嵌入式AI无疑将是下一个“科技风口”。随着企业的业务部署场景和数据产生正在向端侧、边缘侧“迁移”，嵌入式AI也迎来了快速发展的机遇期——将推理过程移到深度边缘计算会带来诸多优势，比如系统响应能力、用户隐私保护、降低连接成本和功耗。
作为该趋势的主要推动者，意法半导体已经在AI方面投入大量资源，旨在帮助开发人员在基于微控制器/微处理器（STM32系列）和传感器（MEMS、ToF…）的嵌入式系统上快速部署AI应用。

ST提供了一整套工具，在STM32 MCU、MPU和智能传感器上实现边缘AI，通过简单、快速、低成本的方式为许多解决方案带来智能化，例如：预测性维护、物联网产品、智能楼宇、资产跟踪、人数统计等等。

应用案例
: w8 X; Q0 Q6 _; z5 ]7 e通过嵌入式AI，轻松增强应用，开启全新应用可能性，解锁AI应用普惠之道。ST提供了丰富的应用案例，涵盖智慧城市、智能家居、娱乐、玩具、智能楼宇、交通运输、智能办公、工业、家电等各个领域。用户可以探索这些具有启发性的真实示例，利用ST的资源打造自己的应用。

产品与解决方案
1 j% `6 ^1 Y4 S* G意法半导体为用户提供多种面向STM32和智能传感器的AI解决方案，多种微型机器学习解决方案，用于将AI嵌入到微控制器、微处理器和智能传感器上。无论在机器学习上的专业水平如何，ST提供的广泛产品都能让用户找到适合的工具，满足任何边缘AI项目需求。

6 K6 M7 Z% m5 g: @! c, wNanoEdge AI Studio：面向STM32 MCU的自动化机器学习工具
" p) X3 E2 W+ R& zNanoEdge AI Studio是一款简单易用的桌面工具，可增添新的数据处理功能以增强产品。任何涉及异常值/异常检测、分类或使用回归技术预测未来状态的应用案例，都可以利用机器学习的强大功能。NEAI Studio可在数分钟内创建针对任何STM32进行了优化的定制库，用以分析信号，提升产品智能性。利用NanoEdge AI Studio，用户可以轻松为嵌入式器件生成机器学习库，其中包含数以百万计的预构建模型。这意味着无需收集和记录大而复杂的数据集。用户的模型也可以在自己器件上进行自我训练


STM32Cube.AI：适用于STM32 MCU的AI模型优化器
STM32Cube.AI是一款免费工具，可帮助优化STM32项目中经过训练的AI模型的性能和内存占用。它支持TensorFlow™ Lite、Keras和ONNX格式。如果用户具备AI知识，STM32Cube.AI将自动优化经过训练的人工神经网络，并为STM32微控制器生成对应的C代码。
1 h+ s* ^! b9 ]( K6 L- S: q3 b# A1 I
8 \! @* p' D) u# J9 TSTM32Cube.AI开发者云平台
% y6 |4 H$ h+ YSTM32Cube.AI开发者云平台是STM32Cube.AI的在线版本。它可用来创建、优化和生成适用于STM32微控制器的人工智能，以及进行基准测试。无需安装任何软件，也无需评估板。利用ST Board Farm，甚至能通过多个评估板远程测试算法的实际性能。
5 a! h6 m" O8 Q. s) L. G! W该工具有PC版，也可通过STM32Cube.AI开发者云直接在线使用。这款在线平台提供基准测试服务，可以远程评估一系列STM32板件上的AI性能。此外，还可以访问STM32 Model Zoo，其中汇集了大量经过优化的AI模型以及一些应用示例、训练脚本等。
8 c5 f3 T1 ^5 e% A& R8 i

面向LINUX的AI：STM32 MPU上面向OpenSTLinux的完整AI框架
/ `7 Z: h2 [( d/ E* N7 N对于使用STM32 MPU的开发人员而言，X-LINUX-AI是一个库和运行系统的集合，可简化基于OpenSTLinux的项目中经训练的AI模型的集成。ST针对使用OpenSTLinux的开发人员开发了一个完整的框架，让用户轻松集成AI模型。

; O5 c- z7 V  `2 @* \# d: C/ h  h
STM32硬件：适用于边缘AI的各种IC和电路板
ST提供多种微控制器、微处理器和智能传感器，用以开发优化了功耗、尺寸和成本的边缘AI应用。
% l; X) z0 Z- H" ~. _4 }

3 |- @% B8 k. a) F7 {. k8 B, }转载自：STM32 AI
& Q- b* i# P& i5 Q% V如有侵权请联系删除