嵌入式AI可用于廣泛的終端市場，ST助力工程師克服三道難關(guān)

1   AI技術(shù)可用于廣泛的終端市場

在ST（意法半導(dǎo)體）產(chǎn)品覆蓋的所有終端市場中（諸如工業(yè)、個人電子產(chǎn)品、家用電器、醫(yī)療保健、汽車等等），人工智能（AI）技術(shù)在其中的應(yīng)用率一直在增長。ST 已發(fā)布了一些基于32 位微控制器、MPU 和MEMS 傳感器的AI 解決方案，這些方案被大量地采用，市場熱度高昂。我們的解決方案可以在所有這些市場應(yīng)用用例和許多其他用例中為客戶提供支持。為了減少帶寬、電源需求和延遲，近年來的趨勢是從以云為中心的AI 解決方案轉(zhuǎn)向所謂的邊緣AI，在邊緣AI 中，機(jī)器學(xué)習(xí)（ML）算法在微控制器或邊緣傳感器上本地運(yùn)行，在響應(yīng)能力、低功耗、數(shù)據(jù)隱私和帶寬使用方面具有巨大優(yōu)勢。未來的挑戰(zhàn)是以極小的功耗（至少1 個數(shù)量級）運(yùn)行越來越強(qiáng)大的深度學(xué)習(xí)算法，使更復(fù)雜的AI 解決方案能夠在非常微小的設(shè)備上運(yùn)行。

意法半導(dǎo)體 亞太區(qū)人工智能技術(shù)創(chuàng)新中心 高級經(jīng)理 Matteo MARAVITA

2   工程師或研發(fā)人員的開發(fā)挑戰(zhàn)

一般來說，開發(fā)者面臨的第1 個挑戰(zhàn)是如何習(xí)得一些AI 的基本知識，并了解如何為自己的用例實(shí)現(xiàn)ML項(xiàng)目。事實(shí)上，使用ML 進(jìn)行設(shè)計(jì)需要具有“思維轉(zhuǎn)換”能力，即從傳統(tǒng)編程技術(shù)（算法是“先驗(yàn)”編寫的）轉(zhuǎn)向大量數(shù)據(jù)驅(qū)動的ML 方法。然后，開發(fā)者需要找到最適合自己的應(yīng)用場景的ML 模型，并了解如何正確評估其性能。而對于經(jīng)驗(yàn)豐富的AI 開發(fā)者來說，這些基礎(chǔ)知識可能已經(jīng)非常熟悉了，因此他們面臨的挑戰(zhàn)更多地集中在可用于嵌入式系統(tǒng)的工具和庫上，以及找到AI 算法性能與硬件約束（與功耗和解決方案成本相關(guān)）之間的最佳權(quán)衡。

3   ST的解決方案

ST 提供完整的解決方案組合和生態(tài)系統(tǒng)，以滿足開發(fā)者關(guān)于任何水平、等級的AI 或嵌入式AI 知識的需求。我們可以通過視頻教程、文檔和技術(shù)研討會幫助開發(fā)人員獲得ML 設(shè)計(jì)的基本知識，使AI 初學(xué)者能夠使用非常用戶友好的工具，如UnicoGUI 工具（用于集成在我們MEMS 傳感器中的ML 核心）和NanoEdgeAI（用于STM32 上的預(yù)測性維護(hù)），立即在ST 評估板上開發(fā)他們自己的AI 項(xiàng)目。對于AI 專家提供支持，幫助他們將使用流行的開源框架（如TensorFlow Lite、Keras……）開發(fā)的項(xiàng)目，快速地移植到STM32 上。這要?dú)w功于ST Cube.AI 庫，這些庫針對STM32 硬件特定解決方案進(jìn)行了優(yōu)化，甚至可以在STM32 和STM32MP1 設(shè)備上直接運(yùn)行TensorFlow Lite 解釋器。除此之外，ST 還提供了大量AI 演示產(chǎn)品組合，涵蓋各種各樣的用例，如電機(jī)控制和工業(yè)自動化的預(yù)測性維護(hù)、醫(yī)療保健和健身的人類活動識別、人員狀態(tài)檢測、人臉識別等，供客戶參考。這些都是免費(fèi)使用的，相信對學(xué)習(xí)AI 的開發(fā)者和客戶而言也有一定的價(jià)值。如果您想獲得有關(guān)ST AI 解決方案的最新信息，您可以聯(lián)系我們的本地銷售或分銷商。

（本文來源于《電子產(chǎn)品世界》雜志2021年9月期）