将AI功能整合到基于边缘技术的“在线”应用——此举有效拓展了大量全新的用例场景，并消除了系统对高带宽和永远在线连接的依赖。传感器的独立性正日益提高，不再依赖于持续不间断的连接，并能独立地进行感知、处理并采取相应行动。

随着先进技术逐步融入到人们的社会和日常生活中，从离线时代发展到在线时代的过去二十年间，传感器数据的收集和处理方式究竟经历了怎样的变化？本白皮书将就此开展深入研究。

6 ^1 D, d% Z/ v2 S4 z为将AI集成到基于边缘技术的应用中，我们归纳了其中所面临的技术挑战，之后还将继续探讨优化后的简易编程方法，了解该方法如何帮助开发人员优化ISPU解决方案的部署。意法半导体的ISPU系列可为神经网络算法提供理想效率，是面向边缘AI应用的创新运动传感器解决方案。
/ N+ X7 M5 A5 s2 u9 n9 Y

您将了解到：

• 将AI集成到基于边缘技术的应用时所面临的技术挑战；
  
• 全新的边缘处理方法 – 意法半导体ISPU已经问世；
  " E% ~6 `5 N! M4 x0 ^" j; t
• 优化后的简易编程方法助力ISPU部署；
  
• ISPU：使神经网络算法具有最理想效率；
  
• 哪些库可以在ISPU中运行；
  
• 其他资源。
  

9 p' x& b7 N" ~, ?* _

目标读者
- d; N- F- M/ H  D* _6 \将机器学习应用于个人电子产品和工业物联网解决方案的电子工程师。

请点击这里，下载白皮书