发布时间：2026-08-11 04:15:05 点击量：
：2026年慕尼黑上海电子展上，德州仪器（TI）展示了两套分别面向可穿戴健康监测与智能家居场景的边缘AI系统级参考设计：前者围绕低功耗模拟前端与端侧NPU实现心电、血糖的本地监测，后者以实时控制MCU为家电注入本地AI能力。本文结合TI现场工程师技术讲解及公开资料，对相关方案的技术特点、行业应用价值与边缘AI落地路径进行解析。
近年来，可穿戴医疗设备与智能家居正成为半导体厂商布局端侧AI的重点场景：前者要求低功耗、高精度、长续航与数据隐私，后者强调在不改写既有硬件架构的前提下，以最小成本为家电注入本地智能。在2026慕尼黑上海电子展（electronica China）期间，德州仪器TI）围绕可穿戴健康监测与智能家居，展示了一系列基于边缘AI的系统级参考设计，涵盖生理信号采集、连续血糖监测、家电实时控制与轻量级端侧AI等方向。相比以往聚焦单一芯片性能，本次展示更强调模拟前端、无线连接、MCU算力与AI工具链之间的协同，通过开放参考设计帮助设备厂商缩短产品开发周期。
本文结合TI现场工程师技术讲解及公开资料，对相关方案的技术特点、行业应用价值与边缘AI落地路径进行解析。
心电（ECG）与连续血糖监测（CGM）是 可穿戴医疗领域最具代表性的两类应用。ECG需要高保真采集微弱生物电信号并在本地快速识别异常；CGM则要求电化学传感、温度补偿与超低功耗无线传输长期稳定运行。TI此次展示的两套参考设计，分别对应了“高集成模拟前端+端侧AI”与“低功耗传感+无线连接”两条技术路线。
在ECG参考设计中，信号链前端采用了TI新推出的AFE159RP3。据介绍，这是一款面向可穿戴心电监测的低功耗模拟前端，片内集成高精度模数转换器（ADC）与心电信号调理通路，可完成多导联心电采集、起搏脉冲检测及呼吸阻抗测量等功能，并满足相关医疗标准要求，适合可穿戴ECG贴片、动态心电仪等紧凑型设备。
完成信号采集后，原始心电数据进入MSPM0G5187 微控制器（MCU）进行本地处理。该器件基于Arm® Cortex®-M0+内核，核心亮点在于片内集成了TinyEngine™ 神经网络处理单元（NPU）硬件加速器，专为深度卷积神经网络推理优化。根据现场介绍，借助该NPU，MSPM0G5187可在本地完成心电波形的AI分类。相比于纯CPU而言，这款搭载了TI TinyEngine NPU的MCU可以实现超过九倍计算延时的降低，同时在功耗方面降低了12倍。
据现场讲解，该NPU已提前训练了针对不同心电图特征进行分类识别的AI模型，当前端采集到异常心电波形数据后，MSPM0G5187微控制器可直接在本地完成分类并输出标签，无需持续上传原始波形，分类结果将通过CC3551E无线片上系统（SoC）以Wi-Fi协议发送至终端。系统仅在需要回传分类结果或异常事件时打开Wi-Fi，其余时间关闭无线链路，从而显著降低整体功耗，延长可穿戴设备续航。
除ECG外，TI还展示了一套连续血糖监测参考设计。与ECG方案不同，CGM的核心挑战在于对电化学反应产生的微弱电流进行高精度、低噪声采样，同时补偿体温变化对血糖读数的影响，并通过低功耗蓝牙将数据持续同步到手机或平板。
CC2340系列（如CC2340R5无线微控制器）是TI SimpleLink™ MCU平台的成员，针对低功耗蓝牙5.4低功耗应用优化。具备超低待机功耗与集成射频前端等特性。这些特性使其适用于CGM等对低功耗、小尺寸和无线连接能力有较高要求的传感应用场景。
在智能家居展区，TI将重点放在“不改变硬件设计、不增加外部AI芯片”的前提下，为传统家电注入边缘AI能力。这一策略的核心在于将TinyEngine NPU集成到已经承担实时控制任务的MCU中，使电机控制、电源管理与AI推理在同一颗芯片上共存。
TI与TCL合作展示的空调外机实时控制及节能方案，控制核心采用TMS320F28P550实时微控制器。该器件属于TI C2000™ 实时MCU的F28P55x系列，具备电机控制与电源管理所需的高实时算力，并在C2000平台引入TinyEngine NPU，使电机控制与AI推理在同一颗芯片上共存，适用于电机驱动、数字电源、家电及光伏储能等场景。
在现场展示的Demo中，TMS320F28P550实时微控制器负责控制空调外机的风扇、压缩机及功率因数校正（PFC）电源，并在同一芯片上以软件方式运行AI节能算法。据现场工程师介绍，在实验室环境下，该方案最高可实现约30%的空调节能效果。更重要的是，该方案通过在DSP内部集成AI算法能力，避免额外增加独立AI处理芯片，即可在原有空调电控平台上增加边缘AI能力。
此外，TI在该领域提供了从电流采样ADC、运算放大器到PWM输出的完整芯片组合，能够实现端到端的AI控制与硬件整体解决方案。这种“控制+AI”单芯片整合思路，对于成本敏感、迭代周期短的家电市场具有较强吸引力。
跌倒检测是TI在智能家居展区展示的另一项边缘AI应用。该方案基于MSPM0系列MCU，片内同样集成TinyEngine NPU硬件加速器，外接重力感应器采集人体姿态数据,系统可判断被监测者是否发生跌倒。由于推理在本地MCU上完成，数据无需上传云端即可触发报警，既降低了隐私风险，也减少了网络依赖。
现场同时展示了TI的AI模型训练框架。工程师可在TI官网注册账号后下载该框架，在Windows系统下完成从数据采集、标注、模型训练到模型导出的完整流程。导出的模型可直接导入TI Code Composer Studio（CCS）编译器，生成C代码与代码库，并集成到TI任意MCU或处理器中。这意味着降低嵌入式工程师部署AI模型时的学习成本，也无需掌握底层神经网络编程，即可将AI能力快速部署到目标硬件。
基于MSPM0系列NPU的跌倒检测Demo板，外接重力感应装置，用于采集姿态数据并在Kaiyun本地完成AI推理。
无论是可穿戴ECG、跌倒检测还是空调节能，其背后都依赖同一套边缘AI开发工具链——CCStudio™ Edge AI Studio。该平台集成在TI的CCStudio开发生态系统中，提供从数据采集、模型选择、训练优化到跨MCU部署的一体化流程。据介绍，Edge AI Studio目前内置超过60个模型和应用示例，覆盖图像分类、目标检测、时序分类、电弧故障检测、电机轴承故障检测等任务，并支持PyTorch、TensorFlow、ONNX等行业标准框架。
Model Composer是Edge AI Studio中的无代码/低代码训练工具，支持用户自带数据对TI模型库中的预训练模型进行再训练。训练完成后，TI神经网络编译器会自动完成量化与算子优化，生成面向TinyEngine NPU的高效推理代码。整个流程生成的源代码可直接导入CCS项目，工程师无需手动编写神经网络推理代码，大幅缩短了从算法验证到产品量产的时间。
从产业角度看，这套工具链的意义在于降低了边缘AI的应用门槛。传统上，AI功能开发需要算法工程师与嵌入式工程师紧密协作；而TI通过“预训练模型+自动编译+硬件NPU”的组合，使更多缺乏深度学习背景的嵌入式开发者也能在MCU上实现AIKaiyun功能。这对于需要快速迭代、成本敏感的可穿戴设备和家电市场尤为重要。
从TI现场展出的Demo可以看出，其展示重点已从单颗芯片参数转向“系统级参考设计+边缘AI工具链”的整体能力。在可穿戴健康监测领域，AFE159RP3、MSPM0G5187微控制器与CC3551E无线微控制器的组合，展示了高集成模拟前端、TinyEngine NPU与双频Wi-Fi 6/蓝牙低耗能（BLE）协同工作的可行性；连续血糖监测方案则体现了TI在电化学传感与超低功耗无线连接上的持续投入。在智能家居领域，TMS320F28P550实时微控制器将AI节能算法嵌入空调外机实时控制，MSPM0系列NPU则让跌倒检测等轻量级AI应用快速落地。
AI能力正在从云端和高端SoC向MCU、向控制层、向电池供电设备下沉。TI通过在通用MCU（MSPM0系列）、实时控制MCU（C2000系列）乃至无线E无线微控制器）中统一集成TinyEngine NPU，并配合CCStudio Edge AI Studio对跨平台的模型训练与部署，正在构建一条从数据采集、算法训练到硬件推理的完整边缘AI链路。对于可穿戴医疗设备、智能家居及更广泛的嵌入式AI应用而言，这种低功耗、高集成的端侧AI架构，为可穿戴设备、智能家居等嵌入式场景探索AI能力下沉提供了新的技术路径
东芝开始量产面向单电机控制应用、搭载Arm® Cortex® M4内核的小型微控制器
研华推出 DS-054：超薄 8K/4K 边缘 AI 数字标牌播放器，赋能户外数字广告、视频墙、智慧零售与交通乘客信息系统
兆易创新GD32F50MxxG高集成电机控制MCU发布，赋能人形机器人关节驱动革新
下一篇：兆易创新GD32F50MxxG高集成电机控制MCU发布，赋能人形机器人关节驱动革新
