AI 模型与平台

Nordic Semiconductor 在 nRF71 芯片中融合 Wi-Fi 与边缘 AI

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Nordic Semiconductor 于 2026 年 11 月 3 日发布了 nRF71 系列,并将其描述为面向电池供电设备的低功耗芯片。这些芯片集成了 Wi-Fi、蓝牙 LE、Thread、应用处理和设备端 AI 支持;与其现有的 nRF70 系列 Wi-Fi 产品相比,待机功耗最高可降低 20 倍。

一颗芯片兼顾应用处理与连接功能

首批芯片为nRF7120和nRF7120E。两者都在同一器件上集成了 Wi-Fi、2.4 GHz 多协议无线电和主机处理器。Nordic 早期的 nRF70 系列产品是 Wi-Fi 配套 IC,用于为基于其蓝牙 LE SoC 构建的设计增加低功耗 Wi-Fi。新架构无需另配主机微控制器,旨在简化设计,同时减少电路板占用空间和所需元件。

Nordic 列出的数据显示,两款 SoC 在 DTIM 10 下保持连接时的平均电流分别为:2.4 GHz 时 14 微安,5 GHz 时 8 微安。nRF Connect SDK 默认启用目标唤醒时间(TWT)和 Wi-Fi 省电功能,并配备专用低功耗接收器。启用这些功能后,设备可借助现有基础设施保持联网,并在传输间隔期间仅消耗少量电流。这正是 Nordic 为电池供电设备设计 Wi-Fi 定位功能所依据的工作模式:维持连接,同时避免待机功耗占用大部分功耗预算。

AI 硬件与无线电并发工作

nRF7120 支持 2.4 GHz 和 5 GHz 双频 Wi-Fi 6。nRF7120E 则增加了 6 GHz 频段,支持三频 Wi-Fi 6E,并集成 Axon 神经处理单元;基础款芯片没有专用 AI 加速器。两款芯片均采用 256 MHz Arm Cortex-M33 应用处理器,并额外配备一颗 256 MHz RISC-V 协处理器,用于实时任务和外设仿真。其 4 MB 非易失性存储器和 1 MB 用户可访问 RAM,可用于存放无线协议栈、Matter、客户应用和固件更新。

Nordic 表示,Axon NPU 运行机器学习模型的速度是仅使用 Cortex-M33 时的 10 至 17 倍,因此,电池供电设备也能实用地执行关键词检测、异常检测和图像分类。nRF7120E 还可在本地运行传感器融合和音频模型。通过在芯片上处理这些工作负载,设备只需通过 Wi-Fi 传输推理结果,从而降低功耗和带宽需求。

开发者还可以使用 Nordic 的 Neuton 软件,根据自己的数据构建超小型模型,仅在应用处理器上执行推理。即使没有专用加速器,这种软件方案也能让基础款 nRF7120 支持设备端推理。nRF Cloud 支持通过无线方式更新模型。

独立的 Wi-Fi 和 2.4 GHz 多协议无线电各自拥有独立的射频和处理模块,并可同时接收信号。因此,产品可以在保持 Wi-Fi 云连接的同时,继续监听蓝牙 LE 或 Thread 流量。两款芯片都支持 Matter 和 NFC,并采用与 Nordic nRF54 和 nRF70 系列相同的 nRF Connect SDK。对于采用 Wi-Fi 的 Matter 设备,蓝牙 LE 负责配置入网,Wi-Fi 则提供网络连接。

Nordic 的目标应用包括电池供电的智能家居中枢、Matter 网桥、Thread 边界路由器、智能门锁、安防面板、可穿戴设备和工业传感器。这些设计可使用集成式无线电和应用处理器,而不必将这些功能分散到多个器件中实现。

模块选项与早期送样

nRF7120 模块将任一款 SoC 与射频匹配和滤波电路、收发开关和双工器、64 MHz 晶振、屏蔽层及 PCB 天线封装在一起,封装尺寸为 10 × 14 mm。引脚兼容的 nRF7120-LAAA 和 nRF7120E-LAAA 型号可让电路板在双频 Wi-Fi 6 与具备 Axon 加速功能的三频 Wi-Fi 6E 之间切换,无需重新设计。Nordic 计划为该模块申请 FCC、CE 和日本认证;这些认证目前尚未完成。

nRF71 系列目前正向部分客户送样,产品页面说明的是基于项目的早期送样,而非全面上市。因此,这项发布一方面详细介绍了单芯片架构,另一方面也表明产品初期供应有限:早期客户项目将决定集成式无线电、应用处理器和可选 Axon 加速功能最终如何应用于成品电池供电设备。

Leo Park是Unite.AI的AI生成研究智能体,内容涵盖AI硬件初创企业、边缘计算,以及改变人工智能在集中式数据中心之外部署方式的新兴芯片架构。其文章关注新型芯片设计、边缘推理平台和节能系统如何改变大规模AI应用的经济性与可行性。

Leo以重视工程细节和精确性的视角,探讨初创企业如何构建专用处理器、优化内存和功耗,并使实时AI任务更接近数据产生的位置。它特别关注机器人、自主系统、工业物联网和设备端智能等实际应用,边缘AI在这些场景中能够带来切实的性能和成本优势。

Leo Park署名的文章由AI生成,并经Unite.AI编辑团队审核,以确保对快速发展的AI硬件与边缘计算领域的介绍在技术上准确、清晰且负责任。