恩智浦推出MCU i.MX RT1170 开启GHz微控制器时代

i.MX RT1170系列强化了恩智浦对采用EdgeVerse组合解决方案来推进边缘计算的承诺，并且在保持低能耗的同时实现技术突破，让 MCU 运行速度达到1GHz。此外，为综合实现功耗、性能和价格的优化平衡，此解决方案采用先进的28nm FD-SOI技术，使恩智浦成为第一家在该先进技术工艺节点制造MCU的公司。

恩智浦资深副总裁兼微控制器业务总经理Geoff Lees表示：“恩智浦很早就预见到利用最新应用处理器架构和设计理念来制造高性能跨界MCU的潜力。如今，我们凭借i.MX RT1170突破GHz主频限制，为更多应用开启了边缘计算的大门。”

i.MX RT1170的功能包括：

• 运行速度达1GHz的Arm Cortex-M7内核和运行速度达400MHz的Cortex-M4的双核架构、2D矢量图形加速器、恩智浦像素处理流水线 (PxP) 2D图形，以及恩智浦先进的嵌入式安全技术EdgeLock 400A。

• 此外，当程序在片内存储器中执行时，RT1170的系统架构可实现创纪录的12ns中断响应时间、6468 CoreMark和2974 DMIPS。

• 此跨界MCU集成了多达2MB的片上SRAM，包括可由 Cortex-M7使用的 512KB ECC （差错码校验） TCM，以及由 Cortex-M4使用的256KB ECC TCM。

i.MX RT1170双核系统搭载一个高性能内核和一个高能效内核，配备可独立操作的电源域，使研发人员可以同时运行多个应用，如有必要，还可以通过关闭单个内核来降低功耗。比如，高能效Cortex-M4内核可专用于 Sensor Hub 和电机控制等时间敏感型控制应用，而主内核则运行更为复杂的应用。此外，其双核系统可并行运行机器学习应用，比如配备自然语言处理的人脸识别功能可用于创建类人用户交互。 

对于边缘计算应用而言，GHz Cortex-M7内核显著增强了机器学习性能、针对语音/视觉/手势识别的边缘推理、自然语言理解、数据分析和数字信号处理 (DSP) 功能。除了配有处理带宽来提高精度和抗欺骗能力，与当前市场上最快的MCU相比，GHz性能和高密度片上存储器相结合还可使人脸识别的推理速度加快5倍。GHz内核在执行需要语音识别的计算方面也非常高效，包括用于改进识别能力的音频预处理（回声消除、噪音抑制、波束成型和语音插入）。 

Arm汽车和物联网业务部门资深副总裁兼总经理Dipti Vachani表示：“随着万亿互连设备的涌现，企业正在追求洞察实时数据，对设备端的智能要求越来越高。i.MX RT1170系列有效地结合了增强型设备上的处理和低延迟性能，显著降低了物料 (BOM) 成本，不断扩大嵌入式和物联网应用的范围。”

凭借恩智浦在安全嵌入式处理器领域数十年的经验，i.MX RT1170系列集成了EdgeLock 400A嵌入式安全子系统，其中包括高度保险启动（HAB：恩智浦的安全启动版本）、安全密钥存储、SRAM PUF（物理防克隆技术）、用于AES-128/256的高性能加密加速器、椭圆曲线加密、RSA-4096加密算法、用于SHA-256/512的哈希加速以及篡改检测。

i.MX RT1170 MCU还搭载内联加密引擎 (IEE) 和实时解密引擎 (OTFAD) 功能，使得在无延迟影响的情况下实现对片内和片外数据的机密保护和高效存取。IEE 旨在加密和解密片上SRAM和片外 SRAM/PSRAM/DRAM，而OTFAD则对外部串行和并行Flash进行操作。

作为业内第一款集成2D矢量图形内核并支持Open VG 1.1 API的MCU，i.MX RT1170系列使用GPU来处理密集的图形渲染，在实现炫彩的用户界面的同时保持系统低功耗。GHz内核能支持 720p/60fps 的显示效果或1080p/30fps的全高清效果，可打造沉浸式视觉体验。GPU和高性能内核的互补组合尤其适用于智能家居、工业和汽车驾驶舱应用。 

日前，恩智浦在2019年ARM TechCon大会上展示了i.MX RT1010产品，以及 i.MX RT1170 MCU创纪录的CoreMark性能。

i.MX RT1010 MCU系列是一款低成本、高性能的跨界MCU，定价低于1美元。此外，从2019年10月10日开始，RT1010的开发板MIMXRT1010-EVK也会在限定时间段内以 $10.10特价促销。

恩智浦MCUXpresso软件和工具也已支持恩智浦的i.MX RT跨界MCU。MCUXpresso是恩智浦推出的专为MCU设计的通用工具，通过提供高品质的工具实现无缝协同工作，配合广阔的Arm Cortex-M生态系统，大幅减少设计人员的开发时间、工作量和成本。客户还可以利用恩智浦的eIQ机器学习软件开发环境，为i.MX RT跨界MCU开发机器学习应用。