嵌入式AI可用于广泛的终端市场，ST助力工程师克服三道难关

1AI技术可用于广泛的终端市场

在ST（意法半导体）产品覆盖的所有终端市场中（诸如工业、个人电子产品、家用电器、医疗保健、汽车等等），人工智能（AI）技术在其中的应用率一直在增长。ST 已发布了一些基于32 位微控制器、MPU 和MEMS 传感器的AI解决方案，这些方案被大量地采用，市场热度高昂。我们的解决方案可以在所有这些市场应用用例和许多其他用例中为客户提供支持。为了减少带宽、电源需求和延迟，近年来的趋势是从以云为中心的AI 解决方案转向所谓的边缘AI，在边缘AI 中，机器学习（ML）算法在微控制器或边缘传感器上本地运行，在响应能力、低功耗、数据隐私和带宽使用方面具有巨大优势。未来的挑战是以极小的功耗（至少1 个数量级）运行越来越强大的深度学习算法，使更复杂的AI 解决方案能够在非常微小的设备上运行。

意法半导体 亚太区人工智能技术创新中心 高级经理 Matteo MARAVITA

2 工程师或研发人员的开发挑战

一般来说，开发者面临的第1 个挑战是如何习得一些AI 的基本知识，并了解如何为自己的用例实现ML项目。事实上，使用ML 进行设计需要具有“思维转换”能力，即从传统编程技术（算法是“先验”编写的）转向大量数据驱动的ML 方法。然后，开发者需要找到最适合自己的应用场景的ML 模型，并了解如何正确评估其性能。而对于经验丰富的AI 开发者来说，这些基础知识可能已经非常熟悉了，因此他们面临的挑战更多地集中在可用于嵌入式系统的工具和库上，以及找到AI 算法性能与硬件约束（与功耗和解决方案成本相关）之间的最佳权衡。

3 ST的解决方案

ST 提供完整的解决方案组合和生态系统，以满足开发者关于任何水平、等级的AI 或嵌入式AI 知识的需求。我们可以通过视频教程、文档和技术研讨会帮助开发人员获得ML 设计的基本知识，使AI 初学者能够使用非常用户友好的工具，如UnicoGUI 工具（用于集成在我们MEMS 传感器中的ML 核心）和NanoEdgeAI（用于STM32 上的预测性维护），立即在ST 评估板上开发他们自己的AI 项目。对于AI 专家提供支持，帮助他们将使用流行的开源框架（如TensorFlow Lite、Keras……）开发的项目，快速地移植到STM32 上。这要归功于ST Cube.AI 库，这些库针对STM32 硬件特定解决方案进行了优化，甚至可以在STM32 和STM32MP1 设备上直接运行TensorFlow Lite 解释器。除此之外，ST 还提供了大量AI 演示产品组合，涵盖各种各样的用例，如电机控制和工业自动化的预测性维护、医疗保健和健身的人类活动识别、人员状态检测、人脸识别等，供客户参考。这些都是免费使用的，相信对学习AI 的开发者和客户而言也有一定的价值。如果您想获得有关ST AI 解决方案的最新信息，您可以联系我们的本地销售或分销商。

（本文来源于《电子产品世界》杂志2021年9月期）