由于具备超低时延、低数据带宽、隐私性和安全性高等优点，边缘人工智能可以为很多领域提供价值，比如：一、工业预测性维护，包括条件检测、预测性维护等；二、控制系统，从家电到工业机器；三、物联网，包括智慧城市、智慧楼宇、智慧家庭和工业自动化等。


" A3 p9 ]8 G* K) n0 `# d, I) v+ `那么，在边缘人工智能领域，意法半导体可以提供哪些支持呢？据丁晓磊介绍，在硬件层面，首先是STM32 MCU，意法半导体所有MCU，都有工具能够支持它跑所有主流的神经网络模型，包括意法半导体最新发布的STM32N6，它是一颗带有神经网络硬件处理单元的MCU；其次提供开发板支持，包括意法半导体自己的开发板，以及很多第三方合作伙伴的开发板。在软件工具层面，意法半导体可以提供非常多、好用的开发工具，用来帮助开发者把人工智能模型部署到硬件端，包括NanoEdge AI和Cube.AI；除了这些开发工具之外，还有模型库Model zoo，这里面有很多预训练的模型，可以用来做进一步的人工智能开发；此外，还有各种软件包，Function Packs，可以帮助开发者更好的做模型训练、优化，进行整个流程的部署。ST的产品目前已经有相当多的成功案例，在工业自动化、智能交通、智慧城市、可穿戴、智慧家庭等领域，都有很多边缘人工智能的实际应用案例。一个震动检测的盒子，用于在工业领域做故障检测，这里面有用到STM32的MCU，盒子里面还有震动传感器。这个盒子，通过震动传感器的数据，再通过NanoEdge AI这样的边缘AI算法，来实现整个设备的异常检测。电器解决方案中断路器的预测性维护的案例，里面用到的是STM32G4，它用到电流、震动传感器，做异常检测和分类，能够更好的做断路器老化的预测。丁晓磊强调，在这些NanoEdge AI的使用案例中，值得一提的是，并不需要海量的数据，对于使用的公司来说，也并不需要重新请一位AI算法工程师。NanoEdge AI是一个对嵌入式开发工程师非常友好，能够很快上手的工具。支流拉弧检测的应用案例，用的是Cube.AI，这里面采用的是STM32U5。不过丁晓磊表示，很多STM32型号都可以胜任这个工作，做一些异常检测。相比于传统方案，它可以减少拉弧的误报率，提高准确性，并且提升在噪声环境下的适应性。ST的软件工具都可以应用在哪些芯片上呢？丁晓磊介绍，NanoEdge AI和Cube.AI是做全线支持的，可以用在ST整个的产品线上（如上图）。开发者可以把所有主流框架的模型，只要能够转换出足够小的代码，就可以在任何STM32 MCU上部署。另外，ST还有一颗MPU，双核，里面有一颗Cortex-M4内核，NanoEdge AI和Cube.AI两个平台同样对这颗MPU支持。转载自电子发烧网公众号
/ U$ F# n: w9 j0 ~' D8 O0 F