解读瑞萨MCU竞争力强的秘密:核心全、品类齐、工具强、方案多

Release time:2024-11-15
author:AMEYA360
source:瑞萨
reading:1721

  MCU(微控制器)是控制系统的核心元件,负责管理和控制系统中众多功能子单元,随着终端系统迭代升级,MCU用量也在快速提升。根据Yole Group的统计数据,2023年全球MCU市场规模已达282亿美元,预计到2029年将增长至388亿美元,其间年复合增长率达5.5%。

  目前,全球MCU厂商众多,而瑞萨电子是其中的佼佼者。根据瑞萨电子官方给出的数据,该公司每年出货超过35亿颗MCU,拥有非常广泛的8位、16位和32位产品组合,是16位与32位微控制器(MCU)领域的领先供应商之一,以其卓越的产品和解决方案赢得了广泛的认可。为什么瑞萨电子的MCU产品有如此强的竞争力呢,带着这个问题,电子发烧友网记者和瑞萨电子嵌入式处理器事业发展部高级经理刘涛在第七届中国国际进口博览会(简称:进博会)上进行了深入的交流。

  瑞萨电子MCU产品的硬实力

  当前,MCU厂商发展基本有三种主要模式:其一是基于授权内核进行芯片开发,最具代表性的是Arm内核;其二是基于自研内核进行芯片开发;其三是基于开源内核进行芯片开发,最具代表性的是RISC-V。

  瑞萨电子嵌入式处理器事业发展部高级经理 刘涛

  刘涛表示,瑞萨电子是业内少见的拥有全面MCU内核布局的公司。在自研内核方面,瑞萨电子已经打造出两款极具竞争力的MCU内核,其中RL78系列便是基于瑞萨电子自研的16位超低功耗内核打造,RX系列则是基于高能效比的32位内核打造;在Arm内核方面,瑞萨电子拥有丰富的产品,包括推出了当前业内最高性能基于Arm Cortex-M85内核的高性能MCU;同时,瑞萨电子也成功设计、测试并推出基于开放标准RISC-V指令集架构(ISA)的32位CPU内核。

  确实,近一段时间以来,瑞萨电子在各个内核方向上都进行了产品升级迭代,比如刘涛提到的该公司基于Arm® Cortex®-M85内核打造的高性能MCU——RA8系列MCU。对于这个产品系列,电子发烧友网在去年的进博会报道中也有重点提到,提供卓越的6.39 CoreMark/MHz性能,并部署了Arm Helium™技术,在数字信号处理器(DSP)和机器学习(ML),相较于基于Arm Cortex-M7内核的MCU有大幅提升。今年初,瑞萨电子在RA8系列下最新推出了RA8T1 MCU产品群,可满足工业、楼宇自动化,以及智能家居等应用中常见的电机、电源和其他产品的实时控制要求。

  对于RA8T1 MCU,刘涛举例称,在大功率的交流伺服驱动器中,RA8T1 MCU得到了广泛的应用,不仅能够帮助实现高速、精准的电机速度和位置控制,同时为电机应用带来了强大的机器学习能力,可以帮助用户实现预测性维护等智能化功能,显著降低系统的维护成本。

解读瑞萨MCU竞争力强的秘密:核心全、品类齐、工具强、方案多

  基于RA8T1的马达异常检测

  他在交流中透露:“瑞萨电子正在积极开发下一代RA8产品线,预计相关产品会在2025年推向市场。”

  前不久,瑞萨电子也推出了全新RX261/RX260 MCU产品群,这个产品群是基于瑞萨电子自研的RXv3 CPU内核,在64MHz运行频率下可获得355CoreMark的评分。刘涛指出,得益于RXv3 CPU内核的高能效比优势,RX261/RX260 MCU产品群能够帮助用户应对更严苛的能效法规——与其他64MHz级MCU相比,RX261/RX260的工作电流降低了25%,待机电流降低了87%。

  当然,RX261/RX260 MCU产品群不仅在能效方面表现出色,产品上集成的瑞萨电子第三代电容式触控IP(CTSU2SL)同样抢眼。刘涛介绍说,相较于前两代电容式触控IP,CTSU2SL显著改善了抗噪声性能和防水特性,并大幅降低了功耗。CTSU2SL通过了IEC 61000 4-3 level3和4-6 level4认证,即便是在厨房、洗手间等容易附着水渍和油渍的场景,这款IP也能够实现精准的触摸控制。

  瑞萨电子对CTSU2SL进行了多项专门优化,比如CTSU2SL加入了多频扫描功能,降低了同步干扰噪声的影响;加入了主动屏蔽功能,内部多个触摸电平共用一个屏蔽电机,以相对电平或者相位来驱动触摸电极或屏蔽电级,能够抑制油渍和水渍的干扰;加入了自动判断功能,在MCU待机状态下,不需要MCU参与也可以进行触控检测,从而可以降低运行或者间歇操作期间的平均功耗;加入了MEC(多电极连接)功能,通过将多个触摸电极连接作为单个电极进行测量,减少触摸测量时间和电流消耗量。

  CTSU2SL展示了瑞萨电子在MCU集成化发展趋势上的一些优势,对此刘涛更进一步讲到,瑞萨电子在MCU集成方面有一个很大的优势——公司拥有丰富的产品线比如功率器件、模拟器件、射频前端和传感器等,在未来的规划里,瑞萨电子的MCU和MPU里将持续打造更高集成度的产品,帮助客户降低系统成本。

  作为全球微控制器供应商,瑞萨结合嵌入式处理、模拟、电源和连接方面的专业知识,提供完整的半导体解决方案。这一点也非常重要,因为基于MCU打造的丰富方案能够进一步提升MCU产品的竞争力。本届进博会,瑞萨电子展览了多款先进解决方案,包括基于瑞萨电子专用电机控制微控制器(MCU)RA4T1的大功率、全速率范围的FOC电机控制方案,基于RZ/V2H的多分类目标检测方案,基于RZ/G2L高性能MPU的PLC控制方案,基于高性能MCU RA8D1的HMI方案,以及基于R-Car V4系列高性能片上系统(SoC)的辅助驾驶与自动驾驶整体解决方案等。

  基于RZ/V2H的多分类目标检测方案

  刘涛表示:“进博会上的方案展示了瑞萨电子在MCU和MPU系统性方案方面的实力,体现了瑞萨电子'To Make Our Lives Easier(让生活更轻松)'的愿景。不过,这些只是瑞萨电子丰富方案的冰山一角,未来瑞萨电子将持续创新,为客户提供更加可靠的解决方案,赋能他们在终端领域更好地发展。仅仅在2024年,瑞萨电子结合客户最新需求就推出了多款基于MCU或MPU的解决方案,比如针对工业自动化,瑞萨电子RX72M、RZ/T2M、RZ/N2L等多款芯片都可以支持EtherCAT、EtherNet/IP、PROFINET RT/IRT、CC-Link IE Field Basic、Modbus、TSN、OPC UA等工业总线,以此为基础瑞萨电子推出了RX72M EtherCAT伺服,RZ/T2M 220V交流伺服解决方案和24V直流伺服解决方案,RZ/T2M Profinet伺服解决方案,RZ/N2L IO-Link主站通信解决方案等。”

  交流伺服解决方案

  瑞萨电子MCU产品的软实力

  由于MCU是执行控制的核心单元,因此其对软件算法的支持能力也是性能表现的一部分,同时配套工具和资源也是评估产品非常重要的一环。刘涛指出,过去一年瑞萨电子从多个方面增强了MCU和MPU产品的软硬件实力,其中比较有代表性的例子是瑞萨电子在今年推出的Reality AI Tools软件的免费版本——Reality AI Explorer Tier。

  Reality AI Explorer Tier为用户提供免费的、全面的自助式评估沙盒访问权限,几乎包含了Reality AI Tools的全部功能,包括自动化AI模型构建、验证和部署模块。Reality AI Explorer Tier包括丰富的教程、应用实例和常见问题解答(FAQ),比如加速度器振动抑制分析,音频分类,以及电机故障预测等。

  Reality AI Tools的存在让用户不需要具备很深的AI应用开发经验,只需要提供相关的数据就能够构建AI应用。这款工具可以根据用户提供的数据样本自动探索识别数据的特征,从而建立数学模型,最终部署到瑞萨电子的MCU产品上。

  瑞萨电子也提供另外一种开发模式,当用户具有一定的AI应用开发能力时,比如用户本身就有算法模型,瑞萨电子可以提供e-AI转换工具,将用户提供的数学模型转化为可以部署到MCU的代码,这些代码能够充分结合瑞萨电子MCU或MPU上的计算单元,提供更高的计算效率。

  结语

  瑞萨电子是全球领先的MCU供应商,每年MCU出货量高达数十亿颗,这一数据其实已经足以说明瑞萨电子的产品力。通过和刘涛的交流可以明显感受到瑞萨电子持续引领MCU和MPU市场发展的决心,给工程师带来具有竞争力的产品及解决方案,满足广泛的终端需求。

("Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal.")

Online messageinquiry

reading
喜报丨瑞萨电子凭借R-Car X5H荣膺第五届知鼎奖“智能驾驶科技创新奖”
2026-06-03 10:49 reading:210
瑞萨丨技术干货|解决方案套件概念:AI赋能的智能电动自行车——重塑城市出行与智能交通
  电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择,电动自行车不仅有助于缓解交通拥堵,也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及,用户对安全性、可靠性和智能辅助功能的期待也在持续提升。  然而,无论是传统机械自行车还是电动自行车,当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的,在性能明显下降或故障真正发生之前,几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本,甚至带来潜在的安全隐患。  瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI),在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化,无需依赖云端连接。  嵌入式边缘AI实现预测性与智能骑行  智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU)),这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®,开发者可以部署高度优化的AI模型,使其完全运行于MCU本地,无需云端计算支持。  这种系统架构在实现更安全、更高效骑行体验的同时,也有效控制了功耗和系统成本,非常适合大规模部署于智能出行设备中。  AI赋能的智能电动自行车围绕以下两大核心能力,全面提升骑行体验:  AI驱动的状态监测  更顺畅、更安全的骑行体验,全面提升用户感受  瑞萨电动自行车概念  AI驱动的状态监测  无论是传统自行车、电动自行车,还是共享出行车队中的自行车,本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况,包括链条、齿轮、轴承以及车架连接部位。随着时间推移,这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。  传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动,容易导致突发故障,增加维护成本和运营风险。  通过将AIK‑RA8D1与加速度传感器直接集成到自行车中,实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式,及早发现机械性能退化的迹象。  关键预测性维护功能包括:  链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时,可在性能明显下降之前识别出链条过度磨损或润滑异常问题。  齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式,实现早期干预。  轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。  车架结构监测(Frame Structure Monitoring)——通过振动分析,还可识别车架的松动或结构性变化,从而提升骑行安全性并延长整车使用寿命  瑞萨如何实现智能自行车监测  要构建高精度的状态监测AI模型,必须采集涵盖正常运行状态和多种机械故障状态的数据集。  为此,系统采用AIK-RA8D1 AI开发套件,并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上,在真实骑行场景中采集振动和运动数据。  数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中,也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据,并进行存储,用于后续的数据标注和AI模型训练。  Figure1.Training Set-up  AI模型开发与部署  在完成数据标注并上传至Renesas Reality AI Tools后,可利用云端AutoML功能训练和评估多个AI模型,并针对RA8D1 MCU进行部署优化。  最终选定的模型能够识别七种系统状态:  电动自行车状态:识别空闲与静止状态  链条运行状态:识别正常的正向与反向链条运动  齿轮异常:基于变速器位置检测两种故障状态  后轮结构状态:识别潜在的后轮松动问题  该优化模型在仅占用5KB内存的情况下,实现了99.63%的识别准确率,可高效运行于RA8D1 MCU上。  Figure2.Model Development to Deployment Flow  部署完成后,推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。  AI增强型骑行智能  除状态监测外,AIK RA8D1还可作为智能电动自行车计算核心,充当中央处理节点,分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。  AI赋能的骑行功能示例包括:  载荷分布检测——通过分析振动与运动信号,系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置,以提升舒适性和踩踏效率。  路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出,从而提升稳定性与能效。  目标检测,实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时,AI模型可识别周围车辆与障碍物,在盲区来车时触发预警。  “See with Sound”的空间感知能力——通过麦克风阵列,系统可估算周围车辆的来向,并向骑手提供空间方位提示,而无需持续视觉关注。  推动下一代智能出行  AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中,制造商能够打造更安全、更可靠、更高效的出行解决方案。  瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台,构建适用于实时嵌入式部署的智能出行系统。  告别突发故障,从瑞萨开始打造更智能、更安全的自行车。  准备好将AI驱动的状态监测引入骑行领域了吗?
2026-06-02 09:56 reading:244
喜报|瑞萨电子荣获上海繁易“战略合作伙伴”奖
2026-05-29 09:55 reading:359
瑞萨丨AI技术横向扩展——模拟技术纵深发展
  由AI驱动的小工具往往基于漂移信号采取行动,无法意识到自身出现运行错误。它只是自信、精确地朝着错误的方向执行。没有精度的自信,算不上智能。这是一种隐患。  系统接收的指令与物理世界中实际发生的情况之间的差距,只能由一样东西来弥合:其底层的模拟基础,而这一基础无处不在。  AI已成为整个物理世界的运行层,嵌入了各类工厂、车辆、机器人、卫星和数据中心之中。AI技术已横向扩展,但在每个智能系统之下,都有一个让一切成为可能的基础。而这个基础就是模拟技术。  当业界还在争论模型、参数和计算机架构时,信号层面正上演着一场更安静、却影响更深远的变革。每一个自主系统,无论其软件多么复杂,最终都必须感知现实世界、对其作出响应,并在其中采取行动。物理世界与数字世界之间的接口就是模拟技术,随着系统变得越来越智能,这一接口不仅在扩展,更在成倍增长。  我所说的“信号链”,是指从传感器出发,经由模拟前端、转换、同步、供电和控制,直至模型实际接收数据的端到端路径。  问题已不再是AI是否在边缘运行。问题在于其底层的模拟基础是否足够深厚,这不仅关乎系统的可靠性,更关乎其速度、精度以及能否达到应用所需的最高性能水平。  模拟附着曲线  为了理解这在实践中的含义,有必要为物理AI从原型走向量产时每次都会出现的模式进行命名。  在物理AI所渗透的每个领域,都存在一种反复出现的模式。随着机器的能力、自主性、精确性和安全关键性不断提高,运行它们所需的模拟和混合信号内容并非线性增长,而是呈复合式增长。  注:乘数因子表示方向性和示意性,用于展示曲线的形态。  图1:模拟IC内容与自主性的关系  如图1所示,随着自主性提升,模拟内容呈指数级增长:更多的传感器接口、更多的数据转换器、更多的电机控制通道、更多的电源轨,以及更严密的安全监控。  人形机器人正是这条曲线最具说服力的体现。每一个手势、每一步骤、每一个决策,都可追溯到200个以上的模拟IC,它们涵盖了每个关节的电机控制、位置传感、扭矩和力反馈、电源管理,以及涵盖LiDAR、视觉、触觉、压力和阻抗的感知层。在指尖,毫米与毫秒决定了一次抓握能否成功,其架构在此再次复制。智能提升。信号链随之深化。在每一层,需求不仅在于信号是否足够可靠,更在于信号是否足够精确、足够快速且足够稳定,以支撑实际运行。  图2:人形机器人各关节处电机控制所涉及的IC数量  图3:人形机器人平台信号链解析图  人形机器人的信号链在每个关节处重复出现:电机驱动与电流检测、位置反馈(编码器/旋转变压器)、扭矩/力反馈、本地电源管理以及高完整性通信——并延伸至指尖压力/阻抗传感,以确保稳定抓握。模拟技术并不逊色于AI。正是模拟技术让AI得以物理化。而瑞萨电子的端到端解决方案就是为了实现这一目标。  为何缺乏纵深发展的横向扩展会失败  工业环境在电气特性上非常“不友好”。温度波动、振动、电磁噪声以及长距离线缆传输都会降低信号质量,且软件事后无法进行补偿。一个在热应力下漂移半度的位置传感器不会触发错误标志,而是会产生一个错误的答案,而AI系统会据此充满信心地采取行动。  这就是实验室中表现良好的AI与现场实际运行的AI之间的差距。  弥合这一差距所需要的不仅仅是元器件,更需要一种端到端的信号架构——其中传感、控制、供电和连接经过精心设计,作为一个整体系统协同工作,而非事后拼凑而成。  在物理AI中,精度并非单一的技术指标,而是系统的固有属性。其体现在校准、时序、电源完整性以及具备故障感知能力的控制之中。  未来十年  最终胜出的系统不会是拥有最大模型的系统,而是那些在现实世界中,能够战胜温度、振动、延迟、噪声、功耗预算、安全约束以及长生命周期等种种挑战,提供最可靠性能的系统。  这不是一个软件问题,而是一个信号链问题。若您正在构建物理AI,请将模拟技术视为一个首要的设计要素:尽早规划架构,明确分配预算,并将感知、控制、供电和连接作为一个整体系统进行工程设计,而非一堆零部件的堆砌。  关键要点  随着自主性增强,模拟与混合信号的深度呈复合式增长——性能、精度和可靠性成为决定性因素,而不仅仅是模型规模的大小。  现场环境会因漂移、电磁干扰、振动和线缆损耗导致系统故障——上游信号完整性误差往往表现为“自信满满”的AI所造成的失误。  成功的架构需要将传感、控制、供电和连接作为一个经过工程化设计的信号系统——在设计早期便整体规划,明确分配预算,并面向现实世界而构建。  AI正在横向扩展。胜出者则在纵深发展。这场竞赛已然拉开帷幕。
2026-05-28 10:12 reading:391
  • Week of hot material
  • Material in short supply seckilling
model brand Quote
BD71847AMWV-E2 ROHM Semiconductor
CDZVT2R20B ROHM Semiconductor
TL431ACLPR Texas Instruments
RB751G-40T2R ROHM Semiconductor
MC33074DR2G onsemi
model brand To snap up
BP3621 ROHM Semiconductor
IPZ40N04S5L4R8ATMA1 Infineon Technologies
BU33JA2MNVX-CTL ROHM Semiconductor
STM32F429IGT6 STMicroelectronics
ESR03EZPJ151 ROHM Semiconductor
TPS63050YFFR Texas Instruments
Hot labels
ROHM
IC
Averlogic
Intel
Samsung
IoT
AI
Sensor
Chip
About us

Qr code of ameya360 official account

Identify TWO-DIMENSIONAL code, you can pay attention to

AMEYA360 weixin Service Account AMEYA360 weixin Service Account
AMEYA360 mall (www.ameya360.com) was launched in 2011. Now there are more than 3,500 high-quality suppliers, including 6 million product model data, and more than 1 million component stocks for purchase. Products cover MCU+ memory + power chip +IGBT+MOS tube + op amp + RF Bluetooth + sensor + resistor capacitance inductor + connector and other fields. main business of platform covers spot sales of electronic components, BOM distribution and product supporting materials, providing one-stop purchasing and sales services for our customers.

Please enter the verification code in the image below:

verification code