据悉，AI已被公认为一项具有革命性影响力的技术，其力量足以改变众多领域的格局。意法半导体深信，AI在塑造未来的连网世界中扮演着关键角色。这将是一个充满智慧的万物互联世界，数十亿个装置将以更高的安全性、连线性和智慧性为特点，共同构建一个我们称之为云端连接智慧边缘的环境。在这个新世界中，装置将拥有更强的自主能力，并与云端形成更为紧密的连接，这将不仅提升资料处理的数量，也将提高在地资料处理的能力。

这些装置将渗透到日常生活的方方面面，从家庭到工厂，从公司到城市，从大楼到交通出行，几??无处不在。当我们深入剖析这些装置的运作模式以及它们所带来的商业模式时，我们便能清晰地看到边缘AI为我们的未来开创了怎样的新局面。

图一

那麽，意法半导体是如何将这一远景转化为现实的呢？这又需要哪些关键元素的支持呢？意法半导体亚太区人工智慧技术创新中心暨智慧手机技术创新中心的资深经理Matteo MARAVITA指出，边缘AI的实现离不开三个基本要素：安全性、连线性和自主性。而在今天的分享中，他将重点聚焦於第三个要素如何提升这些装置的智慧和自主性，而?时将安全性和连线性问题置於一旁。他将进一步探讨意法半导体是如何在这一领域实现其远景的。

图二

以车用感测器为例，Matteo MARAVITA介绍了意法半导体与HPE集团的合作。他们正在利用边缘AI技术来优化电动汽车的马达运作。他们开发了一种名为“虚拟感测器”的解决方案，该方案将AI演算法运用在最新的Stellar系列车规微控制器上。这个演算法能从感测器中获取马达运作的资料，并利用这些资料来推断和估计那些无法直接测量的马达内部温度。值得一提的是，这个车规微控制器不仅能执行人工智慧任务，还能驱动马达，并同时运行其他预测性维护的AI演算法，以识别减震、机械和电气系统中可能存在的异常状态。

图三

在近期的一项技术合作中，知名电脑与笔记型电脑市场的领军企业惠普与合作夥伴携手，利用先进的智慧感测器技术，针对笔记型电脑的电源监控进行了优化。该方案的核心在於采用了ST的六轴IMU MEMS感测器，惠普与ST的工程师们紧密合作，通过在不同环境条件下收集IMU感测器的资料，并根据不同设备与使用者行为模式来开发和训练AI模型。

图四

此次合作目的在识别特定使用场景，例如用户将笔记型电脑合上并放入电脑包前忘记关闭电源的情况。在此类情况下，由於未能及时关闭系统，笔记型电脑可能会过热，导致电池迅速耗尽。为了解决这一问题，双方全面收集了各类资料，并合作开发了机器学习模型。一旦模型经过验证，该演算法将被整合至智慧感测器中，从而实现更为精准的电源管理。

此外，在另一项引人注目的应用中，AI技术也被成功引入到了日常生活中已存在数十年的洗衣机领域。随着技术的不断进步，现代洗衣机在马达控制性能上已实现了显着的提升，相较於15或20年前的洗衣机，现在的洗衣机不仅马达性能更高，而且能耗更低。

图五

在此次创新中，STM32微控制器被用於控制洗衣机的马达运行，并同时执行AI演算法。马达控制器演算法将马达的电流状态资讯发送至AI演算法，後者利用这些资讯来估算待洗衣物的重量。通过更准确地估算衣物重量，洗衣机能够选择更为合适的洗涤程式，从而以恰到好处的电流驱动马达，减少整体用水量、洗衣液用量以及能源消耗。据统计，这一技术可为一个洗衣周期节省高达15到40%的能源和水资源。

不仅如此，AI演算法还具备提前检测洗衣机滚筒在旋转过程中可能发生的碰撞以及撞击洗衣机外壳的能力。这一功能的实现得益於ST的六轴IMU感测器，使得整体解决方案更加稳定可靠。

通过这些案例，我们可以看到，越来越多的公司、应用领域的工程师们正积极寻求将人工智慧技术整合到他们的产品中，以实现更高效、节能和稳定的性能。

图六

在当前的技术领域中，开发人员仍然面临着一系列挑战。这些挑战主要可分为硬体和软体两大层面。从硬体角度来看，尽管开发者追求实现人工智慧功能，但仍需兼顾整体性能、安全性以及功耗控制。特别是在选择硬体时，必须确保其具备特定的安全功能，并能在维持低功耗的同时稳定运行。对於半导体供应商而言，如意法半导体，他们致力於为客户提供一系列整体方案，以应对不同硬体设备的挑战。

图七

在另一方面，软体层面的挑战同样不容忽视。为了在设备中实现可训练的模型，开发者不仅需要在最终产品中创建、训练和部署模型，还需负责其维护。特别是在边缘AI领域，这一挑战尤为突出。

意法半导体早在十年前便开始了AI研发计画。他们从机器学习的基础研究入手，专注於未来将成为焦点的边缘设备。因此，他们的机器学习技术特别针对硬体资源受限的设备进行了优化。2018年，他们推出了首个STM32 AI函式程式库STM32Cube.AI，并自此开始与客户合作，共同开发了多个项目。

图八

同年，他们还推出了首款内置MLC机器学习核心的MEMS感测器，该感测器具备机器学习模型硬体加速功能。此外，他们还加入了TinyML联盟，并随後将AI的布局和支援范围扩展至其他晶片，如车用微控制器和Linux相关产品，如STM32微处理器。

到了2021年，意法半导体进一步推出了新的AutoML工具生态系统NanoEdge AI。一年後，他们再次发布了新款具有更先进硬体加速器的MEMS感测器，该感测器能够在同一设备内运行更小的深度学习网路。去年，他们继续改进软体生态系统，推出了STM32开发者云端模型库，并更新了Stellar系列车规MCU工具。

图九

值得一提的是，STM32在通用微控制器领域取得了显着成绩。在MLPerf Tiny基准测试中，STM32提交的项目数量位居第一，占所有提交项目的73%。这充分证明了意法半导体多年的努力得到了回报，并吸引了大量开发者在其平台上进行边缘AI的开发与探索。

图十

这一成功的背後，有三个关键因素不可忽视。首先，意法半导体在通用微控制器、工业和消费性微控制器市场具有优势地位，STM32系列特别适用于这些应用。其次，他们对边缘AI基准测试做出了重要贡献，如MLPerf Tiny基准测试。最後，他们的线上平台STM32 AI开发者云端平台，为客户和开发者提供了便捷的线上工具和STM32开发板，?明他们轻松测试模型。这些因素共同推动了STM32在AI创新领域的广泛应用。

图十一

在成功利用硬体解决方案协助开发者应对硬体挑战之後，ST如今进一步聚焦如何?明客户克服软体方面的挑战。开发边缘AI解决方案涉及多种类型的AI工程师，他们各自拥有不同的开发技能，因此其需求也各不相同。

图十二

嵌入式软体工程师是专注於实现边缘AI并将其无缝整合到整个系统中的关键角色。这类工程师往往会从可靠的示例专案入手，根据特定应用需求调整叁考设计。与此同时，机器学习工程师、AI工程师或资料科学家则主要致力於机器学习模型的研发，他们不仅关注模型的资料集，还需根据目标硬体装置优化模型性能。

图十三

硬体工程师则渴??拥有一个简便的基准测试工具，以便在不同的硬体平台或元件上测试资料科学家提供的先进演算法，并在性能、功耗、尺寸和价格之间找到最隹平衡点。

鉴於这些多样化的需求，ST开发了一个独特的工具ST Edge AI开发套件，以满足各类工程师的需求。

图十四

那麽，ST Edge AI开发套件究竟是什麽呢？它是一个集成了边缘AI开发所需全套工具和模组的综合性解决方案。从利用模型库建立示例、收集资料集，到将模型部署到特定硬体，该套件覆盖了整个开发流程。客户可以利用ST的AutoML工具直接从资料开始构建模型，或者采用自研或协力厂商工具将自主研发的模型导入套件，进行模型基准测试，并在硬体上部署模型。

图十五

ST Edge AI开发套件旨在支援多种硬体，包括MEMS感测器、微控制器、MPU微处理器以及车用微控制器。此外，套件还提供了丰富的开发资源，如文档、培训课程和社区存取权限等，为开发者提供了全方位的支援。

图十六

ST正致力於将多个工具整合为一个全面的边缘AI开发套件，详细资讯已全部呈现。这一生态系统不仅与内部AI开发流程相相容，同时也与外部AI开发生态系统保持协同工作。值得一提的是，该套件支持众多主流且广泛应用的深度学习框架，包括TensorFlow Lite、Keras、PyTorch等，使得用户能够轻松利用这些框架训练的机器学习模型进行开发。

图十七

此外，ST Edge AI开发套件还展示了与NVIDIA工具包的相容性，为用户提供更多选择和灵活性。同时，该套件也提供了与AWS和微软Azure等云端服务的连接可能性，使得用户能够轻松将边缘AI解决方案与云端服务相结合，实现更广泛的资料处理和分析。

图十八

不仅如此，ST Edge AI开发套件还与MATLAB等模拟工具保持相容，为用户提供了更强大的模拟和测试能力。这使得用户能够在开发过程中更早地发现和解决问题，提高开发效率和品质。

图十九

ST Edge AI解决方案的核心在於其通用的软体库和指令列介面，即ST Edge AI核心。这一核心功能使得客户能够方便地评估机器学习模型，并利用工具将模型编译为特定目标。因此，无论是STM32微控制器、Stellar车用微控制器，还是具备MLC或ISPU等硬体加速器的MEMS感测器，都可以轻松集成到ST Edge AI解决方案中。

图二十

值得一提的是，这些工具都是免费的。不仅ST Edge AI套件本身是免费的，而且ST还宣布自去年12月起，Nano AI Studio在任何STM32上都可以无限免费使用。此外，ST还将根据特殊授权合约，继续为客户提供其他搭载Arm Cortex-M核心的微控制器的支援。

图二十一

综上所述，ST Edge AI开发套件为用户提供了一个全面、高效且灵活的边缘AI开发解决方案。无论是初学者还是有经验的开发者，都能够利用这一套件快速构建和优化边缘AI应用，推动智慧化时代的发展。