏普投资25%和力晶半导体投资20%。 夏普和瑞萨科技将结合自己的设计为新的合资公司开发业务，而力晶半导体将负责制造晶片。 夏普公司是世界首屈一指的液晶显示屏制造商，而瑞萨是日本一家芯片设计商。台湾的力
瑞萨网络搜索引擎片上系统参考设计 瑞萨网络搜索引擎片上系统参考设计的组成 2016年10月11日，日本东京讯 全球领先的半导体解决方案供应商瑞萨电子株式会社（TSE：6723）今日宣布推出网络搜索引擎(NSE)片上系统(SoC)（注1）参考设计，该设计可在通信行业内最快的 400 千兆/秒(Gbps)网络设备上用来缩短搜索卸载引擎的开发时间。由于主要是针对路由器和交换机应用，该参考设计包含一个网络搜索引擎评估板和一个Xilinx现场可编程门阵列(FPGA)，可采用搜索片上系统控制IP来简化定制功能的整合。传统型400 Gbps网络处理系统包含ASIC或网络处理器等专用片上系统。通过采用该参考设计，系统制造商可以快速
电子推出网络搜索引擎(NSE)片上系统(SoC)参考设计 /
微信 导语 ： 诚邀您光临研讨会现场 全球半导体解决方案供应商瑞萨电子将于12月12日在深圳举办“智慧控制，绿色可持续”主题的瑞萨电子嵌入式工业应用技术研讨会。米尔作为领先的嵌入式处理器模组厂商将出席此次活动，米尔电子将在现场展出 RZ/G2L、 R Z/G2UL 系列核心板开发板，将围绕“嵌入式CPU模组助力工业产品研究开发”开展技术演讲和demo演示，探讨如何通过智能控制提高能效，降低能源消耗，实现绿色可持续发展。 此次瑞萨研讨会，米尔为感谢广大新老客户的支持，将在现场限量发放 6 折优惠券 ,可 用于购买RZ/G2L、 R Z/G2UL开发板 ，欢迎广大新老客户前来现场领取，先到先得！
研讨会 /
EK-RA2E1 knots-meter
单片机在光伏逆变器上的应用
CS+ CC_RL编译器使用手册
直播回放: Renesas 瑞萨RA MCU家族成员迅速增加，助力打造安全稳定的工业控制系统
【电路】Renesas Synergy™低功耗S1JA微控制器，你知道吗？
MPS电机研究院 让电机更听话的秘密！ 第一站：电机应用知识大考！跟帖赢好礼~
电源小课堂 从12V电池及供电网络优化的角度分析电动汽车E/E架构的趋势
解锁【W5500-EVB-Pico】，探秘以太网底层，得捷电子Follow me第4期来袭！
2023年12月，米尔电子联合战略合作伙伴全志科技，率先业内发布了国产第一款T527核心板及开发板，这款高性能、超高的性价比、八核A55的国产核心 ...
（Novuton）宣布推出一款针对先进人机界面 (HMI) 应用的微处理器 (MPU)。MA35H0系列提高了HMI处理性能。该系列 MPU 基于 64 ...
日前，OpenTitan联盟宣布了一个重大消息：他们成功推出了首款包含开源内置硬件安全功能的商用硅芯片。这一里程碑式的成就不仅代表了开放硬 ...
内存变革将至，DRAM 后谁扛大旗？MRAM、FERAM 和 ReRAM 摩拳擦掌
2 月 22 日消息，存储网络行业协会（SNIA）多位专家近日预估，21 世纪 20 年代末将会掀起持久内存（PMEM）变革浪潮，相信新技术将取 ...
Arm 更新 Neoverse 产品路线图，实现基于 Arm 平台的人工智能基础设施
Arm 宣布推出两款基于全新第三代 Neoverse IP 构建的新的 Arm Neoverse 计算子系统...
站点相关：嵌入式处理器嵌入式操作系统开发相关FPGA/DSP总线与接口数据处理消费电子工业电子汽车电子其他技术存储技术综合资讯论坛电子百科
