ST 发布 Stellar P3E：首颗内置 AI 加速器的车规 MCU
2 月 10 日，意法半导体（ST）发布 Stellar P3E。官方称其为首颗内置 AI 加速的车规微控制器（MCU），面向边缘智能。换句话说：在满足车规与实时控制要求的前提下，把神经网络推理的硬件加速直接放进了 MCU 里，而不是留给上层的域控制器或云端。
该器件面向软件定义汽车、X-in-1 电控单元、混动与电动车辆，以及车身区域（zonal）架构。所谓 X-in-1，是把过去分散在多个控制器里的功能合并进一颗器件，从而减少系统成本、重量与复杂度——这也解释了为什么车规 MCU 需要更强的算力、更大的存储与更丰富的外设。
先交代一点背景，才看得清这件事为什么现在发生。过去十年，车载电子的主线之一是「把分散的电控单元合并」：从每项功能一个盒子，到按车身区域或功能域合并成少数几个控制器。合并带来更少的线束、更轻的重量与更低的成本，代价是每颗控制器要处理的任务更多、接入的传感器更多，而这恰恰需要更聪明的信号处理——AI 的用武之地就在这里。
NPU 的位置：微秒级与「30 倍效率」
P3E 的核心卖点是集成的 ST Neural-ART 加速器：一颗采用数据流架构、专门服务 AI 负载的神经网络处理单元（NPU）。ST 给出的口径是推理以微秒级速度完成，相比传统 MCU 内核处理器最多提升 30 倍效率。这类「常开、低功耗」的推理能力，对应的是预测性维护与智能传感等需要持续运行的实时功能。
为什么把推理放在 MCU 本地做很重要？如果放到云端或域控制器，数据要出板、链路要有带宽、决策要排进队列，链路上任何一环都会带来不确定性；而在 MCU 本地完成推断，延迟可以被压到确定的范围里，也不必为此增加传感器、模块、线束与集成工作量。ST 明确提到的「虚拟传感器」就是典型例子：用模型从已有信号里推断出原本需要额外物理传感器才能测量的量，从而省掉那部分硬件。
需要说清楚的是，30 倍与微秒级都是 ST 的官方表述，衡量的是相对传统 MCU 内核执行同类推理的效率，而不是说这颗芯片能跑大型模型。换个角度看，这也说明汽车 AI 的竞争焦点短期内仍在功耗与时延，而不是模型有多少亿参数。车规场景要的恰恰是「小而确定」的推理，而不是通用大模型——模型从云端下沉到芯片上，前提是它足够小、足够可预测。
算力底座与可扩展内存
CPU 侧是 500 MHz 的 Arm Cortex-R52+ 内核。Cortex-R 系列面向实时与高可靠场景，与通用的 Cortex-M 不是同一类定位；ST 给出的指标是 CoreMark 得分超过 8000 分，称其在同类产品中最高。另一项值得留意的是 split-lock 架构——同一条指令可以由两个核锁步执行以保证安全，也可以拆开各自跑以追求性能，设计者可以在功能安全与峰值性能之间自行配比。
内存是另一半关键。P3E 集成的 xMemory 基于相变存储器（PCM），密度是传统嵌入式 Flash 的两倍，且通过车规环境认证。它的价值不在单次读写速度，而在「可扩展」：软件存储可以动态扩充以容纳新功能与新固件，而不必为了加内存重新做硬件设计——对软件定义汽车来说，「不改板子就能加功能」正是核心诉求。
还需要说清 NPU 与 CPU 的关系。NPU 不是替代 Cortex-R 内核，而是分担其中规则化的计算：确定性的控制逻辑、实时调度与安全机制仍然跑在内核上，NPU 负责的是矩阵乘加这类可以并行、可以量化的运算。两者的分工是否合理，直接决定系统的确定性能不能被保住——这也是车规 AI 与消费级 AI 芯片最根本的区别。
研发工具与量产时间
P3E 完整支持 ST Edge AI Suite，这套工具链覆盖从数据集制作到端侧部署的全过程；其中 NanoEdge AI Studio 现已可用于整个 Stellar MCU 家族。器件同时已集成进面向汽车工程师的一体化开发环境 Stellar Studio。软硬件的组合意在把边缘 AI 的部署流程标准化，而不是让每个团队各自搭一套流程。这类一体化工具链的价值在车规项目里尤其明显：从数据集到认证材料的链条越短，返工越少。
从行业角度看，这类方案的直接后果是「功能不再由硬件决定」：过去要加一项功能，往往要加一个传感器或一个控制器；现在可以在既有硬件上换一个模型来获得新行为。ST 提到整车厂可以通过不同的 AI 模型引入新功能与更直观的行为，减少额外的传感器、模块、线束与集成工作，讲的正是这个变化。
在 ST 的产品线上，这个方向是一致的：通用嵌入式侧的高性能 AI MCU 是 2024 年 12 月发布的 STM32N6——首颗带 Neural-ART 加速器的 STM32，Cortex-M55 内核 800 MHz，最高 4.2 MB RAM，带 ISP 与摄像头接口，算力约 600 GOPS。差别在于语境：N6 服务通用嵌入式，P3E 把 AI 放进了实时控制与功能安全的要求里。
当然，也要看到约束。MCU 级的存储与内存都远小于带外挂加速器的方案，模型必须经过量化与剪枝才能装进去；车规认证又限制了软件可以多频繁地更新。这些约束决定了它适合「固定任务、长期运行」的推理，而不适合频繁迭代的模型实验。
量产节奏上，ST 计划在 2026 年第四季度开始 Stellar P3E 的量产。对整车厂来说，这意味着选择窗口在 2026 年内打开，而设计与认证通常要提前很久开始，否则赶不上平台换代的时间点。由此可以给出一句判断：车规 MCU 的 NPU 化已经开始，AI 不再只是「上层的推理模块」，而成为实时控制回路里的一部分；对汽车电子团队来说，这意味着模型压缩与算力预算这些原本属于算法岗的话题，会逐步出现在 MCU 工程师的日程表上。至于它们会不会真的改变一辆车的电子架构，还要看量产客户怎么用它。