Zum Inhalt

OPEN SOURCE · VOM CHIP BIS ZUR PRODUKTION · FÜR EMBEDDED-ENTWICKLER

Bauen Sie die nächste Generation
von Embedded-Geräten

μForge.io ist eine Open-Source-Entwicklungsplattform für innovative Halbleiterlösungen. Den Einstieg bildet die SF32-Familie von SiFli mit ihren Mikrocontrollern mit extrem niedrigem Energieverbrauch. Von Chips und Modulen über Entwicklungsboards, SDKs und Dokumentation bis hin zu produktionsreifen Referenzdesigns bündelt μForge.io den gesamten Stack an einem Ort. So können Entwickler vernetzte, intelligente und energieeffiziente Embedded-Produkte schneller und mit weniger Reibungsverlusten von der Idee bis zur Produktion bringen.

Erste Schritte SF32-Produkte GitHub

Open Source     Aktive Community     Produktionsreif     Regelmäßige Updates

Halbleiter SF32-Familie Vernetzte, intelligente Embedded-Produkte mit extrem niedrigem Energieverbrauch.

Hardware Module & Entwicklungsboards Getestete Hardware beschleunigt den Weg vom Entwurf bis zur Produktion.

Software SDK & Werkzeuge Toolchains, Middleware und Treiber.

Lernen CPU und GPU Leitfäden zu Grafik, Bluetooth, Audio und Energiesparbetrieb.

Projekte Watch und HMI Anwendungsbeispiele in Produktionsqualität.

  • Hardware

    Mikrocontroller, Module, Entwicklungsboards und produktionsreife Referenzdesigns.

    Hardware ansehen

  • SDK & Werkzeuge

    SDKs, Toolchains, Middleware, Treiber und Entwicklerwerkzeuge.

    Entwicklungsressourcen ansehen

  • Lernen

    Architektur- und Subsystemanleitungen für Grafik, Bluetooth, KI, Audio und Energiesparbetrieb.

    Lerninhalte ansehen

  • Beispiele

    Anwendungsbeispiele in Produktionsqualität für gängige Embedded-Anwendungsfälle.

    Beispiele durchsuchen

Warum SF32 wählen?

  • Hohe Leistung

    Kernanzahl und Funktionen unterscheiden sich je nach Gerät. Die Familie reicht von Ein- bis Dreikern-Designs; mehrere Serien verwenden Cortex-M33-/STAR-MC1-Prozessoren. Ob Cache, FPU und MPU verfügbar sind, hängt vom jeweiligen Chip und der SoC-Implementierung ab; maßgeblich ist die Dokumentation des konkreten Geräts. Ausgewählte Geräte bieten bis zu 64 MB PSRAM im Gehäuse.

  • Bluetooth-Konnektivität

    Modi und Funktionen unterscheiden sich je nach Familie und Gerät. Je nach Gerät werden Bluetooth Classic und LE, LE Audio sowie Long-Range-PHY unterstützt. Die genauen Fähigkeiten stehen auf der jeweiligen Chipseite.

  • Grafikbeschleunigung

    2D-/2,5D-GPU, LCD-Controller und LVGL-Unterstützung ermöglichen reichhaltige, flüssige grafische Oberflächen. Familienweit gehören MIPI, RGB, QSPI, 8080, JDI und EPD zu den unterstützten Schnittstellen; die Auflösung reicht bis 1280 × 720.

  • Audio-Subsystem

    Die Audiofunktionen unterscheiden sich je nach Familie und Gerät. Unterstützte Geräte bieten analoges Audio, I²S, PDM und hardwaregestützte digitale Audioverarbeitung.

  • KI-Beschleunigung

    Ausgewählte SF32-Geräte integrieren eine neuronale Netzwerkbeschleunigung für TinyML und andere Edge-Inferenz-Workloads.

  • Ultraniedriger Energieverbrauch

    Fortschrittliche Energieverwaltungsarchitektur, optimiert für batteriebetriebene und dauerhaft aktive Geräte.

Unterstützte SF32-MCUs 1

  • SF32LB52

    SF32LB52x Essential-MCU für Wearables

    • Cortex-M33-STAR-MC1-Anwendungskern + dedizierter Bluetooth-Steuerkern
    • Dual-Mode-Bluetooth 6.3
    • 2D / 2,5D GPU, ePicasso 2.0
    • eZip 2.0 Hardware-Dekompression
    • Audio-Codec, 1 x AMIC, 2 x DMIC
    • 576 KB SRAM, bis zu 16 MB PSRAM
    • QFN68-Gehäuse, mit bis zu 45 GPIOs und optionalem integriertem Linearladeregler

    Serie ansehen

  • SF32LB56

    SF32LB56x Grafikoptimierter Mikrocontroller

    • Zweikerniger Cortex-M33 STAR-MC1
    • Dual-Mode-Bluetooth 6.3
    • RGB-Display bis 1024 x 600
    • 2D / 2,5D GPU, ePicasso 2.0
    • eZip 2.0 Hardware-Dekompression
    • Audio-Codec, 1 x AMIC, 4 x DMIC
    • 960 KB SRAM, bis zu 16 MB PSRAM
    • Verfügbar in QFN68- und BGA175-Gehäusen mit bis zu 44 / 120 GPIOs

    Serie ansehen

  • SF32LB57

    SF32LB57x Multimedia-MCU für AIoT-Geräte

    • Dreikerniger Cortex-M33 STAR-MC1
    • Dual-Mode-Bluetooth 6.3
    • RGB-Display bis 1024 x 600
    • 2D / 2,5D GPU, ePicasso 3.0
    • eZip 3.0 und JPEG/MJPEG-Dekodierung
    • DCMI-Kameraeingang bis 2 MP
    • Audio-Codec, 2 x AMIC, 4 x DMIC
    • 592 KB SRAM, bis zu 48 MB PSRAM
    • Verfügbar in QFN68-, QFN80- und BGA112-Gehäusen mit bis zu 46 / 47 / 58 GPIOs; einige BGA112-Varianten bieten zusätzlich sechs Pins für MPI3 oder statische Ausgänge

    Serie ansehen

  • SF32LB58

    SF32LB58x Flaggschiff-MCU für AIoT-Plattformen

    • Dreikerniger Cortex-M33 STAR-MC1
    • Dual-Mode-Bluetooth 6.3
    • MIPI-Display bis 1280 x 720
    • 2D / 2,5D GPU + Vektorgrafik, ePicasso 2.0
    • eZip 2.0 und JPEG/MJPEG-Dekodierung
    • Audio-Codec, 2 x AMIC, 4 x DMIC
    • 3,7 MB SRAM, bis zu 64 MB PSRAM
    • Verfügbar im BGA256-Gehäuse, bis zu 154 GPIOs

    Serie ansehen

  • SF32LB55

    SF32LB55x BLE-MCU für gängige Wearables

    • Zweikerniger Cortex-M33 STAR-MC1
    • Bluetooth-5.2-Low-Power-Transceiver
    • 2D / 2,5D GPU, ePicasso 1.0
    • eZip 1.0 Hardware-Dekompression
    • KI-Beschleuniger
    • 1,4 MB SRAM, bis zu 18 MB PSRAM
    • Verfügbar in QFN68-, BGA145- und BGA169-Gehäusen mit bis zu 49 / 95 / 119 GPIOs

    Serie ansehen

  1. Siehe die SF32-Familienübersicht für einen detaillierten Vergleich aller Geräte. ↩

Zuletzt aktualisiert: