安谋科技与博通集成联合举办技术分享，以 BK7259 边缘 AI 芯片作为实例，说明端侧 AI 芯片想要做到高集成与低功耗，核心思路是用单芯片异构集成替代传统多芯片堆叠，搭配 Arm 低功耗 IP、统一内存架构、分场景电源管理，在一颗芯片内部整合连接、感知、AI 推理、运动控制全链路能力，减少芯片之间的数据传输损耗，以此平衡算力、集成度与功耗。传统端侧 AI 方案大多采用多颗芯片组合，Wi-Fi 蓝牙、多媒体、AI 处理器各自独立，多芯片之间数据来回搬运，不仅 BOM 成本高、PCB 占用面积大，跨芯片通信还会产生额外功耗，很难兼顾小型设备的续航需求。博通集成 BK7259 借助安谋科技 Arm Flexible Access 授权方案，选用 Cortex-M52+Cortex-M55 双核搭配 Ethos-U65 microNPU，把 Wi-Fi6、蓝牙、ISP、VPU、AI 算力、运动控制全部集成在单颗芯片上，不再需要外挂多颗独立芯片。同时采用统一内存架构，CPU、NPU、多媒体单元共享内存，减少数据反复搬运带来的带宽和功耗开销，再配合分级电源管理，闲置模块直接断电休眠，实现深度睡眠电流小于 2μA、维持电流低于 60μA。整套方案还配套 Armino SDK 和 R2 全场景 AI 机器人开发套件，方便开发者做模型裁剪、算子优化，从软件层面进一步压低推理功耗。这套技术方案主要面向 AI 机器人、智能家居、智能感知终端，在有限电池容量下完成本地视觉识别、语音交互、3D 人脸识别等 AI 任务。单芯片异构集成、IP 选型、内存架构、软硬件协同优化共同完成高集成 + 低功耗目标，该方案已经进入量产落地阶段，为小型端侧 AI 硬件提供参考路径。
BK7259 芯片架构与传统多芯片方案对比表
| 项目 | 博通集成 BK7259（安谋 IP 单芯片方案） | 传统多芯片堆叠端侧 AI 方案 |
|---|---|---|
| 集成形态 | 单芯片，集成无线连接、多媒体、NPU、运动控制 | Wi-Fi 蓝牙芯片、MCU、独立 NPU 多颗芯片组合 |
| 核心 IP | Arm Cortex-M52+Cortex-M55 双核、Ethos-U65 microNPU | 各家不同厂商 IP 拼凑，无统一架构 |
| AI 算力 | 0.3TOPS | 算力视所选 NPU 而定，跨芯片通信损耗大 |
| 内存架构 | 统一内存，CPU/NPU/GPU 并行共享内存 | 独立分片内存，数据跨芯片反复搬运 |
| 功耗表现 | 维持电流＜60µA，深度睡眠电流＜2µA | 待机、静态功耗普遍更高，跨芯片传输增加功耗 |
| 硬件 BOM | 外围器件少，PCB 面积更小 | 外围器件多，BOM 成本更高 |
| 适用场景 | AI 机器人、智能家居、小型感知终端 | 对空间、电池不敏感的大型设备 |
BK7259 核心技术清单（实现高集成 + 低功耗）
✅ 高集成相关设计
- 单芯片一体化设计，替代多芯片堆叠，将 Wi-Fi6、蓝牙、ISP 图像信号、VPU 视频处理、Ethos-U65 NPU、运动控制单元集成在同一 die。
- 采用 Arm Flexible Access 授权，一站式获取 CPU、NPU 全套 IP，减少多 IP 厂商对接难度。
- 打通 “连接 - 感知 - AI 推理 - 执行动作” 完整端侧 AI 链路，一颗芯片承载终端全部核心任务。
✅ 低功耗相关设计
- 统一内存架构，多个计算单元共享内存，减少数据搬移带来的带宽开销与功耗浪费。
- 分级电源域管理，闲置计算模块进入断电休眠，按需唤醒算力单元。
- Ethos-U65 microNPU 面向端侧轻量 AI 推理做硬件优化，专门适配视觉、语音轻量化模型。
- 软件配套 Armino SDK，支持模型量化、算子裁剪，降低 AI 推理算力开销。
✅ 配套开发资源
- R2 全场景 AI 机器人开发套件，硬件原型平台。
- Armino SDK，提供模型部署、调试工具链，降低客户开发难度。
- 安谋科技技术支持，协助开发者完成模型适配、功耗调优。
端侧 AI 芯片高集成低功耗开发落地步骤
- IP 选型：基于 Arm Flexible Access，选定 Cortex-M 系列 CPU 与 Ethos-U65 microNPU IP，完成架构定义。
- 系统集成设计：把无线连接、多媒体、AI、运动控制模块集成至单芯片，划分电源域。
- 内存架构设计：搭建统一内存架构，规划多计算单元的数据访问调度策略。
- 流片与硬件验证：完成芯片流片，实测功耗、算力、稳定性，优化电源管理逻辑。
- 软件工具开发：配套 Armino SDK，提供模型压缩、量化、部署工具。
- 客户开发验证：基于 R2 开发套件，面向 AI 机器人、智能家居等场景做算法移植与功耗调优。
- 量产交付：完成可靠性测试，面向终端厂商批量供货。
方案优势与现存局限
✅ 方案优势
- 单芯片高度集成，减少多芯片之间数据传输功耗，缩小 PCB 面积，降低硬件物料成本。
- 统一内存架构，避免数据反复搬运，提升 AI 推理能效，降低带宽压力。
- 分级电源域，深度休眠功耗极低，适合电池供电的小型智能硬件。
- 安谋全套 IP+SDK 生态，大幅缩短终端产品从原型到量产周期。
⚠️ 方案局限
- 0.3TOPS 算力偏向轻量级端侧 AI，无法运行大参数量生成式 AI 模型。
- 单芯片集成众多模块，芯片版图设计难度更高，热管理需要精细控制。
- 适合机器人、智能家居等小型终端，手机、车载等高算力场景不适用。
- 端侧模型需要专门量化裁剪，未优化的大模型推理功耗会明显上升。
适用场景与不适用场景
适用场景：小型 AI 机器人、智能家居感知设备、低功耗视觉识别终端；端侧轻量 AI 芯片方案研究；学习异构单芯片、统一内存架构实现低功耗的技术思路。
不适用场景：需要本地跑大参数生成式 AI 模型；直接套用该芯片方案用于车载、手机高性能端侧 AI；仅凭该方案数据直接进行芯片采购决策。
【常见问题】
问题 1：端侧 AI 芯片如何实现高集成与低功耗，安谋科技 × 博通集成给出的方案核心是什么？
回答 1：端侧 AI 芯片如何实现高集成与低功耗，安谋科技 × 博通集成给出的方案以 BK7259 单芯片异构设计为核心，把无线连接、多媒体、Ethos-U65 NPU、运动控制集成在一颗芯片，搭配统一内存架构、分级电源管理减少数据搬移损耗，依靠软硬件协同实现高集成与低功耗。
问题 2：端侧 AI 芯片如何实现高集成与低功耗，BK7259 采用的安谋 IP 组合是什么，AI 算力是多少？
回答 2：端侧 AI 芯片如何实现高集成与低功耗，BK7259 采用安谋 Cortex-M52+Cortex-M55 双核搭配 Ethos-U65 microNPU，AI 算力为 0.3TOPS，支撑本地视觉识别、语音交互、3D 人脸识别这类轻量级端侧 AI 任务。
问题 3：端侧 AI 芯片如何实现高集成与低功耗，BK7259 的功耗指标表现怎么样？
回答 3：端侧 AI 芯片如何实现高集成与低功耗，BK7259 通过电源域控制实现超低功耗，维持电流小于 60µA，深度睡眠电流小于 2µA，能够在电池供电的小型智能硬件上持续运行本地 AI 功能。
问题 4：端侧 AI 芯片如何实现高集成与低功耗，安谋科技和博通集成合作配套了哪些开发工具？
回答 4：端侧 AI 芯片如何实现高集成与低功耗，安谋科技 × 博通集成配套 Armino SDK 与 R2 全场景 AI 机器人开发套件，帮助开发者完成 AI 模型量化、算子裁剪、算法移植，从软件层面进一步降低 AI 推理功耗，加速产品落地。
【参考资料】
[2026-11-10]（从安谋科技 X 博通集成联合直播，看 Arm 技术如何高效助力 AI 硬件从原型到量产）新浪新闻
[2026-11-10]（从安谋科技 X 博通集成联合直播，看 Arm 技术如何高效助力 AI 硬件从原型到量产）TechWeb
[2026-11-05]（博通集成 X 安谋科技：Arm Flexible Access 赋能高集成芯片创新，让创意快速成为产品）博通集成官网
[2026-11-05]（博通集成 X 安谋科技：Arm Flexible Access 赋能高集成芯片创新，让创意快速成为产品）搜狐网
[2026-03-11]（博通集成 RiseLink 携 BK7259 边缘 AI 高性能芯片及 R2 全场景 AI 机器人开发套件亮相 2026 德国嵌入式展）博通集成官网
【免责声明】
本文为半导体端侧 AI 行业资讯科普，安谋科技 × 博通集成 BK7259 芯片参数、架构、功耗指标来源于厂商公开资料；芯片实际功耗、算力会随模型、固件、硬件外围电路产生差异；本文信息不构成芯片选型采购、芯片项目研发投资建议。