做边缘AI开发时，你是不是总卡在数据处理、模型优化、硬件部署的某个环节？别担心！STM32凭借完整的边缘AI软硬件生态，早已成为开发者实现边缘AI应用的优选平台。

; V6 y3 v( @8 p
' l3 g* P; N- @8 q! CST推出的ST Edge AI Suite直接搭好了全套“快车道”：6款核心工具免费开放，从时序数据建模到云端基准测试，全面覆盖开发全流程；再搭配50余个实战案例与20余种资源文档，从数据采集、模型优化到部署验证全程赋能，还兼容TensorFlow Lite、PyTorch等主流AI框架，实现从算法到硬件的全链路支持。这套组合拳能大幅降低边缘AI开发门槛，帮你避开卡点、高效推进，显著缩短产品上市时间。今天就带大家简要介绍，帮你轻松搞定基于STM32 MCU/MPU的边缘AI应用！

01

NanoEdge AI Studio：

时序数据AutoML低代码利器

作为面向时序数据的免费AutoML低代码工具，无需深度编程，就能引导用户快速找到适配的AI模型，自动生成优化后的机器学习算法。支持用模拟或经验数据创建异常检测模型，节省数据采集成本，还能实现微控制器端直接学习，简化数据提取流程并提升模型准确性，特别适合设备状态监测、运动识别等节点端AI应用的快速开发。

4 ~8 I) i1 X  \, v$ E

02

STM32Cube.AI（X-CUBE-AI）：

预训练模型的快速转换工具

STM32Cube.AI是一款STM32Cube扩展包，能将预训练的边缘AI算法自动转换为经过优化的STM32 C代码，一站式操作，极大简化了AI模型的硬件部署流程，节省大量底层开发时间，让开发者得以专注核心算法开发及迭代。
; t7 Y' l5 S" F: P, _4 T2 U' S# N
1 h3 C: b" D' d& T4 q
  k3 |& n; E( a0 G7 J

03

X-LINUX-AI：

STM32 MPU的Linux AI工具箱

X-LINUX-AI是针对STM32MPU打造的嵌入式Linux系统开发包，适配OpenSTLinux系统。集成了完整的Linux AI框架及应用示例，支持时间序列、音频、视觉等多类型数据处理，能满足高扩展性边缘AI应用需求，助力开发者在STM32 MPU上快速部署边缘AI模型。
  `) P( P2 b" H8 d6 E
) Z5 E; z6 h  q
7 [  g1 t0 l& t6 ~

04

ST Edge AI Model Zoo：

参考模型库

这是一套专为意法半导体器件优化的参考边缘AI模型集合，提供专为STM32 MCU/MPU及其他器件优化的AI模型，覆盖视觉、传感器数据等多类应用场景；附带部署脚本，支持直接在目标器件运行，可基于数据集重新训练模型，或通过“自带模型（BYOM）”“自带数据（BYOD）”灵活扩展，为开发者带来极大便利性；包含STM32模型库、MLC模型库、ISPU模型库，方便开发者按硬件类型快速调用，助力嵌入式边缘AI功能的高效开发与部署。
0 F2 U! ~* M% X8 M

05

ST Edge AI Core：

模型优化与部署CLI工具

想在本地对AI模型做优化、编译？试试ST Edge AI Core！这是一款用于优化和编译边缘AI模型的命令行接口（CLI）工具，适用于STM32 MCU/MPU等多种器件。它支持跨框架模型导入AI模型，可进行算法分析及模型验证和优化；还支持代码生成与部署。


; b) Y/ S* v0 |- S. d$ |* t% E: ]

06

ST Edge AI Developer Cloud：

云端优化与基准测试平台

ST Edge AI Developer Cloud是一款适用于多种ST器件的免费在线平台，依托Edge AI Core执行模型优化与验证，通过云端开发板进行基准测试。不用下载安装，直接访问平台就能操作，用户可直接访问平台，简化边缘AI开发流程，提升模型部署效率。这6款工具各具特色，覆盖边缘AI开发多个环节，再搭配ST提供的50+真实案例研究与20+资源文档加持，构建起完善且全面的边缘AI软硬件生态。无论你是刚入门的新手想要快速上手，还是追求高效的资深工程师希望提升开发效率，都能找到适配的工具支持，轻松降低开发门槛，让产品从“构思”快速推进至“落地”，缩短上市时间！

活动规则：
评论区留言来上手试试，访问ST官网ST Edge AI Suite，从工具下载到案例参考，一站式搞定～你最想用哪款工具开启你的STM32边缘AI项目？评论区聊聊！
/ A" r" v# o2 e$ e+ ~0 r活动奖励：从本帖评论区抽3位送STM32开发板！

9 o; ^4 u( G/ j) n( o8 V
' |! v, N8 C( U: T



2 N7 W3 K6 b, H; Y
7 P" f! G  E( x& W

对于这两款工具都很感兴趣，一款集成于STM32Cube中，开发和调用方便，可以方便地把AI模型转换为C语言代码，增加了嵌入式AI的开发便捷性；

一款则是对工程师完全免费，可以在云端完成边缘AI的优化和测试，为开发者带来很大的便利，也节省了本地资源的消耗

持续关注，STM32 一直是我在嵌入式开发中的首选平台！

不仅功耗控制出色，硬件级安全机制让人安心，而且高度集成的外设和强大的生态系统极大提升了开发效率。

这次看到 ST 推出的 Edge AI Suite 六大免费工具，更是让我对 STM32 在边缘 AI 领域的潜力充满期待——

从 NanoEdge AI Studio 到 STM32Cube.AI，每款工具都精准切中开发者痛点，真正做到了“从构思到落地”的无缝衔接。为 ST 的持续创新点赞！

STM32边缘AI开发工具链，深入了解了NanoEdge AI Studio等免费工具在异常检测与模型部署中的强大能力。

希望能申请STM32开发板，动手实践边缘AI项目，加速从理论到落地的转化。

弱弱的问一句，抽奖开始了吗？好像要stm32开发板呀，好期待哦~~~期待有回复哦

这款工具不错，自动优化代码，AI部署，大大节省工程师的时间

ST在大力推进MPU啊

当然选择 ST Edge AI Developer Cloud

用ST Edge AI Developer Cloud 、STM32Cube.AI（X-CUBE-AI）、ST Edge AI Model Zoo 图像识别等功能。

我更喜欢STM32Cube.AI，简单容易上手，第一开始就是接触stm32这款ai的模型软件

最想用X-LINUX-AI工具，以后高端Edge AI可能还是要有带ACPU的SoC跑linux系统，ST家的STM32MPU系列特别是stm32mp25x系列平台是比较理想的参考平台，在这样的系统中如何方便的使用AI工具开发是个问题，X-LINUX-AI正当其时

没有ML背景，会先从NanoEdge AI studio 和 Edge AI Model Zoo 开始AI之旅。平常用ST MCU的情况比较多，在MCU上做信号传感器数据的ML任务相对图像处理要简单一点，适合于本人没有大量训练数据和ML专业背景的工程师。使用过NanoEge AI studio,流程比较熟悉，入门也比较简单，选一个官方的ML模型库可直接上手学习，一段时间后再深入 Edge AI Core学习应用。

STM32Cube.AI（X-CUBE-AI）：

预训练模型的快速转换工具

这个是比较适合

NanoEdge AI Studio

免费AutoML低代码工具，无需深度编程，就能引导用户快速找到适配的AI模型，自动生成优化后的机器学习算法. 简单实用。

X-LINUX-AI

最想用ST Edge AI Model Zoo！刚接触 STM32 边缘 AI，想先做个简单的视觉识别原型。它有现成的、适配 STM32 的视觉模型，还带部署脚本，不用从零搭模型架构。而且支持自带模型扩展，后期有自己的数据集了，还能在现有模型上微调，对新手特别友好。

签到先

STM32Cube.AI 插件 会方面开发者使用，开发嵌入式ai很便利， 训练模型可以转换为c 代码