维度网讯，嵌入式工程领域存在多种划分方式。以微控制器为例，在嵌入式工程师群体中提及MCU，STMicroelectronics、NXP、Texas Instruments、Microchip Technology、Infineon和Renesas等公司是不可回避的话题。这些企业提供庞大的产品组合，服务于汽车、工业、消费、医疗等多个应用领域。

当话题转向超低功耗无线连接时，另一家公司的名字会迅速成为焦点：Nordic Semiconductor。这家无晶圆厂技术公司以其蓝牙、Matter、Thread、Wi-Fi和蜂窝IoT解决方案闻名。Nordic的产品已广泛应用于健身追踪器、智能家居设备、工业传感器和资产追踪系统等多种领域。

Nordic Semiconductor的故事始于1983年。该公司由挪威理工学院（NTH）的四名毕业生在特隆赫姆（Trondheim）创立，总部至今仍设于此。1996年，NTH成为现在的挪威科技大学（Norges teknisk-naturvitenskapelige universitet，NTNU），这是一所斯堪的纳维亚顶尖的技术大学。笔者曾多次访问特隆赫姆，在FPGA论坛发表主题演讲，并在NTNU进行客座讲座。

与这些处理器并排的是Nordic的新型Axon神经处理单元（NPU）。这是一款针对可穿戴、消费和工业IoT设备中常见的传感器驱动工作负载进行优化的机器学习加速器。与许多最初为图像和视频处理开发的NPU不同，Axon从最初就面向手势识别、活动监控、关键词识别、异常检测、预测性维护和生物特征感知等应用而设计。

与智能手机处理器或AI加速器中的大型NPU相比，Axon架构的设计目标并非处理百万像素视频流。Nordic针对“有界”机器学习问题优化了Axon，这些任务能够适应电池供电无线设备的功耗、内存和性能限制。该架构结合了专用神经网络处理硬件、DSP功能、紧耦合内存（TCM）、DMA引擎以及一个编译器，该编译器将TensorFlow Lite模型转换为针对底层硬件优化的执行调度。通过精心编排非易失性存储器、SRAM和本地加速器内存之间的数据移动，设计最小化了现代嵌入式系统中能耗较高的数据搬运环节。

Axon的起源值得关注。Nordic没有许可传统的第三方NPU，而是在2023年收购了AI公司Atlazo的知识产权和工程团队。由此产生的技术构成了Axon加速器的基础，反映了Nordic对以传感器为中心的机器学习工作负载的关注，而非以视频为中心的应用。Nordic报告称，推理速度比单独在Cortex-M33上执行同等工作负载快达十五倍。例如，基于MLPerf Tiny基准的关键词识别模型在Axon上执行大约需4.5毫秒，而在Cortex-M33上则大约需70毫秒。该加速器同时大幅降低了能耗，有助于延长电池寿命。

硬件仅是故事的一部分。Nordic构建了一个边缘AI软件生态系统。一端是Neuton，一个自动化机器学习框架，能够生成极其紧凑的推理模型——通常小于5 KB——可直接在Cortex-M33上执行。另一端是Axon工具链，它将TensorFlow Lite模型编译成适合在NPU上执行的优化表示。该公司的边缘AI实验室、软件开发工具、设备管理基础设施和nRF Cloud服务旨在支持整个产品生命周期，从模型开发和部署到空中升级和长期车队管理。

Nordic还建立了电源管理业务，以针对电池供电嵌入式系统优化的电源管理IC（PMIC）为核心。该公司相对较晚进入这一市场，使其能够在没有数十年遗留假设和设计包袱的情况下设计现代PMIC架构。其成果是一系列针对当前互联产品的电池技术、工作模式和超低功耗要求而优化的电源管理器件，客户既在Nordic的无线SoC旁边使用它们，也在与Nordic连接产品完全无关的设计中使用它们。

Nordic并未将AI视为一个附加功能，而是从电池供电互联设备的现实出发，在电力宝贵、内存有限、无线连接必不可少、电池寿命可能以年而非小时计的限制下，构建使智能变得实用的芯片、软件工具、云基础设施、AI加速甚至电源管理硬件。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com