Qeexo开发公司和意法半导体（STMicroelectronics）宣布，意法半导体的机器学习核心（Machine-Learning Core，MLC）感测器已加入能够加速边缘装置tinyML微型机器学习模型开发的Qeexo AutoML平台。

意法半导体的MLC感测器本身就能大幅降低系统整体功耗，因为利用大量感测器资料开发的感知相关演算法运作在感测器上。 Qeexo AutoML利用感测器资料为边缘装置自动产生高度优化的超低延时、超低功耗且记忆体占用率极低的机器学习解决方案。这些演算法解决方案采用延长电池寿命的高效机器学习模型，克服了运算能力和存储容量因晶片尺寸而受到的限制。

Qeexo执行长Sang Won Lee表示，「Qeexo实现了最近我们与ST合作时所作出的承诺，即在Qeexo AutoML上增加对ST机器学习核心感测器系列产品的支援。现在，我们与ST的合作让应用开发人员能够在ST的MLC感测器上快速建立和部署机器学习演算法，而无需占用MCU时脉周期和系统资源，应用范围十分广泛，涵盖工业和物联网。」

意法半导体MEMS感测器部门总监Simone Ferri则表示，「在Qeexo AutoML平台上增加ST的机器学习核心感测器，便于开发人员在低功耗应用中更快速地导入嵌入式机器学习。我们在感测器（包括LSM6DSOX或ISM330DHCX）中导入MLC内核心，可显著减少系统资料流量，减轻网路处理负担，将系统功耗降低几个量级，同时提供更强大的事件侦测、唤醒逻辑和即时边缘运算功能。」