面对 AI 正全面走向边缘与终端设备的发展趋势，ADI正加速强化软体布局。ADI 软体与安全事业部软体产品与工具负责人 Jason Griffin 表示，最新推出的 CodeFusion Studio（CFS）2.0 不仅是工具更新，而是为「实体智慧（Physical Intelligence）」时代打造的全新开发平台，目标是将 AI 从附加功能，转变为产品的内建能力。

ADI 软体与安全事业部软体产品与工具负责人 Jason Griffin

CFS 2.0 最大的差异在於它导入了一条真正端对端的 AI 工作流程。无论模型来自 TensorFlow、PyTorch，或是 ADI 所提供的 Model Zoo，开发者都能在平台中快速建立专案，并在几分钟内将模型转换成可於嵌入式装置上运行的推理程式码。Griffin 指出，AI 导入 IoT、机器人或可听戴装置确实存在复杂度，而 CFS 2.0 的目的，就是要让这些 AI 功能能更直觉地嵌入产品中，例如让耳机能具备情境感知能力、让机器人能自我调整控制系统，真正把智慧放进最靠近世界的那层硬体。

CFS 2.0 在模型部署的可靠性上，也新增了更强大的验证与分析工具。其中「模型相容性分析器」可以即时检查 AI 模型是否能顺利运行在 ADI 的硬体平台上，并提前判断可能造成延迟或记忆体不足的瓶颈。为了让开发者在尚未接触实际硬体时就能进行效能评估，ADI 也透过 Zephyr 执行环境推出了 AI Profiler，协助预测推理延迟、功耗与资源使用状况。Griffin 表示，这项功能对开发者来说是一大解放，让早期开发不再依赖实体设备，同时也能更快速完成设计验证。

CFS 2.0 的另一项核心变革，是以 Zephyr 为基础打造模组化与容器化的开放平台。Griffin 认为，AI 不仅需要演算法，更需要在一个能复现、能扩展且一致的环境中运作。容器化架构让开发者能快速建立一致的开发环境，不受作业系统与硬体平台差异限制，也更利於团队协作。这样的设计理念，是希??边缘端的 AI 能像在真实世界中般运作不仅部署容易，也能在同样的环境中进行训练、测试与除错。

除了支援单一 AI 模型与单一核心的应用，CFS 2.0 也针对复杂的多核心 SoC 架构进行了彻底简化。过去开发者往往需要在不同 IDE、工具链与除错器之间切换，面对 ARM、DSP、NPU 等不同核心时还需进行多套设定，造成相当大的开发负担。CFS 2.0 则将所有核心整合到同一工作空间内，让记忆体映射、周边设定与建构依赖全部一致，同时支援跨核心除错与 Core Dump 分析。这种统一工具链的方式，大幅降低了上下文切换的成本，也让开发者能更专注於系统架构与效能调校，而不是被工具设定拖累。

在谈到「实体智慧」时，Griffin 特别提到 CFS 2.0 已经整合嵌入式 AutoML，让模型训练、最隹化与部署都能在同一个平台中完成。这意味着在边缘设备的限制下，AI 仍能具备持续学习与调整的能力，使智慧体能根据实际环境变化而自主适应。例如低功耗感测器可透过 AutoML 持续优化侦测精度，而工厂设备也能在近端完成异常模式学习，而不必仰赖云端。

面对未来规划，Griffin 表示 ADI 将持续深化硬体与软体的整合，并扩增更多执行环境与分析能力，以回应开发者在边缘 AI 设计上的需求。他透露，ADI 已规划在接下来数个月陆续推出额外功能，进一步让 CodeFusion Studio 成为「实体智慧」开发的核心平台。

随着 AI 正快速从资料中心走向边缘，ADI 的 CodeFusion Studio 2.0 清楚展现其企图，用软体桥接硬体与 AI，使智慧真正落到产品内部。Griffin 强调，这不只是工具的升级，而是实体智慧时代的开端。