Synaptics ha presentado la nueva familia de microcontroladores Astra SR200, diseñada para ejecutar inteligencia artificial multimodal directamente en dispositivos de bajo consumo. La compañía introduce la denominación xMCU para describir una arquitectura que combina núcleos Arm, aceleración neuronal y memoria DRAM de alta capacidad integrada en el mismo encapsulado, evitando depender de procesadores de aplicaciones más complejos.
La serie está formada por tres modelos, SR210, SR230 y SR250, con potencias de cálculo de entre 200 y 400 GOPS, e incorpora la tecnología Coral NPU de Google Research mediante el motor Synaptics Torq AI. Su objetivo es ejecutar modelos de voz, visión y análisis de sensores en dispositivos como wearables, cámaras inteligentes y sistemas industriales, sin necesitar una conexión permanente a la nube.
Tres microcontroladores con hasta 400 GOPS y núcleos Arm Cortex-M85
La nueva familia Astra SR200 combina un núcleo Arm Cortex-M85 de alto rendimiento con otro Cortex-M52 orientado a tareas de bajo consumo. Según Synaptics, se trata de la primera implementación comercial que reúne ambos diseños, permitiendo distribuir las cargas entre procesamiento intensivo, control del sistema y operaciones que deben permanecer activas continuamente.
El Cortex-M85 puede alcanzar 800 MHz, mientras que el Cortex-M52 se encarga de actividades menos exigentes, como la supervisión de sensores y determinadas funciones de conectividad. Los microcontroladores también disponen de dominios de alimentación independientes, diseñados para mantener activos únicamente los bloques necesarios en cada momento.
Las tres variantes comparten una arquitectura y un entorno de desarrollo común, además de ser compatibles a nivel de pines, lo que facilita adaptar un producto a diferentes necesidades de procesamiento.
| Modelo | Rendimiento de IA | Características principales |
|---|---|---|
| Astra SR210 | 200 GOPS | Reconocimiento de voz y sensores permanentes de bajo consumo |
| Astra SR230 | 300 GOPS | Procesamiento de imagen, pantalla y audio opcional |
| Astra SR250 | 400 GOPS | Dos canales de visión y pantalla para aplicaciones multimodales avanzadas |
Los valores anunciados corresponden a miles de millones de operaciones por segundo (GOPS) y representan la capacidad nominal de aceleración neuronal. No equivalen directamente al rendimiento que alcanzarán los dispositivos comerciales, ya que la velocidad de inferencia dependerá del modelo utilizado, su precisión numérica y la optimización del software.
Hasta 8 MB de SRAM y memoria DRAM integrada de alta capacidad
Uno de los principales cambios introducidos por Synaptics es la incorporación de memoria DRAM personalizada dentro del encapsulado del microcontrolador, una solución que permite ampliar considerablemente la capacidad disponible sin recurrir a los módulos externos habituales en sistemas más potentes.
La arquitectura combina hasta 8 MB de SRAM con memoria DRAM de alto ancho de banda ampliable a cientos de megabytes. Esta configuración está diseñada para alojar modelos de inteligencia artificial de mayor tamaño y trabajar con datos procedentes de cámaras, micrófonos y sensores, tareas que normalmente superan las capacidades de memoria de un microcontrolador convencional.
Synaptics asegura que su implementación de DRAM puede ejecutar determinadas cargas con un tercio del consumo de una memoria de sistema convencional. Sin embargo, la compañía no acompaña esta afirmación con benchmarks independientes ni detalla una configuración completa que permita reproducir la comparación. Además, el dato se refiere al consumo asociado a la memoria y sus cargas de trabajo, no a una reducción garantizada del 67% en el consumo total del dispositivo.
La integración también busca simplificar el diseño de placas electrónicas, al reducir la necesidad de añadir chips de memoria independientes. No obstante, la ventaja económica dependerá del coste del encapsulado, la capacidad elegida y los requisitos de cada producto, aspectos para los que todavía no se han publicado comparativas comerciales completas.
Coral NPU de Google Research permite ejecutar modelos de voz y visión
La aceleración neuronal corre a cargo de Synaptics Torq AI, un motor que incorpora la arquitectura Coral NPU desarrollada por Google Research. Está preparado para procesar redes neuronales convolucionales, modelos transformer y otras estructuras utilizadas en reconocimiento de imágenes, análisis de audio y procesamiento de información contextual.
En el apartado de software, la plataforma utiliza un compilador de código abierto basado en MLIR e IREE, compatible con formatos y herramientas habituales de aprendizaje automático. Esta aproximación busca facilitar la adaptación de modelos sin depender exclusivamente de compiladores propietarios, aunque cada implementación seguirá necesitando optimizaciones para aprovechar las características del acelerador.
El conjunto también admite Zephyr RTOS, un sistema operativo en tiempo real orientado a dispositivos integrados. Además, determinados modelos pueden incorporar un DSP Cadence Tensilica HiFi 5, destinado a acelerar operaciones de audio y reconocimiento acústico sin mantener permanentemente activo el núcleo de mayor rendimiento.
Seguridad por hardware, Ethernet de 1 Gbps y conectividad industrial
La serie Astra SR200 integra un subsistema de seguridad por hardware que proporciona aislamiento, aceleración criptográfica, arranque seguro, detección de manipulaciones y gestión del ciclo de vida del dispositivo. Estas características están orientadas a proteger los datos y controlar la ejecución del software desde el inicio del sistema.
Synaptics indica que la arquitectura está diseñada conforme a los objetivos de certificación PSA Level 3 y Common Criteria EAL4+. Sin embargo, el comunicado de lanzamiento no aporta certificados independientes para todas las variantes, por lo que no debe interpretarse automáticamente que los tres modelos hayan completado ambos procesos de evaluación.
En conectividad, los microcontroladores incorporan interfaces USB 2.0, SPI, I2C, I3C, UART, SDIO y eMMC, además de numerosas conexiones GPIO de bajo consumo. Esta variedad permite integrarlos con diferentes sensores, sistemas de almacenamiento y componentes de control sin utilizar necesariamente controladores externos adicionales.
Las variantes industriales añaden Ethernet de 1 Gbps con funciones de sincronización IEEE 1588 y soporte TSN, junto con dos interfaces CAN-FD. Estas características permiten gestionar comunicaciones con requisitos temporales más estrictos, especialmente en automatización, equipos industriales y sistemas de robótica.
Inteligencia artificial local para wearables, cámaras y sistemas industriales
La nueva familia está dirigida a dispositivos que necesitan interpretar continuamente información procedente de su entorno. Entre sus posibles aplicaciones figuran gafas inteligentes, cámaras conectadas, sensores alimentados mediante batería, sistemas de reconocimiento de voz y equipos industriales capaces de analizar imágenes localmente.
Procesar esa información directamente en el dispositivo puede reducir la dependencia de servidores externos y evitar determinadas transferencias de datos a la nube, algo relevante para aplicaciones sensibles a la latencia o la privacidad. Sin embargo, estas ventajas dependerán también del diseño del producto final, la gestión de los datos y las capacidades reales del modelo de IA utilizado.
Synaptics también ha anunciado una placa de desarrollo Coralboard SR basada en el Astra SR250, con hasta 256 MB de DRAM personalizada, destinada a facilitar las pruebas de aplicaciones multimodales. Esta plataforma complementa el ecosistema de desarrollo conjunto con Google Research y permite a los fabricantes evaluar los microcontroladores antes de integrarlos en sus propios productos.
Por ahora, Synaptics no ha comunicado precios individuales ni un calendario detallado de disponibilidad comercial para los tres Astra SR200. La principal novedad técnica reside en la combinación de aceleración neuronal, memoria integrada de alta capacidad y procesamiento de bajo consumo. Su competitividad frente a otros microcontroladores y procesadores para Edge AI deberá evaluarse mediante pruebas de rendimiento, autonomía y coste en dispositivos reales.
Vía: TechPowerUp
