SiC/GaN功率矩阵与Hyperlux LP SmartROI：安森美重塑边缘AI能效与感知架构

电子发烧友网报道（文/李弯弯）2026年，随着端侧大模型轻量化与强推理模型的成熟，边缘AI正迎来从云端集中训练向边端高效推理的结构性拐点。然而，行业正面临双重变局：一方面，AI基础设施能耗约束日益严峻，每瓦算力成为核心护城河；另一方面，物理AI的崛起，对硬件的实时控制、多模态感知及隐私安全提出了全新要求。

在既要极致性能、又要极致成本与功耗的实战博弈中，边缘AI芯片企业该如何破局？作为全球智能感知与电源管理领域的领军者，安森美（onsemi）如何看待这一产业变局？带着这些问题，我们与安森美多位核心业务负责人进行了深入对话，试图解构其背后的技术逻辑与商业版图。

重塑能效法则：从“算力堆叠”迈向“系统级功耗优化”

摩尔定律放缓与AI能耗激增的剪刀差之下，如何在有限的电力预算下释放最大的有效算力，成为了所有边缘AI设计者的首要命题。

安森美电源方案事业部业务拓展经理Sean Gao一针见血地指出，行业对AI发展的认知正在发生根本性偏移：“如果从AI产业整体来看，未来最大的约束已经不再是算力，而是能源效率。”他强调，安森美的创新哲学并非盲目追求TOPS数值的叠加，而是致力于优化整个AI系统的能量流动路径。

图：安森美电源方案事业部业务拓展经理Sean Gao

“我们的核心理念是从系统层面出发，”Sean Gao解释道，“通过Si（硅）、SiC（碳化硅）和GaN（氮化镓）等多种功率技术的灵活组合，支持更高电压架构与更高功率密度设计，从而显著减少电能转换的级数与损耗。”在他看来，“在AI时代，每提升1%的系统效率，都可能为客户带来显著的能源节省和巨大的运营价值。”

这种系统级能效优化的思路同样贯穿于感知层。安森美智能感知工业应用市场经理Annie Tao指出，在边缘AI设备中，能效优化不能仅盯着计算单元（NPU/GPU）。她介绍道，安森美专为低功耗应用设计的Hyperlux LP系列图像传感器，通过引入运动唤醒（WOM）和SmartROI（智能感兴趣区域）功能，实现了在带宽和功耗之间的动态权衡。“这意味着视觉系统可以在极低功耗模式下‘待机’，仅在检测到关键信息时唤醒高算力模块。”

图：安森美智能感知工业应用市场经理Annie Tao

同时，Annie Tao补充说，通过在传感器端进行图像数据的预处理，Hyperlux LP能够直接输出特定应用的所需结果，并通过多种子采样模式，“大幅减轻了后端图像信号处理器（ISP）和系统单芯片（SoC）的计算负担，从而在源头上降低了整体功耗。”

针对需要无线通信的边缘设备，安森美模拟与混合信号事业群业务拓展高级经理Henry Yang则强调了“端侧实时计算”的重要性。他透露，安森美RSL15蓝牙5.2无线微控制器（MCU）通过采用先进的半导体工艺，确保了高实时性要求的应用能够在终端层面完成计算，避免了数据上传云端带来的时延与能耗。

图：安森美模拟与混合信号事业群业务拓展高级经理Henry Yang

Henry Yang指出，即将推出的超低功耗双模蓝牙SoC更进一步，它集成了Arm Cortex-M33主控、双LPDSP32音频处理器、专用AI神经网络加速器与Arm CryptoCell 312安全加密单元。“这种在极致精简体积内保留算力冗余的设计，不仅满足了助听器及TWS耳机等设备的严苛功耗需求，也为未来更复杂的边缘AI应用预留了硬件接口。”

跨越存储墙：以“高价值数据”破解带宽与容量瓶颈

随着端侧大模型和AI Agent的普及，长上下文的处理需求使得内存带宽往往成为制约推理流畅度的真正瓶颈。面对这一行业共性难题，安森美展现出了差异化的解题思路。

Annie Tao坦言，虽然存储带宽问题更多属于AI计算芯片厂商的范畴，但安森美选择从“数据供给侧”进行突围。她认为，未来的物理AI需要在本地实时处理来自摄像头、雷达、ToF（飞行时间）、超声波等多种传感器的海量数据。“因此，挑战的本质不仅是后端存储带宽不足，更是如何高效获取并筛选出‘有价值的数据’。”

“安森美的策略是在感知端提高数据质量和信息密度，”Annie Tao表示。例如在Hyperlux图像传感器系列中，安森美采用了高动态范围（HDR）技术、全局快门以及iToF深度感知技术。这些技术能够在光线剧烈变化或高速运动的场景下，在源头提供更准确、更富含语义的数据，从而减少后端计算单元处理无效数据（如噪点、模糊图像）的负担。她强调，未来边缘AI的发展方向并非单纯增加内存容量，而是通过更智能的感知架构，减少无效数据的搬运与处理，从根本上提高整体推理效率。

在端侧音频智能领域，Henry Yang则分享了安森美在存储与算力协同上的具体实践。他介绍，安森美Ezairo系列下一代DSP平台内置了64Mb非易失性存储器，并同步推出了搭载双32Mb闪存的一体化混合封装模组。“这一设计在维持微型化形态的同时，显著提升了本地存储能力，有助于支持更复杂的音频算法、个性化配置以及轻量级AI模型的部署。”

Henry Yang总结道，安森美的优化思路不是简单地堆砌内存容量，而是通过更高效的感知架构、更低功耗的本地处理能力和更紧凑的系统集成，“帮助客户在功耗、体积和实时性受限的边缘设备中实现更稳定、更高效的智能化体验。”

构建全栈软件生态：填平从“算法模型”到“量产落地”的鸿沟

芯片的落地离不开软件生态的土壤，安森美在工具链与中间件生态建设上投入了巨大资源。

Henry Yang表示，芯片落地离不开完善的软件生态，安森美的核心目标是帮助客户缩短从算法开发到产品量产的周期。“针对听力行业的Ezairo 8300和下一代DSP平台，安森美不仅提供底层DSP开发环境，更重要的是提供了成熟的听力算法开发框架。”开发者无需从汇编级别开始构建信号处理链路，而是可以基于预验证的软件模块快速搭建降噪、反馈抑制、方向性麦克风等功能。

对于即将推出的超低功耗双模蓝牙方案，Henry Yang透露，安森美提供了完整的SDK、参考应用以及VS Code开发环境支持。“自SDK 1.8版本后，开发环境已统一向VS Code生态迁移，以提高开发效率和工具链一致性。”

在AI算法部署方面，安森美重点解决“从模型到产品”的最后一公里问题。以即将推出的超低功耗双模蓝牙方案为例，其新一代平台引入了神经网络加速能力（NNA），Annie Tao补充道，安森美为此提供了模型量化工具支持、TensorFlow Lite Micro类轻量框架适配能力、AI推理参考代码以及低功耗调优指南。

在视觉和机器人应用中，Annie Tao指出，安森美通过PRISM参考模块系统、DevWareX等开发工具，以及预优化、预验证的成像子系统，“帮助客户更快完成传感器评估、SoC平台对接和图像质量调试。”她强调，安森美的目标不是只解决某一个算法运行问题，而是帮助客户把感知、连接、电源和控制能力更高效地整合到可量产的系统中。

锚定高价值场景：从工业毫秒级响应到汽车EEA架构革新

理论的性能最终需要市场的验证。在被问及目前出货量最大或增长最快的核心应用场景时，Sean Gao明确指出，AI基础设施、汽车和工业是安森美重点布局的三大阵地。随着算力需求从数据中心延伸到边缘，客户更关注功率密度、热管理和系统总成本。目前，安森美已形成硅基器件、EliteSiC碳化硅、GaNEXUS氮化镓及垂直氮化镓（vGaN）的功率半导体矩阵，赋能AI基础设施与工业自动化实现高效电能转换。

Annie Tao则从感知的角度描绘了工业场景的变革。她表示，图像传感技术正推动应用从“看得清”向“看得懂”演进。安森美凭借在超低功耗连续感知、高速全局快门捕捉与高动态范围成像领域的布局，实现了感知与计算的高效协同，赋能机器人在非结构化环境中完成精准避障与自主决策。

而在汽车电子领域，安森美模拟与混合信号事业部汽车事业部技术总监Qing Zhang分享了更为深刻的架构级变革。针对汽车电子电气架构（EEA）向“中央计算+区域控制”转型的趋势，Qing Zhang指出，传统分布式ECU模式面临成本高昂、线束复杂等系统性难题。

图：安森美模拟与混合信号事业部汽车事业部技术总监Qing Zhang

为此，安森美推出了RCP技术及onCP全套解决方案，可替代传统的“MCU+网关”组合架构，构建起“域控制器-10BASE-T1S-RCP芯片-终端驱动”的扁平化极简架构。Qing Zhang强调，这一架构不仅降低了BOM成本，更关键的是建立了从域控到终端节点的端到端数据直连通路。“其低延迟、高确定性的通信特性，支持全车节点的可视化监控与毫秒级OTA响应，为神经网络模型在车端的实时推理与控制决策奠定了坚实的硬件基础。”

穿越存量博弈：以“系统级赋能”跨越价格战与市场竞争

在2026年国产化替代加速的宏观背景下，国际大厂如何应对激烈的存量市场竞争与性价比挑战？Qing Zhang与Henry Yang给出了共同的答案：非单纯的价格博弈，而是立足于系统级赋能与本土生态的深度融合。

Qing Zhang表示，安森美拥有完整的电源、感知、连接和控制技术组合。“例如在区域架构应用中，安森美将10BASE-T1S车载以太网、智能eFuse、Smart LED驱动以及功率器件整合到统一方案中，帮助客户减少器件数量、降低系统复杂度。”数据显示，部分应用中可实现约20%的系统成本优化、10%的器件数量减少以及40%的系统占板面积缩减。

Henry Yang则以自主移动机器人（AMR）为例，分享了安森美如何协助客户完成从“单点功能”到“系统级智能”的跨越。他透露，很多客户最初仅关注视觉识别或电机控制等单一功能，但随着机器人向高自主性发展，真正的挑战在于系统协同。

安森美通过构建覆盖感知、连接和运动控制的系统级解决方案，并利用自主移动机器人技术演示平台在真实场景中验证传感器融合能力，帮助客户大幅缩短了从概念验证到产品落地的周期。“从某种意义上说，安森美的核心竞争优势不是单颗芯片，而是通过‘系统级解决方案+生态整合能力’，帮助客户在降本的同时实现从自动化设备向智能机器人升级。”Henry Yang总结道。

结语

从电源管理的微观毫厘，到系统架构的宏观布局，安森美在2026年展现出的战略定力清晰可见。正如Sean Gao所言，AI的未来不在于算力的无限堆砌，而在于每一瓦特电力所释放的智能价值。随着安森美系统级解决方案的深入落地，我们有理由期待，一个更高效、更智能、更绿色的边缘AI新时代正在加速到来。