瑞萨丨2026“瑞萨杯”信息科技前沿专题赛决赛开赛-Ameya360 electronic components purchasing network

瑞萨丨2026“瑞萨杯”信息科技前沿专题赛决赛开赛

Release time：2026-05-12

author：AMEYA360

source：瑞萨

reading：543

　　全球半导体解决方案供应商瑞萨电子(TSE：6723)今日宣布，由瑞萨独家冠名赞助的第五届全国大学生电子设计竞赛“瑞萨杯”信息科技前沿专题赛(以下简称：AITIC)决赛已于近期正式启动。AITIC是全国大学生电子设计竞赛大框架下设立的一项针对信息技术领域发展的专题竞赛，旨在鼓励大学生围绕信息科技前沿领域开展创新实践，培养面向新兴产业和未来产业的工程技术人才。

瑞萨丨2026“瑞萨杯”信息科技前沿专题赛决赛开赛

　　全国大学生电子设计竞赛信息科技前沿专题赛分区赛

　　本届竞赛主题为“瑞萨MCU助力新兴产业和未来产业”，采用开放式竞赛方式。参赛学生在竞赛组委会指定的主题下，基于瑞萨电子产品完成作品并提交，最终由竞赛专家组进行评测并报组委会批准决定最终获奖结果。

　　本届竞赛继续采取“分区初选+全国决赛”的竞赛形式，初赛涉及新兴产业和未来产业领域的测控技术，收到来自全国各地231所高校的575支参赛队伍报名，并于4月决出188支参赛队伍进入全国决赛，参与今年“瑞萨杯”的角逐。

　　决赛涵盖四大前沿方向：

　　①基于视觉、听觉、嗅觉、味觉和触觉的智能感知;

　　②面向低空经济的前沿科技;

　　③“眼手力”机器人作业;

　　④简易AI超算装置。

　　针对此次竞赛，瑞萨电子提供了两套开发套件。分区初赛使用RA6M5，其基于高性能的200MHz Arm® Cortex®-M33内核，具有高达2MB代码闪存(带后台和SWAP操作)、8KB数据闪存以及512KB SRAM(带奇偶校验/ECC)，非常适合用于需要高安全性、丰富连接以及大容量嵌入式RAM(用于连接堆栈)的物联网应用。全国决赛则采用性能更为强大的RA8P1 CPK评估板，该评估板集成的RA8P1 MCU是瑞萨首款32位AI加速微控制器，集成高性能Arm® Cortex®-M85(支持Helium™向量扩展)与Ethos™-U55 NPU，提供256GOPS的AI性能和超过7300 CoreMark的CPU性能，支持语音、视觉及实时分析等AI应用。评估板配备大容量存储器、多路外部存储接口和专为AI优化的丰富外设，与本届AITIC全国决赛所聚焦的智能感知、简易超算、低空经济以及机器人应用方向高度兼容。除了提供比赛专用的开发套件，瑞萨还为参赛同学提供线上培训、论坛等多种形式的支持，方便答疑解惑和交流。

　　新十年合作启航

　　根据全国大学生电子设计竞赛组织委员会与瑞萨电子最新签署的长期合作框架协议，双方合作将延续至2037年，持续深耕信息科技前沿专题赛。未来十年，瑞萨电子将继续为竞赛提供独家赞助与冠名支持，每逢双数年举办一届，携手推动中国电子信息类专业人才培养与产教融合。

　　瑞萨电子中国总裁刘芳表示：“瑞萨电子将继续与大赛组委会携手，持续通过竞赛培养高素质专业人才。同时，瑞萨将持续强化与中国科研院所的合作，通过瑞萨领先的半导体产品与技术支持，共同探索AI、机器人、智能感知、新能源汽车等前沿科技，为中国电子产业创新注入新动能。”

　　本届竞赛的全国决赛将于2026年8月在长春理工大学举行，届时将决出“瑞萨杯”及各级奖项，并举办颁奖仪式。期待晋级团队在决赛中突破边界、大胆创造，以扎实的作品展现新生代工程师的无限可能!

　　瑞萨电子将一如既往扎根中国，携手高校共育嵌入式技术新锐，助推信息科技前沿创新浪潮。

瑞萨丨2026“瑞萨杯”信息科技前沿专题赛决赛开赛

（"Note: The information presented in this article is gathered from the internet and is provided as a reference for educational purposes. It does not signify the endorsement or standpoint of our website. If you find any content that violates copyright or intellectual property rights, please inform us for prompt removal."）

行业新闻

瑞萨丨技术干货｜解决方案套件概念：AI赋能的智能电动自行车——重塑城市出行与智能交通

　　电动自行车正在迅速重塑城市出行方式。作为汽车之外更可持续、更灵活的选择，电动自行车不仅有助于缓解交通拥堵，也符合绿色低碳的发展趋势。随着电动自行车技术的不断进步和普及，用户对安全性、可靠性和智能辅助功能的期待也在持续提升。　　然而，无论是传统机械自行车还是电动自行车，当前仍高度依赖骑手的主动感知以及按计划进行的维护保养。许多机械问题往往是逐步演变的，在性能明显下降或故障真正发生之前，几乎没有预警信号。这种被动式维护方式容易导致意外故障、更高的维修成本，甚至带来潜在的安全隐患。　　瑞萨通过AI赋能的智能电动自行车概念方案应对这些挑战。该方案基于嵌入式边缘人工智能(AI)，在自行车本体上即可实现预测性维护、智能骑行辅助、环境感知以及电池管理优化，无需依赖云端连接。　　嵌入式边缘AI实现预测性与智能骑行　　智能电动自行车的核心由Renesas AIK-RA8D1 AI开发套件驱动。该套件基于RA8D1微控制器(MCU))，这是一款面向实时嵌入式AI应用设计的高性能Arm® Cortex-M85® MCU。借助Renesas Reality AI Tools®，开发者可以部署高度优化的AI模型，使其完全运行于MCU本地，无需云端计算支持。　　这种系统架构在实现更安全、更高效骑行体验的同时，也有效控制了功耗和系统成本，非常适合大规模部署于智能出行设备中。　　AI赋能的智能电动自行车围绕以下两大核心能力，全面提升骑行体验:　　AI驱动的状态监测　　更顺畅、更安全的骑行体验，全面提升用户感受　　瑞萨电动自行车概念　　AI驱动的状态监测　　无论是传统自行车、电动自行车，还是共享出行车队中的自行车，本质上都是精密的机械系统。其性能高度依赖于关键部件的健康状况，包括链条、齿轮、轴承以及车架连接部位。随着时间推移，这些部件会因机械应力、环境影响以及骑行工况而逐渐磨损和劣化。　　传统的维护方式通常依赖定期人工检查或基于里程的保养周期。这些方法往往不够精准且偏被动，容易导致突发故障，增加维护成本和运营风险。　　通过将AIK‑RA8D1与加速度传感器直接集成到自行车中，实时AI驱动的状态监测成为可能。系统可持续分析振动特征和运动模式，及早发现机械性能退化的迹象。　　关键预测性维护功能包括：　　链条劣化检测(Chain Deterioration Detection)——系统监测传动系统的振动模式。当振动特征偏离正常状态时，可在性能明显下降之前识别出链条过度磨损或润滑异常问题。　　齿轮异常检测(Gear Anomaly Detection)——AI模型可识别由齿轮齿面磨损、损坏或变速器对位异常引起的异常振动模式，实现早期干预。　　轴承失效检测(Bearing Failure Detection)——轴承在劣化过程中会产生特定的高频振动特征。系统可在出现可听噪声或严重机械损伤之前就检测到这些异常。　　车架结构监测(Frame Structure Monitoring)——通过振动分析，还可识别车架的松动或结构性变化，从而提升骑行安全性并延长整车使用寿命　　瑞萨如何实现智能自行车监测　　要构建高精度的状态监测AI模型，必须采集涵盖正常运行状态和多种机械故障状态的数据集。　　为此，系统采用AIK-RA8D1 AI开发套件，并通过Pmod™模块连接外部加速度传感器。开发套件和传感器均直接安装在自行车上，在真实骑行场景中采集振动和运动数据。　　数据集采集通过Data Storage Tools完成。该工具可作为插件集成在Renesas e² studio中，也可作为独立应用供第三方IDE用户使用工具可实时采集加速度传感器的原始数据，并进行存储，用于后续的数据标注和AI模型训练。　　Figure1.Training Set-up　　AI模型开发与部署　　在完成数据标注并上传至Renesas Reality AI Tools后，可利用云端AutoML功能训练和评估多个AI模型，并针对RA8D1 MCU进行部署优化。　　最终选定的模型能够识别七种系统状态：　　电动自行车状态：识别空闲与静止状态　　链条运行状态：识别正常的正向与反向链条运动　　齿轮异常：基于变速器位置检测两种故障状态　　后轮结构状态：识别潜在的后轮松动问题　　该优化模型在仅占用5KB内存的情况下，实现了99.63%的识别准确率，可高效运行于RA8D1 MCU上。　　Figure2.Model Development to Deployment Flow　　部署完成后，推理结果可通过集成在e² studio开发环境中的AI Live Monitor工具进行实时监控。　　AI增强型骑行智能　　除状态监测外，AIK RA8D1还可作为智能电动自行车计算核心，充当中央处理节点，分析来自电机、电池及各类传感器的数据——支持在有或无额外传感硬件的情况下运行。　　AI赋能的骑行功能示例包括：　　载荷分布检测——通过分析振动与运动信号，系统可估算骑手及货物的重量分布。据此推荐或自动调整坐垫位置，以提升舒适性和踩踏效率。　　路面类型识别(Surface Detection)——AI模型可识别沥青路、碎石路或不平整地形。并根据路况动态调整电机扭矩和功率输出，从而提升稳定性与能效。　　目标检测，实现更安全骑行(Object Detection for Safer Riding)——结合视觉传感器时，AI模型可识别周围车辆与障碍物，在盲区来车时触发预警。　　“See with Sound”的空间感知能力——通过麦克风阵列，系统可估算周围车辆的来向，并向骑手提供空间方位提示，而无需持续视觉关注。　　推动下一代智能出行　　AI驱动的智能电动自行车方案充分展示了嵌入式边缘AI对个人出行和共享交通的变革潜力。通过将预测性维护与环境感知能力直接集成到自行车中，制造商能够打造更安全、更可靠、更高效的出行解决方案。　　瑞萨AI技术致力于帮助客户基于可扩展的边缘AI平台，构建适用于实时嵌入式部署的智能出行系统。　　告别突发故障，从瑞萨开始打造更智能、更安全的自行车。　　准备好将AI驱动的状态监测引入骑行领域了吗?

2026-06-02 09:56 reading：316

model	brand	Quote
CDZVT2R20B	ROHM Semiconductor
MC33074DR2G	onsemi
TL431ACLPR	Texas Instruments
RB751G-40T2R	ROHM Semiconductor
BD71847AMWV-E2	ROHM Semiconductor

model

brand

Quote

ROHM Semiconductor

onsemi

Texas Instruments

ROHM Semiconductor

ROHM Semiconductor

model	brand	To snap up
ESR03EZPJ151	ROHM Semiconductor
STM32F429IGT6	STMicroelectronics
TPS63050YFFR	Texas Instruments
BP3621	ROHM Semiconductor
BU33JA2MNVX-CTL	ROHM Semiconductor
IPZ40N04S5L4R8ATMA1	Infineon Technologies

model

brand

To snap up

ROHM Semiconductor

STMicroelectronics

Texas Instruments

ROHM Semiconductor