ROHM desarrolla microcontroladores pioneros con IA integrada

ROHM ha desarrollado microcontroladores con inteligencia artificial integrada (MCUs con IA) – ML63Q253x-NNNxx / ML63Q255x-NNNxx – que permiten predecir fallos y anticipar el deterioro de equipos mediante el análisis de datos de sensores en una amplia variedad de dispositivos, incluidos equipos industriales como motores. Se trata de los primeros* MCUs del sector capaces de realizar tanto el aprendizaje como la inferencia de forma autónoma, sin necesidad de conexión a una red. 

A medida que crece la necesidad de operar equipos y maquinaria de manera más eficiente, la detección temprana de fallos y la mejora del mantenimiento se han convertido en desafíos clave. Los fabricantes de equipos buscan soluciones que permitan monitorizar el estado de funcionamiento en tiempo real, evitando al mismo tiempo la latencia de red y los riesgos de seguridad. Sin embargo, los modelos de procesamiento de IA convencionales suelen depender de la conectividad de red y de CPUs de alto rendimiento, lo que puede resultar costoso y difícil de implementar.

Para dar respuesta a esta situación, ROHM ha desarrollado unos innovadores MCUs con IA que permiten realizar el aprendizaje y la inferencia directamente en el dispositivo, sin depender de una red. Estas soluciones autónomas permiten detectar anomalías antes de que se produzcan fallos en los equipos, contribuyendo así a un funcionamiento más estable y eficiente, al tiempo que reducen los costes de mantenimiento y el riesgo de paradas en la línea.

Los nuevos productos emplean un algoritmo de red neuronal de tres capas para implementar la solución propia de ROHM de IA en el dispositivo, denominada ‘Solist-AI’. Gracias a ello, los MCUs pueden realizar el aprendizaje y la inferencia de forma completamente independiente, sin necesidad de conectividad en la nube ni en red.

Los modelos de procesamiento de IA se clasifican generalmente en tres tipos: en la nube, en el edge y en el endpoint. La IA en la nube realiza el entrenamiento y la inferencia en servidores remotos; la IA en el edge combina sistemas locales (como PLCs o maquinaria industrial) con la nube mediante red; mientras que la IA en el endpoint realiza el entrenamiento en la nube, pero ejecuta la inferencia en dispositivos locales, por lo que sigue requiriendo conexión a red. Además, estos modelos suelen ejecutar la inferencia mediante software, lo que implica el uso de GPUs o CPUs de alto rendimiento.

En cambio, los MCUs con IA de ROHM, aunque se clasifican como IA en el endpoint, son capaces de realizar tanto el aprendizaje como la inferencia directamente en el dispositivo, gracias a su capacidad de aprendizaje local. Esto permite una adaptación flexible a diferentes entornos de instalación y a las variaciones entre unidades, incluso dentro de un mismo modelo de equipo. Incorporan el acelerador de IA exclusivo de ROHM, ‘AxlCORE-ODL’, que proporciona un procesamiento de IA hasta 1.000 veces más rápido que los MCUs tradicionales basados en software de ROHM (valor teórico a 12 MHz), lo que permite detectar anomalías en tiempo real y generar salidas numéricas que indican desviaciones del funcionamiento normal. Además, el aprendizaje rápido in situ permite su integración en equipos ya existentes.

Estos MCUs integran un núcleo Arm Cortex-M0+ de 32 bits, controlador CAN FD, PWM para control de motores trifásicos y convertidores A/D duales, con un consumo energético de tan solo 40 mW, lo que los hace ideales para la predicción de fallos y la detección de anomalías en equipos industriales, instalaciones residenciales y electrodomésticos.

La gama incluirá 16 productos con diferentes capacidades de memoria, encapsulados, número de pines y especificaciones de empaquetado. La producción en masa de 8 modelos en encapsulado TQFP comenzó de forma secuencial en febrero de 2025. Entre ellos, ya están disponibles dos modelos con 256 KB de memoria Code Flash y empaquetado en cinta, así como una placa de evaluación de MCU, a través de distribuidores online.

ROHM ha lanzado en su web una herramienta de simulación de IA (Solist-AI Sim) que permite evaluar previamente la eficacia del aprendizaje y la inferencia antes de implementar el MCU con IA. Los datos generados con esta herramienta también pueden utilizarse como datos de entrenamiento para el dispositivo real, facilitando la validación previa y mejorando la precisión de la inferencia.

Para fomentar su adopción, ROHM ha creado un ecosistema en colaboración con empresas asociadas, ofreciendo soporte completo para el desarrollo e integración de modelos. De cara al futuro, ROHM continuará ampliando este ecosistema, proporcionando entornos más accesibles mediante la asistencia en la creación de datos de entrenamiento y la propuesta de métodos óptimos de implementación.

Solución con aprendizaje en el dispositivo para IA autónoma

Solist-AI es la solución de IA en el dispositivo de ROHM, diseñada para aplicaciones de computación en el edge. Inspirada en el término musical ‘solista’ (en inglés, ‘soloist’), esta innovadora tecnología permite realizar el aprendizaje y la inferencia directamente en dispositivos edge autónomos, sin necesidad de servidores en la nube. Impulsada por la tecnología propia de aprendizaje en el dispositivo de ROHM, Solist-AI destaca por su diseño compacto y bajo consumo, contribuyendo a la expansión de una IA sostenible.

Solist-AI es una marca registrada o marca comercial de ROHM Co., Ltd.

Estos MCUs con IA integran un núcleo Arm Cortex-M0+ de 32 bits (frecuencia máxima de operación: 48 MHz) y el acelerador de IA propietario AxlCORE-ODL, que permite realizar el aprendizaje y la inferencia mediante una red neuronal de tres capas. Además, incluyen funciones versátiles como PWM para control de motores trifásicos y una amplia gama de interfaces serie como CAN FD y convertidores A/D de 12 bits, lo que facilita su integración en equipos industriales, instalaciones residenciales y electrodomésticos.

Los MCUs con IA de ROHM utilizan un núcleo estándar Arm, lo que garantiza la compatibilidad con herramientas comerciales, además del entorno de desarrollo propio de ROHM. Para evaluar el aprendizaje y la inferencia, se ofrece un simulador de verificación de operación de IA y un visor en tiempo real para comprobar la eficacia de la IA.

* ROHM June 4, 2025 study on MCU products