由於人工智慧物聯網等高效能運算技術，得益於神經網路技術的進步，機器學習（Machine Learning；ML）不再侷限於超級電腦的世界了。如今智慧型手機應用處理器可以執行AI推論，用於實現影像處理和其他複雜的功能。這些邊緣運算裝置有許多是採用電池供電，因此對於系統的功耗有很高的要求，用來延長系統的工作時間。

恩智浦半導體大中華區資深行銷經理 黃健洲

恩智浦半導體大中華區資深行銷經理黃健洲指出，對現今許多設計而言，功耗是選擇元件最重要的標準，因為可攜式產品的電池壽命越長，對消費者越有吸引力。在基礎設備應用中，低功耗也是一項重要規格，因為較低功耗代表晶片將產生較少熱量，過高的熱量可能會限制系統產品的通道密度，或使得設計團隊無法增加新的功能。此外，有些較著重電源成本的設計，例如以通用序列匯流排（USB）供電的產品，或由汽車電瓶供電的汽車修配零件產品等，其電力預算亦相對有限。

NXP在打造更低功耗的運算解決方案時除了在晶片設計上有許多創新，電源管理軟體的精密度亦大幅提升外，晶片製程方面也採用更先進製程生產。目標是系統設計人員不用於設計系統時為任一項功能遷就妥協。然而，沒有裝置十全十美，設計人員必須仔細考量系統需求，檢視目前不斷推出的低功耗處理器，以了解哪一項產品最符合應用需求。

我們看到市場繼續保持積極的成長趨勢，並期待有更多的人工智慧物聯網設備在市場上，如消費性物聯網設備、工業應用和網路、還有與視覺、語音和聲音影關的邊緣應用。

黃健洲認為，MCU解決方案的發展有兩大趨勢，來支援機器學習計算能力。一是提高 MCU本身計算性能及能力，如從 Cortex ARM M0+到M4、M33和M7。另一種是透過在MCU中整合機器學習加速器和DSP來增強整體的ML運算能力。

目前NXP提供了eIQ邊緣智慧平台，該平台是使用NXP MCU和MPU（應用程式處理器）建構ML應用的圖書館和開發工具。對於MCU來說，此eIQ是開源推理引擎，如Tensorflow Lite。此外，eIQ邊緣智慧平台支援新興的神經網路編譯器，如Glow。不僅如此，eIQ也整合於MCUXpresso SDK middleware當中。