作者：丁晓磊(意法半导体微控制器市场经理)
 

根据算力的需求，人工智能（AI）技术主要分为云端AI 处理和端侧的AI 处理。在集中式人工智能解决方案中，嵌入式设备（智能音箱、可穿戴设备等）通常依赖云服务器实现人工智能能力。而在边缘AI 解决方案中，嵌入式设备本身即可在本地运行人工智能算法，实现实时环境感知、人机交互、决策控制等功能。

 

由于数据传输延迟等因素的限制，基于云的解决方案可能无法满足部分用户对数据安全性、系统响应能力、私密性、以及本地节点功耗的需求。越来越多在服务器端的AI 计算功能，必然向终端系统下沉，使得终端系统更加智能化。将推理过程移到深度边缘计算会带来一些优势，比如系统响应能力、更好的用户信息隐私保护（并非所有数据都需要通过多个系统传输到云端）、降低连接成本和功耗。因此，有越来越多的云端人工智能处理在向边缘侧转移。

 

根据ABI 的研究结果，到2030 年，边缘AI 器件的全球出货量将达到25 亿台。意法半导体作为该趋势的主要推动者，期望通过全面的AI 解决方案，助力客户把机器学习功能嵌入到产品中。嵌入式机器学习可以以简单、快速、低成本的方式改善许多应用。像：预测性维护、物联网产品、智能建筑、资产跟踪、人员统计等，因为集成了人工智能，这些应用都可以变得更加智能! 意法半导体依托我们在STM32 MCU 和MPU，传感器的产品组合，以及ST 在软硬件工具的强大生态，在边缘AI 上推出了全面的解决方案，帮助客户开发集成人工智能方案。

 

意法半导体希望帮助开发人员在基于STM32 微控制器/ 微处理器和传感器的嵌入式系统上快速部署AI应用。为STM32 系列的MCU（微控制器）、MPU（微处理器）和集成了机器学习核心（MLC）的MEMS 传感器提供了整套的AI 解决方案，包含工具、软件扩展包、芯片硬件，其中配合STM32 MCU 使用的两种主要软件工具STM32Cube.AI 和 NanoEdge AI Studio 具有强大的功能，可以帮助客户加快开发周期。如果客户具有人工智能方面的数据和算法知识，STM32Cube.AI 可以帮助客户实现在STM32 微控制器上移植和优化人工神经网络模型。在软件方面，ST 推出一系列的STM32 功能包加速客户的软件开发。

 

为了简化应用开发，ST 在计算机视觉、传感和状态监测等应用上都提供代码示例的AI 功能包。AI功能包集成了人工神经网络与前/ 后处理功能，以及MCU 的外设部署。这些功能包可以帮助客户缩短开发时间，让客户更专注人工神经网络模型和具体的应用上。ST 还提供了在MPU 平台上使用人工智能的功能包X-Linux-AI，让客户可以很快速的在MPU 平台上使用AI 功能。

 

通过我们接触的众多客户的AI 需求来看，在不同的垂直领域有多样化的需求。很多情况下，客户使用传统方法没有满意的解决方案，现在边缘侧AI 给这些行业客户打开了一扇新的窗户，可以尝试使用AI 的思路来解决行业里的痛点。目前意法半导体在AI 上的主要应用方向工业预测性维护、消费类的音频和传感、以及各种计算机视觉，已经越来越多的在解决垂直领域的行业痛点。比如端侧设备的人工智能系统中，很多有电池供电的需求，因此对低功耗更为敏感。ST 凭借丰富的低功耗技术储备和对低功耗市场的专注，在超低功耗MCU 领域一直具有强大的优势。从全新工艺、更多低功耗模式和省电技巧、以及新的低功耗后台模式，在保持运算能力的前提下，让整个系统的功耗更低。

 

（本文来源于《电子产品世界》杂志2022年4月期）