人工智慧（AI）技术在快速发展中展现出颠覆性的潜力，但其大规模应用也带来了一系列环境挑战。意法半导体类比、电源、MEMS和感测器事业群??总裁暨MEMS子产品事业群总经理Simone Ferri指出，目前的AI技术主要依赖专业人士，但如果要让它成为更广泛的解决方案，技术门槛必须降低，让更多人能够轻松使用。Ferri认为AI的两大挑战在於耗能及部署的便利性，这两者直接影响了AI的普及速度。

意法半导体类比、电源、MEMS和感测器事业群??总裁暨MEMS子产品事业群总经理Simone Ferri（左二）

在思索解决方案时，Ferri从大自然中找到了灵感章鱼的分散式神经系统。章鱼的神经元分布在触角中，能就近处理和响应环境变化，无需依赖中央大脑的指令。这一模式即为边缘AI的精髓：数据在源头即时处理，减少复杂的数据传输需求，同时降低能耗。章鱼的例子体现了智能分布的优势，它既能适应环境变化，也能自主改变形态。

透过这种自然启发，Ferri阐明了理想的感测器设计应该具备的三个特性：智慧、开放与准确。首先，「智慧」意味着感测器能在边缘即时处理数据，使其成为电子世界和物理世界的交界。其次，感测器应当是「开放」的，能依据不同需求灵活配置，让使用者可以方便地客制化其应用。最後，「准确」是指感测器根据实际情况提供合适的数据，而非一味追求高阶数据，以免造成能量浪费。

为了实现这些目标，ST专注於「适用性配置」的技术发展。此概念致力於根据不同场景，为感测器定制合适的数据需求，以实现能源效率的最大化。

Simone Ferri的观点展示了AI技术在永续性和普及性之间的平衡之道。通过边缘AI和MEMS感测器，STMicroelectronics正在积极探寻解决高耗能挑战的方案，为AI技术的长远发展奠定基础。

「智慧的核心在於将AI智慧带到边缘，」Ferri解释道，传统感测器会将原始数据传送到中央处理器进行分析，不仅消耗大量电力，还可能带来延迟和过多的数据流量。而智慧感测技术可将数据分析前移到感测器自身，从而有效降低数据传输需求，并达成能源优化。

「我们的机器学习核心与智慧感测处理单元（ISPU）是实现这一目标的两大关键技术，」他说道。ST的机器学习核心是一种针对动作数据分析的专业AI引擎，且具备灵活的多模型处理能力。而ISPU则将数位讯号处理器（DSP）直接嵌入感测器内，让智慧感测器能够自行完成数据处理，这样不仅避免依赖独立ASIC或系统封装，还能透过C语言进行程式开发，大大提升开发效率。

「让AI技术人人可用是ST的目标之一，」Ferri强调。这样的开放策略涵盖三类专业人士：嵌入式软体工程师、数据科学家和硬体工程师。ST的ST Edge AI套件便是为了支援这些多样化需求所打造，无论是MPU、MCU，或智慧感测器，都能透过这套工具开发出高效的AI应用。「我们希??这些专家能够透过ST Edge AI无缝整合智慧感测技术，推动技术应用的全面普及。」

当谈到未来，Ferri认为智慧感测器的发展方向将从「物」扩展到「人」。意法半导体计画开发以人为本的生物感测器，让使用者在本地即时获得健康数据。「未来的智慧贴片能够监控心电图、肌电图等生理讯号，并直接提供反??，」Ferri表示，这样将减少数据云端处理需求，提供更即时且有效的健康管理解决方案。

「随着数以亿计的感测节点开始分担运算任务，边缘AI技术将成为主流，」Ferri强调。「我们正推动边缘AI技术的极限，以实现智慧、开放且精准的未来。」通过这一策略，意法半导体致力於打破AI普及的障碍，并为各行各业创造更高效、可持续的应用场景。