这要视具体产品和应用场景而定。即使是低功耗、低主频的单片机，例如 48 MHz 或更低至 20 MHz，也可以实现某些 AI 功能，特别是在 AIoT 等边缘计算领域。
如果聚焦于某个小型关键应用，比如预测性维护，就可以通过简单的机器学习模型来实现。例如，在监测电机运行状态时，通过采集其震动、电流等参数，判断其是否即将出现故障。我们可以先在计算机上训练模型，再将其烧录到单片机中，即使是 8 位 MCU，也能周期性地进行推理判断。
这类 AI 应用属于轻量级模型推理，适合部署在边缘节点。入门级的 32 位 MCU（如 Arm® Cortex®-M0+），也能胜任这类任务。若希望在 MCU 上实现更复杂的 AI 功能，则可能需要引入专用的神经处理单元（NPU）或其他硬件加速模块。
总的来说，不同位数和架构的单片机在 AI 应用中的定位和适用范围各不相同，从 8 位到 64 位甚至多核处理器，都是根据性能需求来选择合适的方案。
【直播回放】轻松迈入32位时代：经济高效的Arm® Cortex®-M0+解决方案
PIC32CM GV 低功耗 32 位 MCU - Microchip | DigiKey