Microchip、onsemi、NXP，都开始大力投资NPU

现在，提到MCU、MPU，大家都会关注有没有集成NPU。随着物理AI的发展，独立NPU的使用也开始逐步增加。

最近这几个月，NPU市场非常火热，Microchip、NXP、onsemi等半导体巨头纷纷出手，围绕NPU展开收购。MCU厂商的IP厂商也在不断加码，市场更加火热了。

最近，Microchip的收购Hailo动作非常值得关注。公告显示，Microchip已签署最终协议收购Hailo，该交易预计本季度末（截至9月30日）完成，但需满足惯例成交条件并获得监管部门批准。交易条款未予披露，预计该交易不会对Microchip的财务业绩产生重大影响。

Hailo这家公司和恩智浦收购的Kinara非常类似，是一家独立NPU（dNPU）公司。这家公司是什么来头？简单来说，是从以色列国防军精英团队走出的AI芯片公司。

Hailo是一家2017年成立的以色列AI芯片公司，Hailo执行长暨共同创办人Orr Danon在创立Hailo之前，Orr在以色列国防军一家领先的技术部门工作了十多年。在此期间，他领导了以色列情报界一些最大、最复杂的跨学科项目。因其开发和管理的项目，他获得了以色列总统颁发的以色列国防奖和军事情报局局长颁发的创意思维奖；另一位创立人暨公司CTO Avi Baum曾任德州仪器无线连接技术官，推动物联网工业物联网市场的互联MCU战略，并在以色列国防军担任高级架构和领导职务。

迄今为止，Hailo已筹集3.44亿美元资金，跻身独角兽行列。不只如此，这家公司还吸纳了许多人才，比如Intel前高级副总裁Mooly Eden、Mellanox前CEO兼联合创始人Eyal Waldman。

从产品来看，这家公司的dNPU一直受到业界广泛关注，目前拥有超过100家客户和1万名以上用户。从过往合作来看，也不缺乏巨头为其站台，比如Intel、Microchip、瑞萨、恩智浦、研华、立端、树莓派。

独立NPU方面，主要包括两个产品，一个是26TOPS的Hailo-8，集成2~8GB片上DRAM，一个是40TOPS INT4性能的Hailo-10H，采用更强大且可扩展的第二代神经核心架构，包含直接的DDR接口，使其能够扩展到大型模型，如LLM、VLM等。

这家公司也布局了AI视觉处理器SoC，一个是搭载7TOPS AI算力的Hailo-15L，另一个是搭载20TOPS AI算力的Hailo-15H，两款产品都搭载了AI-ISP。

NXP在2025年10月完成了对Kinara的收购，这家公司则是独立NPU（dNPU）的领导企业之一。

Kinara是一家美国半导体公司，2013年由 Rehan Hameed、Wajahat Qadeer和Jason Copeland创立，最初名为Core Viz ，创立后公司更名为Deep Vision，2022年再次更名为Kinara。收购之前，Kinara就有Ara-1和Ara-2两个系列产品。

目前，NXP在官网中展示了Ara-1和Ara240两个产品。

Ara-1基于高效的数据流架构构建，DNPU能够实现实时AI计算和决策所需的性能和响应性。Ara-1支持应用 运行多个具备零延迟上下文切换的AI模型。它支持集成AI摄像头和嵌入式设备 这些系统要求低延迟运行和更大灵活性，以适应新型号运营商。性能最高可达6 eTOPS（等效每秒6万亿次运算）。

Ara240支持在AI驱动的计算和嵌入式系统上执行实时生成式AI、大型语言模型（LLMs）和视觉语言模型（VLMs），实现低延迟、更低的运营成本和增强的数据隐私。其创新架构结合了平衡计算、大片内内存和高片外带宽，高效执行大型模型。性能最高达40 eTOPS（每秒40万亿次等效运算）。

在恩智浦最新的2026Q2电话会上，公司还表示计划将Kinara的NPU IP集成到i.MX和S32N处理器中，同时研究面向第三方处理器平台的独立NPU产品。

今年6月，onsemi（安森美）70亿美元收购Synaptics，并布局物理AI，引发了行业的广泛关注，这家公司是机器学习领域的先行者，在行业中一直非常出名。

Synaptics创立于1986年，自从1992年开发出世界首款触控板，这家公司一直是触控互动技术领域的领导者。2019年，在出售了LCD TDDI业务，将资本重新部署到更有增长潜力的物联网（IoT）和边缘AI领域。随后在2020年和2021年，Synaptics相继收购了博通的无线IoT业务和DSP集团，补齐了关键的无线连接和语音处理技术，为后续的AI处理器铺平了道路。

2024年4月，Synaptics发布Synaptics Astra AI-Native IoT Platform，并推出Astra SL系列产品，彼时推出的SL180集成了最高7.9 TOPS的NPU。

2025年10月，发布下一代Astra SL2600系列，将目标从传统AI推理提升到多模态 GenAI（生成式 AI）边缘计算，这款产品中集成了Synaptics和Google Research深度合作的Torq系列NPU，整合了其开源Coral NPU。

2026年5月，发布了AI原生MCU SYN765x与SRW1500，集成Cortex-M52 （即安谋科技的"星辰"STAR-MC2）与Ethos-U55 NPU，U55在200MHz下可提供高达50GOPS的计算能力。

当然，需要注意的是，NPU并不是决定芯片AI能力的唯一因素。不过，很显然，NPU是这些芯片AI计算体系中不可或缺的一环。

除了收购，自研也是一条路。

德州仪器（TI）目前拥有两款NPU：面向高性能应用的C7 NPU和面向低功耗可扩展设备的TinyEngine NPU。

TinyEngine并不试图对标高端SoC，但它的目标更明确——在超低功耗和低成本下，完成足够好的AI推理。这款NPU相较于纯软件实现的人工智能方案，单次推理能耗降低至1/120，延迟降低至1/90；算力达2.56 GOPS，可支撑深度学习模型的实时边缘 AI 推理；支持8比特、4比特、2比特量化及混合精度配置，支持原位运算，有效解决存储容量受限问题；兼容多种神经网络层类型，包括卷积层（常规卷积、深度卷积、逐点卷积、转置卷积）、全连接层、池化层（平均池化、最大池化），并支持批归一化；简化工具链降低开发复杂度，开发周期从数周缩短至数小时。

C7则是走高性能NPU路线，是一款高性能、高能效的AI加速器，集成于TDA54-Q1和TDA4VE-Q1片上系统（SoC）中。它源自TI在DSP领域的长期积累，使TI处理器能够同时处理多个并发的AI工作负载，适用于高级驾驶辅助系统、信息娱乐和机器人等应用。另外值得一提的是，TI更是从模拟信号链到控制，再到AI推理，其能力覆盖了一整条技术路径。

意法半导体（ST）自研了Neural-Art Accelerator系列NPU。根据ST的规划，第一款神经网络加速器Neural-ART 1，作为STM32N6微控制器的内核。其最大性能为4.6 TOPS，能效为1～5TOPS/W。下一步，ST将会进一步发展第二代数字内存计算D-IMC，这将带来比第一代4 倍的性能提升，能够达到18TOPS和20～40TOPS/W的性能。Neural-ART 3将是具有混合架构和50+ TOPS/W性能的产品，预计第三代的性能将比第二代再提升10倍。

ST为什么要布局存内计算（IMC）？因为它可大幅减少内存数据传输，从而降低功耗。“我们已成功完成其数字和模拟版本的原型设计，性能分别提升高达8.3倍和16.7倍。这些技术支持1至8位高级量化，在保证与现有NPU无缝集成的前提下，进一步提升性能并缩小模型体积。”

恩智浦（NXP）除了收购，其实也有自研NPU，只不过是用在MCU/MPU内的，不会像Kinara那种独立NPU一样具备40 eTOPS这种大算力。

eIQ Neutron NPU采用点积脉动架构，支持多种神经网络类型，包括CNN、RNN、TCN和Transformer网络等。eIQ机器学习软件开发环境为eIQ Neutron NPU的ML应用开发提供完整支持。eIQ Neutron支持常见的神经网络运算符，如Conv2D、Depthwise Conv2D、full connected、Add、Average Pooling2D、Maximum Pooling2D和Padding，它还支持8位量化权重。

eIQ Neutron NPU提供了一系列丰富的功能选项，这些选项会根据该内核所集成到的具体NXP边缘处理设备，以及该设备系列所针对的市场需求来进行灵活配置。其主要特性包括：专用的控制器内核；支持在线的反量化、激活和池化操作；内置微型缓存，可有效降低功耗，并减少对系统内存速度的依赖；权重解压缩引擎；先进的多维DMA，支持步进、批处理、交织和拼接等多种输入输出格式；可配置紧耦合内存。

从架构来看，eIQNeutron NPU采用点积脉动架构，传统高吞吐量脉动阵列依赖大量宽位（32bit）累加器，带来显著的连线、逻辑与寄存器开销，且在小工作负载下利用率低下。本文点积结构可消除这些缺陷。

英飞凌（Infineon）现在在汽车MCU领域是第一，它没有直接做NPU，不过针对电动汽车开发了PPU（并行处理单元，Parallel Processing Unit），它并非一个独立的DSP内核，而是一个高度专业化、可灵活配置的计算加速器集群。目前搭载PPU的产品主要是28nm的AURIX TC4x。PPU拥有灵活的架构，适用于执行速度快且数据处理量大的汽车应用。

PPU模块内核选择了新思（Synopsys）的DesignWare ARC EV71处理器。ARC EV系列是Synopsys专门为嵌入式视觉、传感器融合和人工智能处理而设计的高性能DSP处理器家族。

瑞萨也在做AI加速器DRP-AI。DRP-AI由AI-MAC（乘积累加处理器）和DRP（可重构处理器）组成。AI处理可通过在卷积层和全连接层为运算分配AI-MAC来高速执行，而且DRP也适用于预处理和池化层等其他复杂的处理。

DRP-AI3是瑞萨在2024年推出的新一代DRP-AI，与上一代相比，电源能效高出约10倍。DRP-AI3 能够应对AI的未来发展需要以及机器人等应用的复杂需求。

DRP-AI3算力达到8 TOPS，此外，对于已剪枝的AI 模型，可以根据剪枝量信息成比例地减少运算周期次数，从而使 AI 模型运算性能达到剪枝前模型的峰值水平 (80 TOPS)。 这相当于高出传统DRP-AI处理性能约80倍，这样的大幅度性能提升足以跟上 AI 快速发展的步伐。在电源能效方面，仅 AI 加速器的性能评估显示，其最高理论性能约为 23 TOPS/W，运行主流AI模型时的电源能效达到世界顶尖水平（约为10 TOPS/W）。

在NPU IP方面，厂商的投资力度也很大。

安谋科技在WAIC期间重磅公布该NPU系列的全新IP——X3-Pro，新的IP将要解决的问题就是当下最火热的Agentic AI。X3-Pro的设计理念可以概括为“一次适配、多芯复用，面向场景、灵活配置”，它采用统一的、分层的、场景化的计算架构。

周易X3 NPU于去年发布，主要面向大模型时代的端侧AI应用。而随着Agentic AI快速兴起，团队进一步完成了架构升级，正在研发面向AI智能体的新一代X3-Pro架构，希望打造覆盖全场景AI推理的统一计算平台。未来，基于X3-Pro统一架构，安谋科技还将推出多个产品系列，分别覆盖低功耗、中等算力以及高性能推理等不同市场，即X3-Pro Lite、X3-Pro Premium、X3-Pro Subsys。

去年，芯原携手谷歌共同发布了开源Coral NPU IP，旨在推动边缘AI应用生态的发展。该NPU基于开放的RISC-V指令集架构 打造，集成原生张量计算能力，可兼容JAX、PyTorch、TensorFlow Lite（TFLite）等主流机器学习框架。同时，Coral NPU采用开放标准的软件工具链，包括基于 LLVM 项目的 MLIR（多级中间表示） 编译基础设施，以提升开发灵活性和生态兼容性。该IP定位于常驻运行、低功耗的边缘AI场景，面向可穿戴设备、智能传感器等泛在智能应用，为端侧AI推理提供高效算力支持。

去年5月，美国NPU IP公司Expedera发布了其全新的Origin Evolution NPU IP。Expedera Origin Evolution NPU IP采用独特的基于分组架构，单核算力可扩展至128 TFLOPS，多核可进一步扩展至PetaFLOPS级，并可针对不同应用优化PPA（性能、功耗、面积）。

过去几年“百模大战”的场景还历历在目，而现在这几年，行业已经开始逐渐向边缘AI转移，包括走进现实世界的物理AI。对边缘AI来说，NPU至关重要。从目前的趋势来看，集成式的NPU正在逐渐追求小巧、高效，独立NPU则追求大算力。未来，相信NPU市场会逐渐形成清晰的集成式和独立式NPU的分化。