从云端走向边缘：智能计算的趋势
过去十年，大多数物联网（IoT）设备主要在边缘侧采集传感器数据，再上传至云端进行处理和分析。在只做温度监测或基础传感器记录时，这种模式运行良好。但随着应用需求升级，这种“上传数据、再等待处理”的方式逐渐显现出局限。
如今，越来越多的应用需要更快的响应速度，本地推理开始成为趋势——即在数据产生的位置直接完成处理与决策。不过，仅有本地算力还不够。如果无线连接出现拥塞或延迟，即使设备具备强大的片上AI计算能力，系统性能依然会受到影响。真正的边缘智能，需要本地计算与高速、低延迟连接协同发挥作用。
因此，在同一低功耗平台上集成AI加速与Wi-Fi 7，对AIoT设备设计具有重要意义。通过在硬件层面融合计算与连接能力，设备可以更快响应环境变化，并高效、可靠地共享关键信息。
以安防摄像头为例，传统方案通常将视频持续上传到云端处理和存储，但AI原生MCU可以将推理能力放在设备端，使摄像头能够在本地识别人脸或运动事件、即时触发告警，并仅在必要时与云端通信，实现更快速、带宽利用更高效的边缘智能。
Synaptics SYN765x系列：集成AI MCU+Wi-Fi 7
在Embedded World 2026上，Synaptics发布了业界首款支持Wi-Fi 7的AI原生MCU——SYN765x系列，专为在设备端运行AI工作负载打造。该平台基于Arm® Cortex®-M52处理器，集成Helium DSP和Arm U55 NPU，在200 MHz下可提供高达50 GOPS的计算能力。
SYN765x提供丰富的连接能力，包括Wi-Fi 7、支持Channel Sounding的Bluetooth® 6.0，以及IEEE 802.15.4（Thread和Zigbee），并支持Matter标准可实现跨平台互联。Wi-Fi 7可为智能家居设备提供高速连接，Matter可确保不同生态之间的互操作性。
SYN765x可应用于多种设备场景，例如智能家电（洗碗机、扫地机器人）、智能家居设备（恒温器、安防摄像头），以及工业物联网应用（智能电表和电动汽车充电前端系统）。
让边缘智能与Wi-Fi 7更易落地
许多应用对“即时响应”的要求越来越高。无论是电动汽车充电站还是智能安防摄像头，如果过度依赖云端处理，在对时延敏感的场景中往往会受到限制。
AI原生MCU正是在这一背景下发挥作用。它可以在设备端直接完成AI推理，无需将原始数据持续上传到云端，减少延迟、节省网络带宽，并更好地保护数据隐私。
当与Wi-Fi 7连接能力结合，尤其是在1×1架构下，可以在性能与功耗之间实现良好平衡。通过利用6 GHz频段以及Wi-Fi 7更高效的信道管理机制，设备能够获得稳定可靠的无线连接，同时避免过高功耗，也无需复杂的大规模天线设计。
SYN765x的价值：面向真实场景的边缘智能
许多“智能家居”其实只是被动响应。但Synaptics SYN765x将系统的“计算大脑”下沉到边缘侧，使设备能够在本地完成感知与决策。下面以智能家居为例，看看它能带来哪些新的智能体验。
Wi-Fi感知：为智能家居带来新的可能
室内安防摄像头常常让人产生隐私顾虑，但Wi-Fi感知提供了一种不同的思路：通过分析房间内无线信号反射的细微变化，检测人员活动、存在状态或环境变化。
例如清晨起床时，厨房可以自动启动，无需手动开关；客厅的智能音箱感知到宠物走向门口，轻柔地播放音乐；恒温器检测到有人经过走廊，随即调整室温，让环境更加舒适。
夜晚时，两台支持Wi-Fi 7的安防摄像头分别位于书房和后院，它们无需持续传输视频，而是通过感知房间内无线信号变化来判断是否有活动。当深夜有人走向厨房时，设备之间可以自动联动，点亮必要的路径照明，记录人员存在，无需采集或存储人脸信息。
Wi-Fi感知还可应用于关键安全场景，例如跌倒检测。当系统识别到异常情况时，可以及时通知护理人员或紧急服务。此外，还可扩展到跌倒前预警、跌倒严重程度评估、恢复监测、误报过滤以及即时告警等应用。
在智能家居中，从音箱、摄像头到智能显示设备，都可以通过Wi-Fi 7协同工作，在极低延迟下共享本地智能能力，使家庭环境更加智能、响应更快且更安全。同时，由于数据在本地处理，无需将视频上传至云端，也能更好地保护用户隐私。
Bluetooth Channel Sounding
传统蓝牙的“距离判断”主要依赖信号强度，准确度有限，而Channel Sounding可以通过测量蓝牙信号来计算设备之间的距离，实现厘米级定位精度。
例如，当电视遥控器不小心掉进沙发缝时，搭载Bluetooth Channel Sounding的MCU遥控器可以通过手机应用触发信号测量，根据反射信号估算其在房间中的具体位置，让普通遥控器具备精准定位能力。
语音控制：声音事件检测
在智能家居中，语音交互越来越普遍，但用户往往担心设备持续监听并将语音上传到云端。SYN765x通过在设备端完成声音识别，让语音处理始终在本地进行。
例如，在寒冷的夜晚回到家，只需说一句“把客厅温度设为26°C”，系统即可立即响应。由于AI推理直接在芯片上完成，而不是依赖远程服务器，因此几乎没有延迟。
除了语音指令，系统还可以识别异常声音，例如玻璃破碎或婴儿哭声，并与日常背景噪音区分开来，一旦检测到异常即可及时提醒。由于推理在边缘侧完成，音频数据无需离开家庭环境，更好地保护了用户隐私。
Wi-Fi 7的优势不仅在于更高速度，还在于更强的并发能力。随着摄像头、智能家电和可穿戴设备不断接入网络，Wi-Fi 7通过多链路操作（MLO）和升级的OFDMA等技术，更高效地管理网络资源，确保连接依然稳定流畅。
更多行业应用场景
电动汽车充电站：
目前许多充电设备在功率管理和支付处理上依赖云连接。通过边缘智能，充电站可以在本地完成负载管理和交易处理，即使云端短暂中断也能保持运行。
智能家居安防：
误报是安防摄像头常见的问题，例如宠物活动或树枝晃动。通过AI原生MCU，摄像头可以在本地识别真实活动与背景变化，减少误报，也无需持续将视频上传到云端。
医疗可穿戴设备：
心率监测设备需要依赖服务器才能识别心律异常，设备延迟就可能带来风险。本地推理可以实时识别异常，并在毫秒级时间内发出提醒，同时将敏感健康数据保存在设备端。
工业自动化与物理AI：
在高速生产环境中，即使微小延迟也可能影响生产或损坏设备。内置AI的传感器能够及时发现电机故障或生产缺陷，并立即做出响应，无需等待远程系统指令。
目前，Wi-Fi 7仍处于早期普及阶段，尤其是在接入点和网关领域。不过，Counterpoint Research最新发布的Broadband360报告预计，到2030年，超过一半新出货的路由器都将采用Wi-Fi 7标准。对于产品生命周期长达8至10年的OEM厂商来说，提前规划长期连接技术变得越来越重要。
总结
长期以来，设备端AI与连接能力通常被视为两个独立的设计问题。但在边缘计算场景中，它们实际上密不可分。将Wi-Fi 7与AI加速能力整合到同一MCU平台，有助于摆脱过去十年复杂且分散的系统架构。
这不仅是参数规格的升级，更是面向实时响应和安全运行而设计的硬件平台，让互联边缘智能更接近规模化落地。
*本文来自Counterpoint Research全球边缘AI与物联网研究负责人Mohit Agrawal的文章《Synaptics Enables Real-time Connected Edge Intelligence With Industry’s First Wi-Fi® 7 AI MCU SYN765x Series》
来源：Synaptics
免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理（联系邮箱：cathy@eetrend.com）。