一般認為，在需要數字信號處理時（在調制解調器的物理層、智能揚聲器的麥克風波束形成或跟蹤設備的地理定位時）要使用DSP。如果需要數字控制（運行協議棧或管理音頻編解碼器或GNSS的控制方面），則要使用MCU。由于典型的物聯網設備需要這兩種功能，因此必須使用兩個或更多內核。對于對續航時間要求不高的高利潤設備，這也許不是什么大問題，但對許多物聯網應用而言這可能是一個嚴重缺點。對于這類應用，經優化的復合處理器可以更經濟高效地滿足這兩種需求，并延長設備續航時間。我們對此進行了非常詳細的分析；我們認為這樣的解決方案不僅可行，而且在各種物聯網應用中具有很強的競爭力。

想想共享單車或共享踏板車。這些設備顯然需要跟蹤，因此嵌入式設備必須能夠確定位置，針對這個問題的現代解決方案是使用GNSS（全球導航衛星系統）。它還必須能夠進行通信，由于通常遠離藍牙網或Wi-Fi接入點，因此蜂窩接入是理想平臺。由于不需要傳遞大量數據，NB-IoT是最理想的協議。考慮到用戶對安全性和隱私性的需求增加，還需要一定程度（可能遠多于預期）的本地計算。

這樣一來，你的簡單設備必須支持4G（可能是5G）、GNSS、應用程序和加密，也許還需要安全區/安全啟動。但是，你計劃將數以千計的這類設備投放到許多城市的許多地點，能否提供最佳可用性和具競爭力的價格將決定企業的存亡。因此，盡可能降低成本和能耗（減少維護）成為決定企業存亡的關鍵。

我們認為應該特別關注這些應用中的計算需求，特別是數字信號處理和數字控制的平衡。我們首先研究了NB-IoT連接、GNSS和安全標準的基礎算法。我們將以約100MHz運行的資產跟蹤器應用程序的活動分解為DSP功能（基帶調制解調器和物理層控制的某些部分）和控制功能（協議棧、安全性和一般系統管理）。對于NB-IoT不經常通信的輕量級應用程序，我們發現時鐘周期的消耗構成如下：

調制解調器PHY（主要是DSP）- 約35％

L1控制（DSP和控制）- 約25％

協議棧（主要是控制）- 約40％

在此，信號處理和控制的時鐘周期分布非常均勻，說明合并處理器是合理之舉。如果不能同時運行這兩種功能，是否會影響性能？其實不會。這些都不是高性能應用程序。在需要處理速度的情況下（比如最新eNB-IoT版本），通常可通過將功能排序降低凈能耗。讓每個功能依次快速運行和停止，這是能源管理的常見做法。

為擴展我們的分析范圍，我們研究另一種熱門應用——聲音處理和語音控制。想想智能揚聲器、無線耳塞、可穿戴設備、聲控設備以及由特殊噪音（如玻璃破碎）激活的安全設備。這些應用具有不同的需求組合：音頻編解碼器（如杜比音樂播放）、語音/聲音拾取降噪、以及用于識別觸發短語甚至有限詞匯以便進行設備控制的神經網絡處理。

在此，我們使用杜比全景聲（Dolby Atmos）以及內部降噪和語音識別基準來按時鐘周期分析活動，并發現以下大致分布：

音頻編解碼器- 控制占70％ ，DSP占30%

降噪–DSP（許多濾波器）占90%，控制占10%

RNN / LSTM神經網絡- DSP占60％，控制占40％

這些用例更多地偏向DSP活動，但控制活動仍占一定比例，因此采用組合核心是合理做法。

在一個處理器中組合兩個功能的理由看起來非常充足，但這不僅僅是將一些MAC納入控制器。DSP必須達到嚴格的DSP應用標準，比如最新通信標準。因此，它需要16x16和32x32 MAC、SIMD以及對GNSS需要的浮點和雙精度浮點的本地支持。隨著NB-IoT和不同GNSS標準的不斷發展，該架構必須特別靈活，以便在軟件層面進行調整。同時，這樣的解決方案必須作為控制器高效運行、代碼尺寸非常緊湊（很多數字處理DSP在這方面效率不高）和高效的開箱即用C語音開發支持，以便連接既有代碼或者開放生態系統代碼。

我們基于這一理念開發出CEVA-BX1和CEVA-BX2內核。最近的Linley Group報告中對它們進行了審核。該報告提供了詳細技術細節，并說明平臺可獨自執行（對另一種解決方案）需要DSP IP和MCU IP一起才能完成的任務。這值得任何關注能耗和成本的人深思。