Nordic nRF54LM20B：首款集成 NPU 的 nRF54L

Nordic nRF54L 系列首款集成 NPU（神经网络处理单元）的 SoC：nRF54LM20B。跟 nRF54LM20A 相比，LM20B 多了 Nordic 自研的 Axon NPU，专为端侧 ML 推理加速设计。

为什么要在 BLE 芯片里塞 NPU

传统 Cortex-M 跑 TensorFlow Lite / ONNX 模型已经够用，但功耗和延迟是瓶颈：

• BLE 芯片深度睡眠 1-5 μA，但 ML 推理一次要几毫安 × 几十毫秒
• 推理一次电池就少几微安时
• 延迟 50-100 ms 也不适合”实时响应”场景

NPU 解决的问题：在 Cortex-M 之外，加一个专做矩阵乘法和卷积的小处理器（Cortex-M 跑不动的高强度数学，NPU 来做），让 ML 推理的能效和延迟下降一个数量级。

关键数据

• 15 倍速度提升（vs CPU 跑 TensorFlow Lite）
• 8 倍能效提升（vs 竞品）
• 7 倍速度提升（vs 竞品）
• 推理模型大小：从几 MB 压到 5 KB（用 Nordic 的 Neuton 工具）

5 KB 模型大小对 BLE 芯片很关键——可以常驻在 2 MB NVM 里，运行时直接调用。

硬件结构

nRF54LM20B 在 nRF54LM20A 的基础上多了 Axon NPU，其他基本一致：

• CPU 1：128 MHz Arm Cortex-M33（应用）
• CPU 2：128 MHz RISC-V 协处理器（外设 / 实时任务）
• NPU：Axon（Nordic 自研）— 矩阵乘 + 卷积 + 部分 RNN
• 内存：2 MB NVM + 512 KB RAM
• 无线：BLE 6.0（含 Channel Sounding）/ Matter / Thread / Zigbee / NFC / 802.15.4 / 2.4 GHz 私有
• 安全：PSA 3 级 + TrustZone + 加密加速 + 篡改检测
• 封装：QFN-48（6×6 mm）

适合哪些场景

Axon NPU 的目标场景都是”端侧实时反应”：

• 手势识别：手环 / 戒指 / AR 控制器
• 异常检测：振动传感器 / 工业设备监控
• 声音关键词：智能门锁 / 智能音箱
• 生物特征：心率 / ECG / 血氧

这些场景的共同点：事件触发 + 实时响应——要求毫秒级延迟、低功耗、模型常驻。

几个观察

1. nRF54LM20B vs nRF54LM20A — 唯一区别是 NPU

nRF54LM20A 和 nRF54LM20B 是同一代产品，唯一的硬件差异是 NPU。没有 NPU 的 LM20A 也能跑 ML（用 CPU），但有 NPU 的 LM20B 跑起来快 15 倍、省电 8 倍。

如果产品不需要本地 AI（多数信标、传感器节点、Matter 设备都不需要），LM20A 就够，省成本。需要本地 AI 才上 LM20B。

2. 与矽递 XIAO 的关系

矽递 Seeed Studio XIAO nRF54LM20A / Sense 是基于 nRF54LM20A 的紧凑板。未来会有 XIAO nRF54LM20B Sense（Q3 2026 末），同样小尺寸 + NPU + IMU + 麦克风 + Matter / Thread 支持。矽递确认了 XIAO nRF54LM20B 在规划中。

3. AI 在 BLE 芯片上的”什么时候值得”

并不是所有 IoT 设备都需要 NPU。判断标准：

NPU 不是为了”跑大模型”，而是为了”在 BLE 芯片功耗预算下跑 5 KB 模型做实时响应”。

收尾

nRF54LM20B 的意义不在 NPU 本身，而在于 “BLE 芯片也能做边缘 AI”。过去这件事要么做不到（用 Cortex-M 跑模型太慢太费电），要么需要外挂 AI 芯片（贵、占板、吃电）。nRF54LM20B 把这件事塞进了一颗 6×6 mm 的封装里。

已量产。需要本地 AI 的 IoT 设备，从这里开始。

*图片来源：Nordic 官方 nRF54LM20 DK 开发板。*