为安全资产跟踪和数十亿台智能家居、工厂和城市设备数据安全处理赋能

随着中国人口老龄化的加剧，国人健康意识的提升，医疗技术的进步，新冠疫情影响以及政府政策支持等因素，中国的医疗器械市场在过去几年中保持了高速增长。据中商产业研究院发布的《2022-2027年中国医疗器械产业发展趋势及投资风险研究报告》显示，近五年年均复合增长率为16.88%，据分析师预测，2024年中国医疗器械市场规模将达到1.36万亿元，后续的发展空间极为广阔。医学影像、患者监护、体征测量、医疗机器人、连续血糖等多个方向都是目前热门领域。

在医疗器械行业中，尽管半导体元件所占比率并不大，规模相对有限，但却是现代医疗设备的核心驱动力，正在不断地推动着医疗行业的进步。医疗电子元件主要包含有电源电路、前端传感器及信号调理电路、处理单元（MCU&MPU）、存储单元及人机交互（HMI）等五类器件，其中电源电路保证了医疗设备的可靠运行，传感器决定了前端信号的高精度采集，处理器实现关键算法及系统控制等等。同时便携式医疗设备与一次性诊断设备的发展，使部分医疗电子元器件表现出量大、更新快、成本敏感等新趋势。

本文将结合目前医疗领域中不同应用方向对应的技术需求以及瑞萨产品（MCU&MPU）的特点，为大家解读瑞萨嵌入式产品线在医疗领域的布局。

瑞萨目标医疗应用汇总

上图为目前瑞萨嵌入式产品在医疗领域的各种应用汇总，产品覆盖从相对简单的家庭监护（血压，血糖，血氧等），运动健康（跑步机，智能穿戴等）到复杂的医疗器械（医疗影像，监护仪，IVD）等，这些设备都离不开主控芯片（处理单元）的控制。

相比消费类市场，医疗设备具有开发周期长，前期研发投入大，进入门槛高，同时产品生命周期长，利润相对较好等特点。再加上医疗领域对产品的可靠性、安全性、长供货周期，甚至低功耗（便携式）等有着更高的要求，这些都让处于“核心大脑”位置的处理器单元选型变得异常重要，客户一般会对供应商从产品成熟度，稳定供货能力，性能及产品可延续性，价格等多个角度做评估。

瑞萨MCU产品阵容

上图为瑞萨MCU产品阵容介绍，从8/16/32Bit的自有内核（RL78 & RX系列）到ARM内核（RA系列），客户可以根据其不同的产品应用需求，从性能、封装、外设等不同维度选择合适的MCU产品。比如集成24Bit Sigma-delta ADC的RL78/H1D可用于家用血压计；通用RL78/G1x & RA2E1系列因为高性价比大量应用于按摩椅主控，家庭健康类产品；RX-T & RA-T系列集成马达驱动所需Timer，ADC等资源，广泛用于呼吸机、跑步机，牙科手机等领域的马达控制，RA6M3 & RA8D1集成TFT屏驱动，可满足注射泵，便携式监护仪等带显示屏的设备。

瑞萨已上市的MCU产品基本都有加入瑞萨“15年 Product Longevity Program”，客户可以在瑞萨官网上查询相关信息以获得瑞萨对产品供应保障的官方承诺，来满足医疗产品“长供货周期”的需求。同时瑞萨基于对过去10年持续的产品跟踪，目前非车规MCU失效率可以做到DPP（每百万件产品的缺陷数）< 1，这对医疗产品的可靠性和安全性需求提供了充分的支持。

除MCU以外，瑞萨MPU产品在医疗领域的应用场景也非常多，下图为瑞萨MPU产品阵容介绍，

瑞萨MPU产品阵容

瑞萨MPU产品主要分为两个方向，一个是工业专用MPU（RZ/T N系列），一个是通用MPU系列（RZ/A G V系列）。RZ/T N系列集成了高性能实时内核（800Mhz CortexR52），主要面向伺服和电机驱动以及对多工业以太网协议的支持（PROFINET、ETHERCAT等），在工业自动化领域已被广泛应用。而在医疗领域，随着外科手术机器人，康复机器人以及药房自动化等应用的兴起，已有越来越多的医疗产品采用RZ/TN系列平台。RZ/G系列（A55内核）是可支持Linux系统的高性价比平台，可满足医疗监护仪，IVD等产品需求。同时随着AI人工智能在医疗领域的发展（比如对病灶进行定性分级或定量分析），RZ/V系列（最高8Tops算力）为客户提供了最优的高性能低功耗的嵌入式AI解决方案平台。

基于以上产品资讯以及瑞萨对医疗领域的高度重视和持续投入，瑞萨的嵌入式产品正在被越来越多的客户所认可，将为国内医疗领域的发展做出更多的贡献。

下面为大家介绍瑞萨嵌入式产品在各种医疗设备中的应用。

适合医疗应用的嵌入式平台

Patient Monitor监护仪

监护仪主要用来测量和监护病人生理参数，比如心电（ECG，HR）、有创/无创血压、体温、血氧饱和度（SpO2）、脑电图、呼吸参数、麻醉气体等，可分为胎儿监护仪、母婴监护仪、多参监护仪、中央监护系统等。

AED（自动体外除颤仪）

心脏骤停（室颤）是中国心脑血管疾病致死率最高的疾病，3-5分钟即可致人死亡，及时抢救至关重要，自动体外除颤器是一种便携式的医疗设备，它可以诊断特定的心律失常，并且给予电击除颤，是可被非专业人员使用的用于抢救心脏骤停患者的医疗设备。

Home Healthcare（按摩椅/仪，血氧仪）

按摩是中国传统的养生保健方法，以中医的脏腑、经络学说为理论基础，并结合现代医学成果，作用于人体体表的特定部位以调节机体生理、病理状况，达到健康理疗的目的。

电机控制（家用呼吸机，牙科手机，电动轮椅）

家用呼吸机多数用于不能正常呼吸的患者，肺部功能衰竭及气道阻塞，还有睡眠呼吸暂停综合征包括打鼾并且暂停的患者，和严重肺心病及肺气肿、慢阻肺或二型呼衰且二氧化碳偏高的病人。通过MCU控制涡轮风机，可以提供正压气体，辅助患者呼吸，增强气体交换和心肺耦合。此次新冠疫情的爆发，推动了国内呼吸机行业的飞速发展。

牙科手机是一种专用于口腔科的医疗器械，可以用于清洁牙齿，研磨龋齿坏牙的产品，是口腔综合治疗的主要部件之一，由于电动（BLDC）手机功率、扭矩、转速更稳定，备牙时可以达到涡轮手机无法媲美的光滑效果，使市场中电动手机比率逐渐增多。并且为有效解决口腔诊疗病毒的交叉感染、二次传播的历史性难题，防回吸手机和一次性手机的市场比重也在逐渐增加。

AI+影像医疗

“AI+医疗”一直被视为极具发展潜力的新兴领域，而AI医学影像是AI医疗商业化前沿阵地。通过打通多模态影像器械系统及海量的数据训练后，AI医学影像可以实现病灶识别、病情诊断、治疗规划等辅助服务。目前市场上AI医学影像产品覆盖心肺、脑部、肝脏、骨骼等多部位多病种，已开始应用于各级医院，并正在渗透到体检中心等院外场景，赛道聚集了专注于医疗健康的AI技术企业、互联网巨头等多领域玩家。

结论

回顾2023年中国医疗器械市场，我们可以看到医疗设备市场规模持续增长，显示出强劲的发展势头，在国际市场中的地位也日益提升，出口增长迅速，同时行业也面临政府集中采购政策对成本控制的更高要求，以及技术创新以提升产品竞争力等。展望未来，中国医疗器械市场将继续保持增长趋势，人工智能、大数据等对应的AI应用将为医疗器械行业带来新的市场机会。

1.探伤仪

2.氧浓度传感器

3.电容传感器

4.差压式液位计（负迁移）

5.差压式液位计（无迁移）

6.差压式液位计（正迁移）

7.料位计（称重式）

8.电位式传感器

9.电子吊称

10.电子皮带秤

11.布料张力控制原理

12.氧化铝湿敏电容

13.编码液位计

14.荷重传感器应用

15.汽车衡

16.陶瓷湿度传感器

17.压阻式传感器测量液位

18.应变式加速度传感器

19.直滑式电位器控制气缸活塞行程

20.超声波测量密度原理

来源：嵌入式开发爱好者

AI如何在数以百亿的MCU嵌入式应用中落地？海思正在给出自己的答案。海思A²MCU聚焦行业专用（Application Specific）和嵌入式AI技术（Artificial Intelligence），将AI领域超轻量级的技术框架、极致性能的推理要求、方便快速的部署能力与MCU深度融合，为MCU行业客户探索智能化应用提供新的选择。在TCL小蓝翼P7新风空调发布会上，海思与TCL空调联合发布“A²MCU，让空调越用越节能”解决方案，正是A²MCU的初露锋芒。

为什么嵌入式AI关注度越来越高？

嵌入式AI是将AI算法嵌入到端侧设备中，使得设备能够具备智能化、自动化和高效化的能力。AI的历史可以追溯到20世纪50年代，进入21世纪，受益于算力的迅猛提升，以及大数据、云计算、深度学习等技术发展，人工智能在图像识别、语音识别、自然语言处理、机器人、自动驾驶等领域取得了突破性的进展。随着应用的拓展和渗透，端侧AI近几年逐渐成为业界热点。相对于数百万到千万的AI服务器，端侧AI MCU的数量级将高达数以百亿。基于现有的AI范式，由于资源的限制、模型的适应性等因素，AI越向下越难做，但同时AI下沉带来的商业潜力也很大。因此将AI技术嵌入到端侧最底层的MCU芯片，已成为业界领先MCU企业都在探索的新方向。

基于MCU的AI方案在行业落地，会有哪些困难？

由于MCU硬件性能限制、AI软件的复杂度高、行业应用实时性要求高、能耗限制严格、数据安全性要求高，嵌入式AI在MCU的行业应用落地需要业务团队同时具备丰富的AI知识经验，以及嵌入式软硬件能力。

一方面要开发团队与落地场景之间要展开深度合作。基于真实场景的基础数据及嵌入式AI团队提供的专业的定制化方案，才能真正解决问题，做出价值。

另一方面要能够实现AI模型到MCU的快速部署。通用AI模型往往并不是针对嵌入式应用设计，AI开发工具品类又非常庞杂，而MCU的RAM、Flash资源及CPU算力通常都非常受限，如何选择合适的AI模型和开发工具用来开发出解决特定场景问题模型，又如何将AI模型部署到受限资源的MCU上，这是一个复杂的工程。

海思A²MCU嵌入式AI通过哪些关键技术解决了这些问题？

海思嵌入式AI提供了超轻量级的AI技术框架、极致性能完全满足MCU的推理要求、并能够将多模型快速转换为代码并导入工程，开发者进行方便快速的产品部署。

1）极简框架：在MCU上部署的AI模型，转为网络层的运行代码后，直接调用RISC-V核的优化算子库，省去了模型解析器等一般复杂的框架。RISC-V的开源架构支持自定义指令集，能够更好的支持算子库的优化实现，这也是RISC-V相对于其他内核的一个关键优势。

2）极致性能：意味着在确保场景收益的前提下，将训练推理过程做到极简。包括但不限于：训练模型优化：包括模型结构优化，减少内存读写和计算量；模型训练后量化，使模型更小，推理更快。算子的轻量化、内存优化以及深度性能调优：通过算子库轻量化、算子数据预重排与内存复用、使用算法减少乘法运算次数与内存访问的开销、深度算法调优减少运算次数，与访存开销进行平衡。

模型剪枝、压缩的轻量化

训练后量化，模型更小，推理更快

3）易开发部署：海思A²MCU嵌入式AI方案可提供多种模型的转换，例如通过TensorFlow Lite、PyTorch、MindSpore等开发的模型，可快速便捷的转成代码，并导入部署到工程代码中。

海思A²MCU嵌入式AI应用效果如何？

12月10日，在TCL小蓝翼P7新风空调发布会上，海思与TCL空调联合发布了“A²MCU，让空调越用越节能”解决方案，该方案基于空调环境、运行和目标参数，通过嵌入式AI算法对复杂工况进行学习，提高运行周期内的整体能效。通过业务场景和AI强化学习模型的深度融合，给空调产品的节能带来代级的差异化竞争力，最终达成调温阶段能耗降低16%的效果。

结语

万物智能时代，我们既需要云端大算力的训练推理，也离不开嵌入式AI在千行百业的端侧普惠应用。相对而言AI服务器的体量是百万~千万数量级，而小算力的MCU则是数百亿数量级，嵌入式AI在绿色节能、人机交互、故障预测、安全防护等行业显示出巨大的潜力。

在嵌入式AI技术中，AI和MCU的关系是相互促进、共同发展的，而嵌入式AI的难度也恰恰来自AI与MCU两个技术分方向的跨界与结合。海思在AI和MCU领域都有近十年的积累和丰富应用经验，致力于将以往经验和技术积累应用于小算力AI场景，和行业伙伴一起联合创新、创造增量价值。