<span style='color:red'>瑞萨</span>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
行业新闻

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?
关键词：
发布时间：2026-06-02 09:56 阅读量：223 继续阅读>>
<span style='color:red'>瑞萨</span>丨AI技术横向扩展——模拟技术纵深发展
行业新闻

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。
关键词：
发布时间：2026-05-28 10:12 阅读量：375 继续阅读>>
<span style='color:red'>瑞萨</span>丨基于RA4T1的先进FOC控制，打造下一代高性能电锯系统
行业新闻

瑞萨丨基于RA4T1的先进FOC控制，打造下一代高性能电锯系统

　　在林业、救援及拆除等作业场景中，电锯需应对极端严苛的性能考验：作业负载瞬息多变，从切入硬木到遭遇木节，要求电机在毫秒级内完成精准响应。传统方案常因动态控制不足，导致效率低下、性能波动等问题，甚至带来安全隐患。　　为此，瑞萨电子推出基于RA4T1高性能MCU的电锯系统解决方案，通过先进的磁场定向控制(FOC)与高频注入(HFI)技术，可在零速工况下实现高扭矩、平滑启动，并在全负载范围内保持精准、平稳、高效的动力输出。　　高性能电锯系统框图　　系统核心　　基于RA4T1 MCU的高精度、高效率电机控制　　该解决方案的核心是瑞萨的RA4T1 Arm® Cortex-M33®微控制器。该MCU专为高性能电机控制而生，凭借其100MHz主频及集成的专用电机控制外设，能够高效运行复杂的无传感器磁场定向控制(FOC)算法，并结合高频注入(HFI)技术。　　实现零速高扭矩与平稳运行：传统方案在零速或极低速下难以准确获取转子位置，易导致启动无力或抖动。该系统采用的“FOC+HFI”控制策略，即使在零转速下也能精确检测转子位置，实现高扭矩平滑启动，并可在低速区间持续输出强劲切割力，完美应对电锯切入瞬间的冲击负载。　　卓越的动态性能与能效：FOC算法通过对电机电流的矢量控制，实现对转矩和磁场的独立精确调节。这不仅使电机在各种负载下保持高效运行，最大限度延长电池续航，还能显著降低转矩脉动，带来更平稳、安静的切割体验，有效减轻作业疲劳。　　内置安全与可靠性保障：RA4T1集成的TrustZone®技术，可将电机制动、过流保护等关键安全功能隔离在安全域内运行，避免因非法篡改或软件故障引发风险，为高风险应用提供硬件级安全保障。　　从控制到驱动　　构建完整高效的动力链　　一套卓越的控制系统，离不开强大的执行部件支撑。该方案构建了从信号到动力的完整高效链路：　　精准的信号调理：采用ISL28114等系列微功耗轨至轨运算放大器。可在宽温、宽压范围内保持低功耗与高精度，负责对电机相电流、母线电压等关键信号进行精准采样与调理，为FOC算法提供可靠的“感官”输入。　　高效的功率开关驱动：HIP2211具备3A拉电流、4A灌电流能力;其HI/LI输入模式下传播延迟典型值约15ns，延迟匹配典型值约1.5ns，可支持高速、精确的功率开关驱动，从而将控制信号高效转化为电机驱动功率，并最大限度降低开关损耗。　　强劲的功率输出：选用采用REXFET-1分离栅技术的RBE015N10R1SZQ4与RBE034N15R1SZPW等N沟道功率MOSFET。这些MOSFET在TOLL/TOLT封装下兼具低导通电阻、卓越的散热性能与高开关速度，是构建高效逆变桥的理想选择，能够可靠处理高达54V电压、70A峰值电流的功率输出，满足专业级电锯的强劲动力需求。　　稳健的电源管理　　为系统整体性能赋能　　为保障整个系统在电压波动和恶劣环境下的稳定运行，方案集成了高效电源管理模块。RAA212831三路输出稳压器作为系统的“能量心脏”，其4.5V至72V的宽输入范围适配各类电池包，集成的0.5A降压稳压器与两个LDO可为MCU、驱动电路、传感器等提供高效、稳定的多路电压，简化电源设计，提升整体能效与可靠性。　　该方案并非简单的器件组合，而是经过实际电锯应用验证的完整系统解决方案。方案提供逆变器板硬件设计、FOC控制软件、安全功能实现等全套设计文件与开发支持，客户可基于这一成熟平台快速开展产品开发，显著缩短研发周期，降低研发风险与成本。　　软硬件深度协同优化　　实现突破性性能提升　　通过软硬件的深度协同优化，该电锯系统实现了三大突破性优势。首先，基于RA4T1的先进“FOC+HFI”控制算法，系统在零速启动与低速切割工况下，仍可输出高扭矩并保持平稳运行，实现全工况下的强劲动力与低噪声表现。　　其次，从高效控制算法、低损耗功率器件到宽压输入电源管理，全链路的优化设计显著提升了系统能效与电池续航能力;同时依托芯片级安全机制与高稳健性设计，保障产品在恶劣作业环境下长期可靠运行。　　作为经过验证的交钥匙方案，它大幅降低了高性能无刷电机控制的应用门槛，助力厂商快速实现产品量产上市，在专业电动工具市场构筑核心竞争优势。
关键词：
发布时间：2026-05-22 10:24 阅读量：558 继续阅读>>
<span style='color:red'>瑞萨</span>丨从集中式到分布式：利用RX14T重新思考多电机控制
行业新闻

瑞萨丨从集中式到分布式：利用RX14T重新思考多电机控制

　　多电机系统日益增多，同时问题也与日俱增　　随着产品(从家用电器到工业设备)增加更多运动功能，系统越来越需要控制多个电机。许多工程团队自然倾向于使用单个高端MCU集中管理所有电机。从表面上看，这样做效率很高：只需较少的MCU、一个软件项目和单一控制点即可。　　实际上，集中控制往往会带来各种重大挑战，包括：　　软件庞大，难以维护　　即使是很小的改动也需要进行全系统的回归测试　　不变的电机控制模块仍然需要重新测试　　硬件限制增加了复杂性　　每次更新都会增加开发工作量　　根本原因并非处理能力不足。根本原因在于结构过于集中，将过多任务集中在单个MCU上。为克服这一问题，工程团队应重新考虑架构，从集中式方法转向分布式方法。　　为什么集中式电机控制会达到极限?　　在集中式架构中，多个电机控制模块必须共享有限的资源，包括：　　中断功能　　Timers　　模拟到数字转换器(ADC)采样窗口　　通信通道　　安全机制　　起初，这似乎可以应付，但随着时间推移，共享资源之间的相互作用会成倍增加。曾经简洁的设计变得错综复杂且不可预测。每增加一个电机，固件的规模都会不成比例地扩大，即使是微小的变化也会引发广泛的评估工作。硬件问题使问题更加复杂。　　电机电流和传感器信号必须传输到单个MCU，而且通常传输距离较远，这会降低模拟完整性。PCB布局的灵活性降低，需要额外的滤波或校准，从而将更多的负担转移到软件上。虽然单个MCU看似成本很低，但系统实际总成本往往并非如此。额外的布线、更多的PCB层、增加的模拟元件、装配时间、调试工作和长期维护都会增加成本。集中式系统尽管前期看起来更简单，但最终成本可能更高。　　分布式电机控制-更具可扩展性和可维护性的架构　　分布式架构通过模块化简化了问题。每个电机都是一个独立单元，有自己专用的MCU，每个控制器控制一个电机，而不是将多个电机组合到一个控制结构中。　　从软件角度看，好处是立竿见影的：　　更小的模块化固件　　电机之间的交叉干扰最小　　更新更快，减少回归测试　　简化调试和验证　　硬件也有所改进。将MCU安装在电机附近可缩短布线，提高电流感应精度，减少电磁干扰(EMI)，提高PCB设计灵活性。　　可扩展性也随之自然实现。添加一台电机只需额外增加一台设备，不会对现有系统造成任何影响。　　分布式电机控制-更具可扩展性和可维护性的架构　　瑞萨电子RX系列中的RX14T 32位微控制器，专为紧凑型、高性价比的电机控制应用而开发。其具备单电机控制所需的性能与模拟集成度，且设计简便。　　关键技术亮点　　48MHz RXv2 CPU，支持浮点运算单元(FPU)和数字信号处理(DSP)　　用于高速sin、cos、atan2和sqrt运算的三角函数单元(TFU)　　同步采样(最小0.5µs)的双通道12位ADC　　针对单电机逆变器控制设计优化的多功能定时器单元(MTU)+通用PWM定时器(GPT)组合　　最高支持11个PWM通道，专为电机应用设计　　5V工作电压，抗噪能力强　　工作温度范围为-40°C至+125°C，适用于消费和工业产品　　功能集提供强大的电机控制性能，同时保持紧凑的尺寸和具有竞争力的成本。　　内部模拟功能降低材料清单(BOM)成本　　电机控制通常需要的许多模拟元件已集成到RX14T中，包括：　　复位电路　　三个可编程增益放大器(PGA)　　三个高速比较器　　用于比较器基准的两组数模转换器(DAC)　　高精度内部振荡器(最大±1)　　这些集成模拟块减少了对外部运算放大器、比较器IC、振荡器、基准电路和保护元件的需求。设计变得更精简，更易于采购和组装，在多电机系统中优势迅速倍增。　　使用RX14T实现分布式控制　　将分布式架构与RX14T MCU搭配使用，可扩大固件、硬件和成本方面的优势：　　模块化固件便于调整、调试和长期维护　　接线短，提高了模拟性能，同时减少了电磁干扰片上集成度高，减少对外部元件的依赖　　较少的零件数减少了每个电机的BOM并简化了制造过程　　电机之间的明确隔离提高了系统的可扩展性　　虽然集中控制最初看起来很有效率，但其结构性缺点会逐渐积累。分布式控制提供了一种更简洁、更具可扩展性的替代方案：　　软件保持模块化　　硬件更加坚固耐用　　降低BOM成本　　未来扩展更容易　　RX14T MCU实现了模拟集成、性能和成本效益的完美平衡，使分布式电机控制成为现实。
关键词：
发布时间：2026-05-21 09:31 阅读量：445 继续阅读>>
<span style='color:red'>瑞萨</span>丨定义未来服务机器人：RZ/V2H，用一颗芯片集成AI的无限可能
行业新闻

瑞萨丨定义未来服务机器人：RZ/V2H，用一颗芯片集成AI的无限可能

　　在生成式AI与具身智能的发展推动下，机器人正从“自动执行”向具备感知与决策能力的“智能决策”阶段演进。酒店、医疗、物流和零售等行业对自动化、效率与安全性的需求持续提升，推动服务机器人市场快速增长。这类机器人不仅需要在复杂的动态环境中自主移动，并与人类进行安全、自然的交互，还必须满足低功耗与高性价比的商业化要求。然而，传统系统架构往往需要在AI算力、实时响应能力与系统集成度之间进行权衡，成为制约服务机器人规模化落地的关键瓶颈。　　针对这一挑战，瑞萨推出了以“RZ/V2H高端AI微处理器(MPU)”为核心的服务机器人解决方案。该方案通过高度集成的单芯片架构，将高性能AI推理加速能力与实时运动控制能力结合，使AI感知处理与确定性的实时控制能够在同一平台上协同运行，为服务机器人提供兼具智能处理能力与实时响应能力的核心计算平台。　　服务机器人框图　　核心MPU：集AI、视觉与实时控制于一体　　该方案的核心是瑞萨RZ/V2H高端AIMPU，其采用瑞萨电子专有的AI加速器-动态可重配置处理器(DRP-AI3)、四核Arm® Cortex®-A55(1.8GHz)Linux处理器，双核Cortex®-R8(800MHz)实时处理器，以及一颗Cortex-M33系统管理内核。此外，RZ/V2H还包括另一款动态、可重配置处理器(DRP)。该动态可重配置处理器(DRP)主要用于加速传统图像处理与 OpenCV等视觉算法，与DRP-AI3 AI推理加速器形成互补的视觉计算架构。它还具有PCIe®、USB 3.2和千兆以太网等高速接口，是工厂自动化中自主机器人和机器视觉等应用(必须以低功耗实现的先进AI处理)的理想微处理器。　　高可靠电源管理：为复杂系统精准供能　　服务机器人系统通常包含多个电压域和复杂的芯片组，对电源稳定性、效率以及噪声控制提出了较高要求。本方案选用瑞萨RAA215300多通道电源管理集成电路(PMIC)作为系统的核心电源管理单元。　　RAA215300是一款高性能、高集成度的9通道PMIC，专为32位和64位MCU/MPU应用设计，其主要优势包括：　　01　　完整供电方案：为32/64位MPU提供完整的电源解决方案，可支持核心电压以及DDR3、DDR3L、DDR4和LPDDR4等内存所需的电源轨，从而简化系统电源树设计。　　02　　高度集成：内置实时时钟(RTC)、32kHz晶体振荡器以及纽扣电池充电器，为需要时间保持和低功耗待机的系统提供单芯片解决方案，有助于减少板级器件数量并降低物料成本。　　03　　低噪声设计：支持扩频(Spread Spectrum)和超声波模式(Ultrasonic Mode)，能够有效降低电源噪声，对于模拟传感器和音频模块等对噪声敏感的系统组件尤为重要。　　精准时钟生成：确保系统同步与稳定　　任何高性能数字系统的稳定运行都离不开精准的时钟。本方案采用专为低功耗、消费类和高性能PCI Express应用而设计的VersaClock® 3S可编程时钟发生器5L35023，为整个系统提供纯净、可配置的时钟信号。　　该器件采用三个PLL架构设计，每个PLL可单独编程，支持生成多达五个不同的输出频率，以满足MPU、外设接口、通信模块等对时钟的多样化需求。其内置的主动节能(PPS)、性能—功耗平衡(PPB)和过冲抑制技术(ORT)等智能功能，能在保证时序性能的同时优化系统功耗。内部OTP存储器允许存储定制化的时钟配置，实现上电即用，并通过I²C接口提供灵活的运行时重配置能力，极大地增强了系统设计的灵活性与可靠性。　　此外，该器件具有可编程的VCO和PLL源选择，支持用户根据实际应用需求优化功率与性能。器件可提供三路单端输出和两组支持LVCMOS和LPHCSL的差分输出。同时支持低功耗32.768kHz时钟，系统RTC参考时钟的电流消耗小于2μA。　　系统优势：引领下一代服务机器人技术革新　　基于瑞萨RZ/V2H MPU的解决方案为下一代服务机器人带来三大核心优势：　　首先，它实现了高性能AI与硬实时控制的深度融合。芯片内置A55应用处理器、DRP-AI3 AI加速器及双核R8实时内核，可让机器人在处理复杂视觉任务的同时，保证关键控制环路具备微秒级确定性响应，真正实现“感知—决策—执行”的高速智能闭环。　　其次，方案大幅提升了系统集成度与开发效率，高度集成的芯片组显著减少了PCB面积和物料成本，而成熟的AI SDK与RTOS支持则有效降低了开发门槛，加速产品上市。　　最后，卓越的能效设计保障了长效稳定运行，专用AI加速器与智能电源管理协同工作，在提供强大算力的同时优化整体功耗，确保机器人在各类动态场景中保持可靠自主运行。
关键词：
发布时间：2026-05-20 09:17 阅读量：457 继续阅读>>
<span style='color:red'>瑞萨</span>丨技术干货 边缘AI：日常工业背后的隐形智能
行业新闻

瑞萨丨技术干货 边缘AI：日常工业背后的隐形智能

　　维持日常生活运转的大多数系统，往往从不登上新闻头条。无论是维持水压的泵站、保持食品流转的传送带，还是负责将正确包裹送往正确目的地的仓库，这些都是“日常工业”中的重要组成部分。然而，它们也时刻承受着更大的压力：减少停机时间、降低能耗、减少意外情况的发生。　　真正拉开“够用”与“于无声处见卓越”差距的，是边缘AI：即直接部署在控制器、面板和传感器中的轻量化智能。瑞萨电子内置AI加速功能的RA8P1高性能Arm® Cortex®-M85微控制器(MCU)、适用于图形丰富且搭载AI的人机界面(HMI)和网关的RZ/G3E微处理器(MPU)以及专为视觉应用优化的RZ/V2N处理器，正是为了将这种智能精准部署到最需要的地方。　　更智能地掌控故障源头　　当电机轴承开始磨损，或者当泵出现气蚀时，最初迹象往往表现为振动、电流或温度的细微变化。传统的控制器会采集这些信号，将其与固定阈值进行比较，并且只有当情况明显恶劣时才会发出警报。到那时，生产可能已经处于风险之中。　　借助基于RA8P1的控制器，同一份数据能够更早发挥作用。RA8P1将快速实时控制与内置AI加速功能相结合，使控制器能够了解特定机器的“正常”状况并静静地监测微小但不容忽视的偏差。控制程序仍会如往常一样运行，只不过多了一双额外的“眼睛”，能够察觉操作员的行为模式以及可能被忽视的简单阈值变化。　　在实际应用中，这意味着：　　一条包装生产线会将更换轴承安排在计划停产期间进行，而不会因意外故障导致中断。　　供水网络中的增压泵可在气蚀出现的初期发出预警，以免服务受到影响。　　机器中内嵌的小型HMI不仅会显示状态信息，还可呈现其健康状况随时间变化的趋势。　　硬件空间无需发生巨大改变，机柜控制器、驱动板和紧凑面板均可从相同的RA8P1基础架构中受益。真正改变的，是它们对所控过程的理解深度。　　不局限于数据显示的操作面板　　来到一个现代工业HMI之前，您将会看到密集的流程信息：储罐液位、生产线速度、温度、能源使用情况以及警报列表。它功能强大，但也令人无所适从。当大量警报同时出现，即使是经验丰富的操作员也会不知该从何下手。　　这正是RZ/G3E级别HMI和网关大显身手的地方。它们将高性能应用程序内核与专用AI加速技术以及丰富的图形功能组合在一起，使HMI能够超越简单地镜像可编程逻辑控制器(PLC)标签：　　它可以整合具有相同根本原因的警报，并筛选出真正需要关注的一两个报警。　　它可以重点展示需要调查的模式，如某台机器反复出现的短暂停机。　　它可以提供基于情境的建议：如“检查过滤器A”或“检查第3段传送带”，而非仅仅展示一段通用故障代码。　　由于RZ/G3E专为运行完整操作系统和现代UI框架而构建，因此它还可作为控制网络和更高级分析系统之间的天然桥梁。它能够预处理数据、运行本地模型并仅将最相关的洞察结果上传，从而减少带宽占用并防止敏感的原始数据向外泄漏。对于操作员而言，它的使用体验几乎仍和“面板”无异。而在底层，它已悄然扮演起本地分析师的角色，而不仅仅是一个显示屏。　　协助人类实现全天监测的视觉技术　　工厂中某些最重要的信息常会以视觉形式呈现。标签是否粘贴并对齐?连接器是否插好?机器人移动时应予以清空的区域内是否有人?人类擅长在短时间内发现这些问题，但并非每一班次的每时每刻都能保持警觉。　　RZ/V2N这样的处理器专为此类始终开启的边缘视觉系统而设计。它们可在本地运行基于摄像头的AI模型，将原始图像转换为简单的判断结果：“零件合格/不合格”、“区域安全/不安全”以及“模式正常/异常”。　　在日常运行中，这些能力可以体现为：　　传送带上方的摄像头可以在产品码垛之前捕捉到缺失的瓶盖或受损的包装。　　监控机器人单元的智能传感器可在确认安全区内无人后才允许移动。　　质量检测站可检查电子元件上是否存在焊料或者连接器是否对齐，而无需中断生产线进行手动检查。　　由于处理过程在摄像头附近紧凑、高效的器件内完成，因此无需将视频传输至远程服务器。网络上传输的是判断结果，而非每一帧画面。　　一套工具包即可悄然实现多项提升　　RA8P1、RZ/G3E和RZ/V2N各自处理工业系统中不同的环节：控制、可视化和视觉。它们共同组成了一套工具包，让现有的设备更加智能化，同时不推翻已投入运行的架构：　　RA8P1可让控制器和驱动器能够更好地“倾听”其机器的状况。　　RZ/G3E将面板和网关转变为“合作伙伴”，帮助操作员关注最重要的事项。　　RZ/V2N使摄像头能够持续监控可能被人类所忽视的问题。　　除了芯片之外，瑞萨电子还提供了AI开发环境、演示项目以及参考设计，以便团队能够更加顺利地将经过训练的模型部署到嵌入式硬件上。这意味可将异常检测功能添加到PLC型控制器中、将洞察信息叠加显示在流程显示屏上或者在智能摄像头内部署小型视觉模型。　　不止计算：平台的其他产品　　支持边缘AI的系统需要的不仅仅是处理器和软件。瑞萨电子还可提供工业级功率器件、模拟和传感IC以及稳健的连接方案，将这些处理器转化为全套解决方案。高效的功率传输技术支持密集式24V控制柜;高精度模拟产品和IO Link器件可确保精确捕捉振动、电流和温度数据;工业级以太网和现场总线接口将传感器、控制器和HMI安全地连接在一起。　　结合用于安全启动和保护性更新的嵌入式安全功能，这种集计算、功率、模拟、连接和安全于一体的组合方案，能够帮助团队将边缘AI从实验室演示推进到长期稳定运行的工业部署阶段，大幅减少意外情况。
关键词：
发布时间：2026-05-19 09:52 阅读量：453 继续阅读>>
喜报丨<span style='color:red'>瑞萨</span>两款产品RA8P1 MCU、RH850/U2C荣获21ic“年度MCU产品奖”
行业新闻

喜报丨瑞萨两款产品RA8P1 MCU、RH850/U2C荣获21ic“年度MCU产品奖”

　　近日，在由21ic电子网主办的“2026年度MCU产品奖”评选活动中，瑞萨电子RA8P1荣获年度高性能计算MCU/MPU产品奖、RH850/U2C荣获年度汽车级MCU产品奖。　　高性能计算MCU/MPU奖　　高性能计算MCU/MPU奖聚焦于端侧算力效能与本地推理能力。参评产品需具备高主频、卓越的CoreMark/DMIPS跑分以及多核协同架构，能够实现存算资源的优化调度与低时延响应。本次获奖的RA8P1 MCU作为瑞萨电子首款搭载高性能Arm® Cortex®-M85及Cortex-M33内核，并集成Ethos™ -U55 NPU的32位AI加速微控制器，单芯片可实现256 GOPS的AI性能、超过7300 CoreMarks的突破性CPU性能和先进的AI功能，可支持语音、视觉和实时分析AI场景。RA8P1 MCU采用台积电22ULL工艺制造，在实现超高性能的同时保持极低的功耗。该工艺还支持在新款MCU中集成嵌入式磁性随机存取存储器(MRAM)。与闪存相比，MRAM具备更快的写入速度、更高的耐久性和更强的数据保持能力。　　汽车级MCU奖　　汽车级MCU奖则强调在严苛环境下的高可靠运行与功能安全。获奖产品须严格遵循AEC-Q100可靠性标准或通过ISO 26262(ASIL-B/D)认证，依托零缺陷品质管理与硬件安全监测机制，为动力总成、底盘安全系统及辅助驾驶节点提供全生命周期保障。此次获奖的瑞萨RH850/U2C基于成熟的28纳米制造工艺，在工作模式与待机模式下均实现了显著的功耗优化。性能方面，该MCU集成4核320MHz CPU(含锁步核)、8MB片上闪存，并支持TSN、CAN-XL、I3C及后量子加密。它可广泛应用于乘用车及摩托车的底盘与安全系统、电池管理系统(BMS)、照明及电机控制等车身控制领域，以及其他需要最高汽车功能安全等级(ASIL D)的应用场景。　　瑞萨电子深耕MCU领域多年，已构建起覆盖工业、汽车、消费电子等领域的完整产品矩阵。依托强大的技术创新能力，公司不断突破MCU的性能边界，拓展其应用场景。未来，瑞萨电子将继续为全球开发者提供高算力、低功耗、高安全性的MCU解决方案，助力智能汽车、工业自动化与边缘AI的加速落地。
关键词：
发布时间：2026-05-15 10:19 阅读量：618 继续阅读>>
<span style='color:red'>瑞萨</span>电子助力蔚来研发整车级虚拟原型落地实践
行业新闻

瑞萨电子助力蔚来研发整车级虚拟原型落地实践

　　近期，瑞萨电子携手虚拟原型技术合作伙伴，结合瑞萨RH850/U2A全系产品，助力蔚来汽车成功实现了整车级虚拟原型仿真环境的工程化落地，并在该环境中稳定运行蔚来自研的天枢SkyOS整车全域操作系统及多核安全操作系统(Safe RTOS)，有力验证了瑞萨虚拟原型技术在真实产品场景中的可行性与扩展能力。　　蔚来主导整车仿真体系　　瑞萨提供底层坚实支撑　　本次整车级虚拟原型建设由蔚来虚拟仿真团队主导，从整车电子电气架构和软件研发流程出发，将虚拟仿真定位为面向最终产品交付的核心工程能力。而瑞萨电子的区域市场团队、销售团队与技术团队则深度协同，为蔚来提供了高还原度的MCU虚拟原型及配套工程支持。该仿真环境以瑞萨芯片级虚拟原型为基础，覆盖多核MCU架构、关键通信及组网交互行为，并进一步扩展至整车系统层级，使操作系统、基础软件及上层应用能够在虚拟环境中完成真实运行与系统联调。　　作为本次项目的关键基础技术赋能者，瑞萨具备面向OEM直接交付及联合共建G4MH内核及其他外设虚拟原型的成熟技术体系，能够切实支撑整车级仿真和复杂软件系统的实际运行需求。在瑞萨虚拟原型的助力下，蔚来团队已在无实物硬件的条件下顺利完成操作系统启动、多核调度及安全相关机制的系统级验证。这不仅有效前移了研发风险，也为后续整车集成测试与量产开发提供了高质量输入，充分体现了瑞萨虚拟原型技术从“芯片设计辅助工具”向“整车工程级研发平台”的成功落地。　　紧密协作　　推动虚拟原型从技术能力走向规模化工程体系　　在本次合作中，瑞萨电子与虚拟原型技术合作伙伴共同提供了处理器虚拟原型的关键基础能力，并与蔚来紧密协作，持续完善系统建模、仿真精度及工程化工具链，确保虚拟原型能够真正服务于最终产品开发。虚拟原型的价值不在于技术本身，而在于能否帮助OEM在真实量产项目中实现降本、提速与质量前移。未来，瑞萨将继续以该基础虚拟原型为核心，与蔚来及技术伙伴持续协同迭代，并面向最终客户完成完整交付，共同推动虚拟仿真从“技术能力”走向“可规模化应用的工程体系”。　　展望未来　　持续深化虚拟原型、系统仿真与数字孪生协同布局　　在新一代汽车电子架构持续复杂化的背景下，整车研发正从“依赖实物样件”向“软件先行、虚拟验证”加速演进。对于强调工程效率与技术深度的智能汽车的车企而言，虚拟原型是否具备工程可用性，已成为衡量研发体系成熟度的重要标准。　　面向下一阶段，瑞萨将继续以工程实践为牵引，联合蔚来及技术合作伙伴，深化在芯片虚拟原型、系统级仿真以及整车数字孪生方向的布局，推动汽车研发流程向更加高效、可验证和可持续的方向升级。通过产业链多方协同，虚拟原型仿真将成为支撑智能汽车与高可靠系统研发的关键底座能力，为下一代汽车电子电气架构的革命注入新的源动力。
关键词：
发布时间：2026-05-14 09:37 阅读量：505 继续阅读>>
<span style='color:red'>瑞萨</span>丨2026“<span style='color:red'>瑞萨</span>杯”信息科技前沿专题赛决赛开赛
行业新闻

瑞萨丨2026“瑞萨杯”信息科技前沿专题赛决赛开赛

　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布，由瑞萨独家冠名赞助的第五届全国大学生电子设计竞赛“瑞萨杯”信息科技前沿专题赛(以下简称：AITIC)决赛已于近期正式启动。AITIC是全国大学生电子设计竞赛大框架下设立的一项针对信息技术领域发展的专题竞赛，旨在鼓励大学生围绕信息科技前沿领域开展创新实践，培养面向新兴产业和未来产业的工程技术人才。　　全国大学生电子设计竞赛信息科技前沿专题赛分区赛　　本届竞赛主题为“瑞萨MCU助力新兴产业和未来产业”，采用开放式竞赛方式。参赛学生在竞赛组委会指定的主题下，基于瑞萨电子产品完成作品并提交，最终由竞赛专家组进行评测并报组委会批准决定最终获奖结果。　　本届竞赛继续采取“分区初选+全国决赛”的竞赛形式，初赛涉及新兴产业和未来产业领域的测控技术，收到来自全国各地231所高校的575支参赛队伍报名，并于4月决出188支参赛队伍进入全国决赛，参与今年“瑞萨杯”的角逐。　　决赛涵盖四大前沿方向：　　①基于视觉、听觉、嗅觉、味觉和触觉的智能感知;　　②面向低空经济的前沿科技;　　③“眼手力”机器人作业;　　④简易AI超算装置。　　针对此次竞赛，瑞萨电子提供了两套开发套件。分区初赛使用RA6M5，其基于高性能的200MHz Arm® Cortex®-M33内核，具有高达2MB代码闪存(带后台和SWAP操作)、8KB数据闪存以及512KB SRAM(带奇偶校验/ECC)，非常适合用于需要高安全性、丰富连接以及大容量嵌入式RAM(用于连接堆栈)的物联网应用。全国决赛则采用性能更为强大的RA8P1 CPK评估板，该评估板集成的RA8P1 MCU是瑞萨首款32位AI加速微控制器，集成高性能Arm® Cortex®-M85(支持Helium™向量扩展)与Ethos™-U55 NPU，提供256GOPS的AI性能和超过7300 CoreMark的CPU性能，支持语音、视觉及实时分析等AI应用。评估板配备大容量存储器、多路外部存储接口和专为AI优化的丰富外设，与本届AITIC全国决赛所聚焦的智能感知、简易超算、低空经济以及机器人应用方向高度兼容。除了提供比赛专用的开发套件，瑞萨还为参赛同学提供线上培训、论坛等多种形式的支持，方便答疑解惑和交流。　　新十年合作启航　　根据全国大学生电子设计竞赛组织委员会与瑞萨电子最新签署的长期合作框架协议，双方合作将延续至2037年，持续深耕信息科技前沿专题赛。未来十年，瑞萨电子将继续为竞赛提供独家赞助与冠名支持，每逢双数年举办一届，携手推动中国电子信息类专业人才培养与产教融合。　　瑞萨电子中国总裁刘芳表示：“瑞萨电子将继续与大赛组委会携手，持续通过竞赛培养高素质专业人才。同时，瑞萨将持续强化与中国科研院所的合作，通过瑞萨领先的半导体产品与技术支持，共同探索AI、机器人、智能感知、新能源汽车等前沿科技，为中国电子产业创新注入新动能。”　　本届竞赛的全国决赛将于2026年8月在长春理工大学举行，届时将决出“瑞萨杯”及各级奖项，并举办颁奖仪式。期待晋级团队在决赛中突破边界、大胆创造，以扎实的作品展现新生代工程师的无限可能!　　瑞萨电子将一如既往扎根中国，携手高校共育嵌入式技术新锐，助推信息科技前沿创新浪潮。
关键词：
发布时间：2026-05-12 09:47 阅读量：528 继续阅读>>
新闻快讯 | <span style='color:red'>瑞萨</span>完成对Irida Labs的收购，以扩展视觉AI软件能力并加速布局系统级视觉解决方案
行业新闻

新闻快讯 | 瑞萨完成对Irida Labs的收购，以扩展视觉AI软件能力并加速布局系统级视觉解决方案

　　全球半导体解决方案供应商瑞萨电子(TSE：6723)宣布，其子公司已完成对希腊公司Irida Labs的收购。Irida Labs专注于为AI驱动的视觉感知系统提供嵌入式软件。此次收购将增强瑞萨在边缘AI嵌入式处理领域的实力，这是瑞萨电子的核心长期增长领域。同时，收购也将推动物理AI与软件集成的系统级解决方案落地，为工业、机器人、智慧城市、物联网、农业和医疗保健等市场的摄像头与机器视觉系统提供支持。　　在本次收购前，瑞萨电子与Irida Labs已是合作伙伴。双方曾联合开发适配瑞萨芯片的配套解决方案。根据瑞萨电子的数字化战略，Irida Labs的软件和工具将被整合进Renesas 365平台——这一全新发布的平台实现了从方案探索、开发到全生命周期管理的电子系统开发流程统一。
关键词：
发布时间：2026-05-09 09:31 阅读量：519 继续阅读>>

跳转至

/ 33

热门分类
半导体 电路保护 机电产品 嵌入式解决方案 连接器，互连器件 传感器，变送器 光电元件 开发套件 测试与测量 电源 风扇，热管理 盒子，外壳，机架 电缆，电线 无源元件 其它
  • 一周热料
  • 紧缺物料秒杀
型号 品牌 询价
BD71847AMWV-E2 ROHM Semiconductor
TL431ACLPR Texas Instruments
CDZVT2R20B ROHM Semiconductor
RB751G-40T2R ROHM Semiconductor
MC33074DR2G onsemi
型号 品牌 抢购
TPS63050YFFR Texas Instruments
BU33JA2MNVX-CTL ROHM Semiconductor
ESR03EZPJ151 ROHM Semiconductor
IPZ40N04S5L4R8ATMA1 Infineon Technologies
STM32F429IGT6 STMicroelectronics
BP3621 ROHM Semiconductor
热门标签
ROHM
Aavid
Averlogic
开发板
SUSUMU
NXP
PCB
传感器
半导体
原厂授权品牌
更多授权品牌>>
资讯排行榜
  • 周排行榜
  • 月排行榜

关于我们
AMEYA360商城(www.ameya360.com)上线于2011年，现有超过3500家优质供应商，收录600万种产品型号数据，100多万种元器件库存可供选购，产品覆盖MCU+存储器+电源芯 片+IGBT+MOS管+运放+射频蓝牙+传感器+电阻电容电感+连接器等多个领域,平台主营业务涵盖电子元器件现货销售、BOM配单及提供产品配套资料等，为广大客户提供一站式购销服务。

请输入下方图片中的验证码：

验证码