总体概述
随着嵌入式AI、机器视觉与语音识别等应用逐渐向边缘侧迁移，MCU正在承载越来越复杂的算法和模型。这一趋势对存储资源提出了前所未有的挑战——算力或许够用，但Flash往往成为最先触顶的瓶。
NXP MCXN947是一款性能强劲的Cortex‑M33微控制器，片上集成了容量可观的内部Flash，足以应对大多数传统控制与通信场景。然而，在使用eIQ工具链部署深度神经网络模型（如TFLM推理、图像分类等）时，模型权重与常量数据的体积很容易超过内部Flash的承载能力，使得“全部放在内部Flash”这一方案难以为继。
MCXN947同时支持外部Flash启动与XIP(Execute In Place)，但在常规使用中，系统往往只能选择一种启动介质，执行入口也随之固定。那么，是否存在一种更加灵活的方式？
系统仍然从内部Flash启动，保证启动速度和稳定性；
但将体积庞大的模型或部分代码放入外部Flash，并直接XIP执行？
答案是肯定的。
本文将基于FRDM‑MCXN947开发板，详细介绍我实现的一个 “内部Flash启动 + 外部Octal Flash XIP执行” 的混合存储Demo。从硬件原理、FlexSPI配置、MCUXpresso工程设置，到链接脚本与模型段的放置策略，完整拆解这一方案的设计思路与实现细节，为在MCU上部署大模型提供一种切实可行、可复用的解决路径。
硬件环境：
开发板：FRDM-MCXN947
软件环境：
IDE：MCUXpresso IDE v11.9.0
SDK:SDK Builder | MCUXpresso SDK Builder (nxp.com)
基础工程: frdmmcxn947_tflm_cifar10
一、外部Flash硬件配置与管脚配置
以下是官方FRDM-MCXN947中的八线Flash的原理图：
根据以上原理图，置与FlexSPI连接的外部Octal Flash相关的引脚。你需要启用以下管脚功能：
配置代码例如：
/* Enables the clock for PORT3: Enables clock */
CLOCK_EnableClock(kCLOCK_Port3);
constport_pin_config_tport3_0_pinB17_config = {/* Internal pull-up/down resistor is disabled */
kPORT_PullDisable,
/* Low internal pull resistor value is selected. */
kPORT_LowPullResistor,
/* Fast slew rate is configured */
kPORT_FastSlewRate,
/* Passive input filter is disabled */
kPORT_PassiveFilterDisable,
/* Open drain output is disabled */
kPORT_OpenDrainDisable,
/* Low drive strength is configured */
kPORT_LowDriveStrength,
/* Pin is configured as FLEXSPI0_A_SS0_b */
kPORT_MuxAlt8,
/* Digital input enabled */
kPORT_InputBufferEnable,
/* Digital input is not inverted */
kPORT_InputNormal,
/* Pin Control Register fields [15:0] are not locked */
kPORT_UnlockRegister};
/* PORT3_0 (pin B17) is configured as FLEXSPI0_A_SS0_b */
PORT_SetPinConfig(PORT3, 0U, &port3_0_pinB17_config);
// ...依次配置其他FLEXSPI管脚...
二、FlexSPI模块初始化
为了使用FlexSPI进行XIP，需正确配置时钟并初始化FlexSPI模块。以下是关键步骤：
2.1 配置FlexSPI时钟
/* Flexspi frequency 150MHz / 2 = 75MHz */ CLOCK_SetClkDiv(kCLOCK_DivFlexspiClk, 2U); CLOCK_AttachClk(kPLL0_to_FLEXSPI); /*!< Switch FLEXSPI to PLL0 */
2.2 添加FlexSPI驱动并初始化
在工程中引入FlexSPI驱动（SDK中已有），然后在主程序中添加初始化代码：
/*Get FLEXSPI default settings and configure the flexspi. */ FLEXSPI_GetDefaultConfig(&config); /*Set AHB buffer size for reading data through AHB bus. */ config.ahbConfig.enableAHBPrefetch = true; config.rxSampleClock = EXAMPLE_FLEXSPI_RX_SAMPLE_CLOCK; config.ahbConfig.enableAHBBufferable = true; config.ahbConfig.enableAHBCachable = true; FLEXSPI_Init(base, &config); /* Configure flash settings according to serial flash feature. */ FLEXSPI_SetFlashConfig(base, &deviceconfig, FLASH_PORT); #ifdefined(EXAMPLE_FLASH_RESET_CONFIG) uint32_t TempFastReadSDRLUTCommandSeq[4]; memcpy(TempFastReadSDRLUTCommandSeq, FastReadSDRLUTCommandSeq, sizeof(FastReadSDRLUTCommandSeq)); #endif
三、配置MCUXpresso工程支持Octal Flash
在MCUXpresso IDE中，进入MCU Settings > Memory，添加一个新的memory区域：
名称：OSPI_FLASH（或 OCTAL_FLASH）
起始地址：根据你芯片连接的外部flash地址设置，
根据用户手册，FLEXSPI起始地址为0x80000000
大小：例如128MB
然后，选择NXP提供的对应外部flash驱动，FRDM_MCXN947连接flash为mt35xu512aba，该flash支持SFDP，故我们可以选择MCXN9xx_SFDP_FlexSPI.cfx添加后，可以看到Memory details如下:
四、添加链接脚本和模型数据迁移
4.1 创建链接脚本片段
在工程的linkscripts/文件夹中添加两个文件：
text.ldt（用于代码段）
rodata.ldt（用于模型只读数据）
内容如下：
<#if memory.name=="OSPI_FLASH">KEEP (*(.model_data*))
KEEP (*(model.o*))
KEEP(*(.text.OSPI_FLASH*))
*(.text.QSPI_FLASH*)
*(.text.${memory.alias}*)
*(.text.${memory.name}*)
</#if>确保模型数据（如 .model_data 段）被正确保留并放入XIP区域。
4.2 模型数据放入XIP区域
将模型通过如下方式放置到 .model_data 段中（C代码）：
__attribute__((section(".model_data")))
const unsigned char model_data[] = {
#include "model_data.inc" // 从模型文件导出的原始数据
};
五、编译与验证
在构建项目后，MCUXpresso IDE的映像映射报告将显示部分 .text 和 .rodata 段已成功放置至 Octal Flash（OSPI_FLASH）区域：
OSPI_FLASH: 100144B 262140KB 0.04%
下载运行后，系统从内部Flash启动，并成功从外部Flash中直接读取模型数据，完成AI推理任务。
结语
通过本文所介绍的配置与实践，MCXN947成功实现了一种“内部启动 + 外部XIP执行”的混合存储架构：
系统仍然从内部Flash启动，确保启动链路简洁、可靠且快速；而体量庞大的模型权重与只读资源，则被无缝迁移至外部Octal Flash，并通过FlexSPI以XIP的方式直接访问和执行。这一方案无需复杂的二级引导或运行期拷贝，不仅显著扩展了可用的程序与数据空间，也保持了系统结构的清晰和维护友好性。在实际的AI推理任务中，模型可以被像普通只读数据一样访问，应用层逻辑几乎无需感知其物理存放位置。
对于Flash资源受限但又希望在MCU平台上运行复杂AI模型的开发者而言，这种架构提供了一条非常现实且工程化可落地的路径。可以预见，随着边缘AI的进一步普及，“内部小而快+外部大而灵活”的存储组织方式，将成为越来越多高端MCU项目的标准设计思路之一。
希望本文的实践经验，能够为你在MCXN947或其他支持XIP的MCU平台上，构建更大规模、更高复杂度的应用提供参考与启发。
作者：Harry Zhang
来源：恩智浦MCU加油站
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）。