写作原则尽量不废话直奔主题。边缘AI SoCSystem-on-Chip系统级芯片指在单个芯片上集成CPU、NPU、GPU、DSP、ISP、无线连接、雷达处理以及存储与接口电路等专为在靠近数据源头的边缘设备上执行AI推理任务核心设计目标包括低延迟、低功耗、高能效、高集成度、数据隐私。本文以计算单元组合作为核心划分维度结合集成功能与应用场景系统梳理SoC的12种组合形式及代表产品。1.通用视觉型CPU中低算力NPU(或DSP)高性能ISP平衡成本、功耗与视觉AI性能是安防摄像头、AIoT网关、智能家电中最常见的组合。ISP与NPU紧密协同能高效处理视频流中的检测、识别任务。代表产品→晶晨 S905X56nm4 TOPS内置硬件NPU面向AI智能电视盒与边缘视觉设备→瑞芯微 RK36884-5nm32 TOPS2026年Q2量产面向AI边缘盒子与高端智能摄像头2.大模型端侧部署型高性能CPU大算力NPU(40 TOPS)追求在本地运行数十亿乃至百亿参数的大模型如LLM、VLM算力是首要指标通常采用先进制程5nm/6nm并配备大带宽内存。代表产品→Acrab GΞLIX 15nm宣称650 TOPS支持100B参数模型本地运行→此芯P16nm45 TOPS12核Armv9.2 CPU10核GPUNPU三异构3.全功能异构旗舰型CPU大算力NPUGPUDSP专用加速器一芯多用通过集成多达5种以上计算单元应对复杂多变的边缘AI工作负载如机器人导航、工业多传感器融合避免多芯片间的数据传输瓶颈。代表产品→诚恒微 CH37系列集成10核CPU、自研GPU、六核NPU、四核GPGPU、双核DSP数据吞吐效率据称提升50%以上→indie半导体 iND881车规级AEC-Q100 Grade 2 ASIL-B集成NPU、DSP、四核Arm CPU支持多传感器融合延迟1msFPGAMPU/GPU(单芯片或分立)利用FPGA的高速并行处理能力完成传感器数据流实时预处理如滤波、降噪、帧处理MPU或GPU承担高算力AI推理两者通过PCIe或片上互连实现低延迟数据交换。单芯片方案如AMD Zynq系列与分立方案如ALINX HEA13平台共存。代表产品→AMD Zynq UltraScale MPSoC ZU7EV单芯片集成FPGA 四核Arm Cortex-A53 MPU GPU AI加速引擎→ALINX HEA13平台NVIDIA Jetson Thor GPU AMD VU13P FPGAPCIe Gen3 x8直连64Gbps带宽微秒级延迟面向机器人感知与自动驾驶4.极致能效型CPU亚阈值超低功耗NPU专为电池供电、需要始终在线感知的设备设计。NPU采用亚阈值电压技术晶体管在接近导通阈值的极低电压下工作实现微瓦级待机功耗仅在检测到有效信号时唤醒全功能计算单元。代表产品→Ambiq Atomiq基于亚阈值SPOT技术200 GOPS面向AR眼镜、语音唤醒设备MCU轻量级NPU(TinyEngine等)专为极低成本、极低功耗的端侧智能场景设计。在传统MCU中集成轻量级NPU使原本仅执行简单控制的微控制器具备本地AI推理能力适用于家电、工业电机、光伏等设备的实时状态监测与唤醒词检测。代表产品→德州仪器 AM13Ex / MSPM0G5187集成专为MCU设计的NPU TinyEngine语音唤醒功耗从数瓦级降到几十毫瓦级延迟降低92%→意法半导体 STM32N6内置NPU面向智能家电唤醒词检测、电机轴承故障检测、光伏电弧检测5.无线连接融合型CPUNPU多协议无线连接将AI算力与无线连接集成于同一封装解决边缘设备因通信和AI模块割裂导致的部署难题目标是成为物理AI分布式智能体的核心节点。代表产品→恩智浦 i.MX 93W16nm集成专用NPU与安全三频无线连接——Wi-Fi 6 Bluetooth LE 5.4 802.15.4 Thread/Zigbee6.RSIC-V开放架构型RISC-V CPU第三方NPU IP基于开放指令集架构灵活集成第三方AI加速IP规避授权费并实现高度定制化在工业、汽车等功能安全领域有优势。代表产品→晶心科技 D45-SE BrainChip Akida组合RISC-V CPU获ISO 26262 ASIL-D认证28nm制程集成Akida NPU后可在250mW功耗下实现0.7 TOPS事件驱动计算7.存内计算型CPU存内计算NPU将AI计算直接在存储器中完成彻底消除“存储墙”瓶颈能效比传统NPU提升数倍至数十倍适用于极低功耗的端侧场景。代表产品→知存科技 WTM-8系列存内计算SoC面向可穿戴设备、TWS耳机8.传感器融合专用型CPU雷达/激光雷达处理加速器轻量级NPU针对毫米波雷达、ToF传感器的点云/雷达信号进行前端AI处理在汽车、工业探测中减少原始数据上传量降低系统延迟。代表产品→NXP S32R45雷达信号处理AI加速→indie半导体 iND881其雷达信号AI前处理特性亦可归入此类详见第4类全功能异构型9.SNN神经形态型CPU脉冲神经网络(SNN)神经形态处理器专为始终在线的时序信号感知场景设计。SNN处理器采用事件驱动的脉冲计算范式——信息通过脉冲的时间间隔编码区别于传统NPU的乘积累加MAC运算。芯片仅在输入脉冲触发神经元时产生动态功耗无脉冲时近乎零功耗实现亚毫瓦级运行功耗和毫秒级响应延迟是物理AI时代传感器端智能的核心算力引擎。代表产品→Innatera Pulsar12核可编程数字SNN 4核模拟SNN 32-MAC CNN加速器 160MHz RISC-V CPU→SynSense Xylo™系列1000神经元SNN核 模拟前端AFE 支持外接CPU→BrainChip Akida系列Akida神经元架构基于SNN 支持与x86/Arm/RISC-V CPU通过PCIe/SPI协处理10.感统算一体型感知(CIS/雷达)通信互连计算(NPU/ISP)将感知图像传感器、雷达、通信高速互连与计算NPU、ISP融合于同一SoC或模组方案中消除感知层到计算层的数据搬运延迟与功耗适用于手机多目空间感知、端侧本地AI、实时3D建模等场景。代表产品→思特威CIS 飞凌微AI SoC方案覆盖感知计算互连传输全链路内置自研NPU支持四路摄像头同步处理→艾为电子端侧AI芯片规划MCUNPU、DSPNPU等多种组合形态横向对比总结表说明1.本文参考公开报道并借助AI工具进行整理和分析如有不妥之处欢迎指正。2.部分市场数据基于行业估算、发布以及官方报道具体精确数据请以权威机构为准。3.欢迎长期追踪边缘AI的朋友一起探讨。