编者按：MCU（微控制器）作为电子设备的“神经中枢”，在汽车电子、工业控制、物联网等领域发挥着关键作用。随着AI技术向边缘侧下沉、终端设备智能化加速，MCU市场既迎来新的增长机遇，也面临着性能、功耗、集成度等多重技术挑战。在此背景下，《中国电子报》专访国内外MCU头部企业，围绕MCU市场增量、技术趋势、需求变化等议题展开探讨。
记者：当前MCU市场正经历快速变化，短期来看哪些应用领域带来显著增量？长期来看又有哪些趋势将持续推动行业增长？Chad Steider：MCU领域的短期热点集中在汽车电子、工业控制和智能家居等领域。汽车的智能化、网联化、电动化和共享化会带来大量的控制需求，从而形成新的MCU市场。在工业控制领域，工业级无线网络和边缘计算正广泛应用于电机、仪表、工业机器人等关键场景，在普及的过程中都会增加MCU用量。此外，在智能家居领域，不仅传统的家居设备/设施在引入物联网和控制，而且诸如可穿戴设备、智能音箱、智能插座、家用机器人和智能医疗等新设备也在大量使用MCU。凭借低功耗、高集成度、低延时、安全可靠等特性，MCU成为负责控制和连接的主芯片。从长期来看，芯科科技认为MCU技术和市场一直持续快速演进，诸如融合AI、MCU+无线、更高安全性和采用先进制程等趋势都将推动MCU增长。首先，在融合AI方面，随着物联网、工业控制等领域的发展，边缘计算需求推动AI与MCU深度结合，可用于图像识别、语音处理等场景，这些具备AI功能的MCU产品将在市场中占据重要地位。其次，在MCU+无线方面，物联网的发展促使设备需要实现互联互通，MCU集成无线功能形成无线SoC已成为趋势，可以满足数据快速传输和交互需求，扩大MCU在物联网领域的应用范围，推动其市场增长。关于安全性方面，在汽车、物联网和工业控制系统等领域，MCU作为核心组件，其安全性至关重要。尤其随着应用场景的拓展，对MCU安全性能的要求也在不断提高，推动MCU产品向更安全的方向发展，进而促进市场增长。在先进制程方面，芯科科技等公司正在打破40nm的MCU“黄金制程节点”，开始向更先进的22nm等制程节点迈进。谢文录：当前，国内MCU市场呈现显著增长态势，家电、通信、新能源、无人机、机器人、电动车等领域的MCU芯片应用增长迅速。从短期来看，两大因素带来明显增量：一是国内本土化进程加速，推动国产MCU在各领域的更新换代；二是新能源汽车市场的快速扩张，直接拉动了车规级MCU的需求增长。而从长期发展动力来看，MCU产业的增长源于多重因素的叠加：首先，全社会智能化需求的持续升级，使得大量终端设备对MCU的依赖度不断提升，为其提供了广阔的应用土壤；其次，MCU自身的技术进步成为关键支撑，向上可提供边缘侧大算力支持，满足复杂场景的计算需求，向下则借助工艺迭代持续渗透到更多应用市场；再次，AI技术的广泛渗透进一步拓展了MCU的应用边界，作为AI在终端落地的核心载体，MCU通过与AI技术的融合不断延伸应用场景；最后，以新能源汽车为代表的新兴应用领域持续扩容，为MCU创造了更大的市场空间。熊险峰：MCU市场的短期增量主要来自三个领域：一是电动汽车核心配套升级，48V轻混系统渗透率提高以及储能市场的爆发带来BMS MCU需求提升；二是消费电子智能化复苏，智能家居和可穿戴设备的MCU需求将有提升；三是工业自动化领域机器人的使用量不断提升，对MCU提出了更高更丰富功能需求。长期来看，汽车电子电气架构变革是核心驱动力，域控制器的需求将进一步扩增，同时国内主机厂对供应链可控的要求，将加速车规MCU的本土化替代。在边缘计算方面，MCU需要集成部分AI应用（如语音唤醒、数据预测等）。同时，IoT发展要求MCU需要同时支持多种通信协议（Wi-Fi、蓝牙、LoRa等）。此外，RISC-V架构MCU迎来了新机遇，开源的生态红利让RISC-V在MCU市场有强大的潜力，同时RISC-V支持指令集定制可以满足新能源汽车特有的算法需求，如电池SOC估算。沈清：从长期来看，高端控制设备、工业机器人核心部件、边缘AI节点将成为三大核心推动力。高端控制设备中的半导体设备，要求MCU具备亚微秒级响应能力；工业机器人的力觉反馈系统和谐波减速机振动控制；边缘AI节点作为诊断终端或视觉引导系统，视觉质检、故障预测等毫秒级响应场景，要求MCU集成MPU或AI加速器，推动了异构CPU架构MCU的普及，这类产品将DSP内核和AI神经网络加速单元集成至MCU，既满足实时控制需求，又能运行轻量级AI模型。记者：AI与MCU的融合正成为核心趋势，这对技术发展带来了哪些影响？企业有哪些具体布局？卢国建：AI与MCU的融合是核心突破方向，但其价值不仅在于算力提升，更在于“精准感知+智能决策”的闭环。例如，消费者已经或多或少地使用了健康检测产品。健康检测看上去简单，但实际上对技术水平有很高的要求。在健康监测场景中，“精准”是一项非常重要的要求，尤其是对于慢性病防控这样的场景而言，“精准”是保证产品有效性的生命线。为了实现精准，芯海科技自研了高精度生物测量芯片及模组（BIA/PPG/ECG等），通过BIA（生物电阻抗分析）、PPG（光电脉搏波）、ECG（心电图）等技术，实现对人体成分、心率、体脂、肌肉量等30余种人体成分的动态采集，使家庭设备精度得以对标诊疗级设备。在这个案例中，端侧MCU发挥的不仅是控制的功能，还能结合感知的数据，在端侧完成边缘计算，从而能够描述出人体的健康指标和人体成分分析。完成这项工作后，MCU再将数据传到云端，结合融合医学知识图谱与多模态时序分析的云端HHM健康大模型，对测量的数据进行准确描述，实现“可解释的AI诊疗”。熊险峰：AI与MCU的融合不是简单堆砌算力，而是围绕“场景效率”与“安全边界”的重构。其影响体现在：算力需求从单核控制向异构计算跃迁，我们的多核域控MCUAC7870集成专用AI加速引擎；开发模式从裸机运行向软硬协同转变，通过工具链降低AI部署门槛；应用场景从单一控制向“智能感知+决策”扩展，如新能源车的电池健康预测。我们已储备RISC-V的MCU技术，支持指令集定制以适配车规AI算法，同时构建开放生态避免被国外指令集“卡脖子”。沈清：AI与MCU的融合正在重塑芯片设计逻辑，带来三个层面的变革：一是硬件架构从单一内核向“MCU+MPU+AI加速器”异构架构转型，我们的RA8系列集成CortexM85内核、Helium DSP和U55 NPU，实现MCU跨界2.0；二是软件开发模式从“裸机编程”向“模型部署”转变AI开发工具下沉。RealityAI工具生成轻量化模型，e-AI工具一键将主流AI模型转化为C语言代码；三是应用场景从“被动执行”向“主动决策”扩展，如工业机器人的手眼脑协同控制，要求5毫秒内完成感知-推理-执行闭环。我们对接NvidiaTAO工具链，使客户可基于预训练模型进行迁移学习，大幅缩短AI应用落地周期。Chad Steider：这种融合推动MCU向“智能终端大脑”进化，具体体现在四个方面：算力上，PG28MCU的AI/ML加速器支持本地小模型推理；能效上，该MCU可针对机器学习进行优化，处理机器学习操作的速度提升了高达8倍，而功耗仅为传统嵌入式CPU的1/6；安全上，芯科科技Secure Vault技术和ARM TrustZone技术实现了最佳的安全性；开发上，提供从数据训练到开发软硬件，到产品部署的全流程工具。我们的PG26MCU配备3200KBFlash和512KBRAM，支持复杂AI/ML应用，已在智能音箱的语音唤醒、工业传感器的异常检测中实现量产。第三代无线开发平台将进一步提升处理能力100倍以上，使边缘设备能独立完成图像分类、目标检测等任务。谢文录：对于高算力场景，通常采用“先进制程MPU/SoC+成熟制程MCU”的协同方案，例如智能汽车的域控制器中，MPU负责AI推理，MCU负责实时控制。我们正与应用企业合作，探索在中低算力场景的AI集成模式，如家电变频控制中嵌入负载预测算法，通过RISC-V的指令集定制或专用运算加速器等手段。这种融合不是技术炫技，而是要解决客户的实际痛点，在较少增加成本的前提下，通过软件定义硬件提升产品竞争力。谢文录：技术创新需聚焦四个方向：一是成本创新，通过工艺和设计优化打破同质化竞争；二是高集成度，汽车电子要求将通信接口、安全模块等集成到单一芯片，我们的电机控制专用MCU已实现CANFD与TSN协议的片上集成；三是RISC-V内核普及，其开源特性使指令集定制成本降低，特别适合新能源车的特殊算法需求；四是尖端模拟技术追赶，将高精度ADC的误差控制提升到国际头部水平。沈清：技术突破将围绕四大方向展开。一是算力升级，边缘AI推理要求MCU集成具备一定算力的AI加速引擎，RA8P1作为业界首款AI MCU，集成了ArmEthos-U55，主频达1G且M85内核集成了DSP；二是能效优化，六核AI MPUMPU RZ/V2H实现每瓦10Tops算力，无需冷却风扇即可运行；三是安全重构，模型与算法将会持续在线升级，要求 MCU 具备可重配置 NPU、可信启动、加密存储等数据安全机制；四是多模态感知，支持视觉、力觉、温度等多传感器接入，单芯片需处理大量的的原始数据量。这些趋势推动MCU从单一控制向智能决策核心闭环演进。Chad Steider：创新方向可概括为“三化”：低功耗极致化、AI融合深度化、安全集成全面化。我们的PG26和PG28MCU采用硬件AI/ML加速器，使机器学习处理速度提升8倍，功耗降至原来的1/6；通过SecureVault™技术和ARMTrustZone实现PSA3级认证，硬编码客户密钥增强抗攻击能力；第三代平台采用22nm工艺，将电池续航延长数年，同时支持30多种无线协议，实现“一颗芯片连接万物”。这些技术使MCU在智能安防、工业检测等场景实现本地实时推理，摆脱对云端的依赖。熊险峰：2025年的关键词是“功能安全”“极致性价比”“AI适配”。架构上从单核向多核异构演进，AC7870项目实现车规级多核锁步技术突破；能效管理从静态低功耗升级为动态调节，根据负载智能切换运行模式；AI适配聚焦轻量化场景，如通过均方差运算加速引擎实现能耗优化和故障预测。我们的策略是“以车规可靠性为基底”，将SoC经验迁移到MCU设计，通过模块化IP库实现“零修改替换”与“专用功能扩展”并行，降低客户本土化门槛。记者：当前MCU行业面临哪些主要挑战？未来3~5年的发展前景如何？沈清：挑战主要来自三个方面：一是技术体系碎片化，瑞萨构建的AI生态系统，对于解决碎片化问题是相当必要的和有效的；二是生态壁垒，客户迁移成本高，要求厂商提供统一开发平台，面对不同CPU、不同产品架构、不同AI加速引擎，瑞萨做了很多投入，建立硬件平台，开发编译器，软件开发工具等等，还为客户提供多层级的软件堆栈，直至最顶层的样例应用软件包；三是工艺瓶颈，40nm Flash工艺已走到极限，我们通过22nm MRAM工艺突破这一限制，实现更高性能和更低功耗。未来3~5年，新能源装备、先进机器人、工业边缘计算将成为增长核心，企业需建立“芯片+算法+行业应用”的三层壁垒才能立足。Chad Steider：最大挑战是市场竞争白热化与技术发展并存，一方面，同质化导致价格压力增大；另一方面，22nm以下制程的研发投入巨大，中小企业难以承受。机遇则来自AIoT的深度渗透，预计边缘智能设备的年复合增长率将超过30%。未来3~5年，MCU将呈现“两极分化”：通用型产品向高集成、低功耗演进，专用型产品则深度绑定细分场景，如医疗设备的低功耗MCU、汽车电子的高安全MCU。我们的策略是通过第三代无线开发平台的“无线+AI+安全”三位一体优势，在物联网细分市场建立技术壁垒。熊险峰：当前，行业正面临三重挑战。在技术上，EFLASH工艺在28nm已达极限，高性能MCU需要更先进制程；在市场上，国产化发展与全球化博弈加剧，车规级MCU仍依赖国际供应链；在供应链上，先进制程的全本土化成熟度不足。机遇则在于新能源汽车的爆发和RISC-V的崛起，预计2027年本土车规级MCU的市场份额将从目前的5%提升至20%。未来3~5年，车规级MCU将主导市场增长，定制化能力决定市场格局，RISC-V内核在车规应用的落地将成为国内厂商的突围关键。谢文录：当前最大挑战是同质化竞争导致行业盈利能力下降，进而影响技术研发投入。2025年国内MCU企业的平均研发投入占比不足10%，而国际头部企业超过15%。技术瓶颈集中在新型存储和尖端模拟技术，RRAM、MRAM等新型存储器的本土化仍需突破。机遇来自RISC-V的快速发展，其在MCU市场的份额有望提升。未来5年是行业大洗牌期：资源不足的企业将深耕细分市场，领先企业通过产业整合壮大，汽车、工业等高端领域成为竞争焦点，AI技术的落地形式将决定企业的差异化优势。记者：在激烈的市场竞争中，企业如何打造差异化优势？熊险峰：我们的差异化策略是“车规基因+定制化敏捷+本土化生态”。公司将SoC经验迁移到MCU设计，从架构到认证全面对标国际厂商；IP自研比例高，通过模块化IP库实现快速定制，例如针对新能源车BMS场景，可在3个月内完成算法适配；FAE团队7×24小时响应，开放工具链降低本土化门槛。这种“懂车+灵活+贴近客户”的组合，使我们在车规MCU领域的替代速度快于行业平均水平。Chad Steider：我们的核心优势在于“无线+AI+安全”的深度融合。我们的第三代无线开发平台是唯一覆盖多种射频技术的物联网平台，支持低功耗蓝牙（Bluetooth LE）、Wi-Fi、Wi-SUN、15.4、多协议和专有协议等，通用代码库使开发人员能通过一套工具开发多类设备。硬件AI/ML加速器实现8倍性能提升的同时降低功耗，SecureVault技术提供业界最高级别的安全防护。这种“一站式解决方案”能力，使客户从原型到量产的周期缩短50%，在智能家居、工业物联网等领域建立了竞争壁垒。沈清：我们的差异化体现在三个方面：一是全产品线布局，从130nm到14nm的MCU/MPU产品，满足从简单控制到实时控制到边缘AI的全场景需求；二是15年长期供货保障，远超行业10年的平均水平，契合工业领域的长生命周期需求；三是生态系统的完整性，提供从硬件平台到软件工具的全流程支持，100多个行业应用案例降低客户开发门槛。例如，我们的“-T”系列针对电机控制，“-N”系列针对网络通讯，“-V”系列针对AI视觉，这种按细分场景定制的产品矩阵难以被复制。谢文录：公司打造差异化需要“高品质+深耕行业”双轮驱动。在品质上，从可靠性指标、产品一致性、失效率等六个维度严格把控，使我们的MCU在洗衣机、空调等长使用寿命家电中的失效率低于10ppm；在行业深耕上，形成覆盖汽车、工业、家电的专有技术知识库，例如电机控制领域的自适应算法，使变频空调的能效提升。这种“产品+方案”的深度绑定，让客户不仅获得芯片，更能得到整套技术经验，从而建立长期合作关系。卢国建：芯海科技通过多维度布局打造差异化优势，核心路径体现在技术突破、全场景覆盖、生态协同与行业深耕四个层面。一是以技术认证突破高端市场壁垒。在通信与计算机领域，公司EC芯片成为我国首个通过Intel国际认证的产品，2025年再获AMD AVL认证，打破海外垄断，累计出货近1000万颗，成功导入荣耀等头部客户的AI PC产品，凭借国际级认证和量产能力，在高端计算设备市场建立先发优势。PD系列芯片同样通过雷电4认证进入英特尔平台组件列表，支持UFCS融合协议，在快充生态中形成技术差异化。二是构建全链条产品矩阵实现场景闭环。横向以EC为核心，覆盖PD、HapticPad、USB 3.0 HUB、BMS等多品类，纵向从AI PC、笔记本延伸至台式机、工控机、边缘计算及服务器，形成“横向拓展场景、纵向贯穿设备”的立体化布局，既能满足单一客户的多元需求，又能覆盖从消费电子到工业控制的全场景，区别于单一产品线厂商。三是依托“模拟信号链+MCU”双平台形成技术护城河。该独特架构在感知与控制层面形成协同优势：模拟信号链支撑高精度测量（如BIA/PPG/ECG技术），MCU实现精准控制，两者结合使产品在健康监测、工业传感等场景具备诊疗级精度；同时，针对边缘AI需求推出具备AI处理能力的MCU，支持传感器参数处理与场景识别，结合低功耗设计，适配物联网、智慧家居等多样化场景。四是深耕车规与边缘计算等高壁垒领域。车规级芯片通过AEC-Q100、ISO 26262认证，覆盖智能座舱、BMS等关键场景，构建ASIL-D等级平台，深度参与行业标准制定，与头部整车厂合作形成信任壁垒；边缘计算领域推出轻量级edge BMC芯片，提供远程管理方案，提升设备效率、降低运维成本，精准响应端侧数据处理需求，在新兴场景中抢占先机。
