最新 MLPerf Tiny 基准测试结果：你的 STM32 已为 AI 就绪

[复制链接]

ST-norah 发布时间：2026-7-16 17:17

技术帖
文章封面:
文章简介:	边缘 AI 无需依赖专用硬件即可部署。它是一项极具潜力的技术，能够增强几乎任何基于 STM32 的应用。

人工智能正在快速发展，并逐步深入到我们嵌入式系统的核心领域。我们称这一领域为边缘** AI** ，它将机器学习能力直接带到微控制器、微处理器和智能传感器上。

虽然像 STM32N6 系列这样的专用芯片能够运行复杂的 AI 任务，但通用型 STM32 微控制器同样可以胜任许多应用，尤其是那些涉及来自传感器的时间序列数据的场景。

你的 STM32 已为 AI 就绪

来自振动、电流或环境监测传感器的数据，为提升你的项目提供了绝佳机会。通过在微控制器中嵌入一个小型 AI 模型，你可以让设备在本地执行智能监测、异常检测或数据插值。这将为项目带来显著价值，并且可以应用于整个 STM32 产品组合，从超低功耗的 STM32U3 系列、混合信号的 STM32G4 系列，到高性能的 STM32H5 系列。运行 AI 算法能够增强 MCU 的核心功能。

以 STM32U3 系列为例，它是一款极具代表性的产品。该微控制器以卓越的超低功耗性能而闻名。我们在其上部署了多种 AI 工作负载，并将基准测试结果提交至 MLPerf Tiny 基准测试（v1.3 轮次），结果非常令人印象深刻。

我们的 NUCLEO-U385RG-Q 开发板在关键词识别任务中实现了每秒超过 48 次推理，同时功耗仅为 245mW 。这种出色的能效得益于 STM32U3 具有突破性的近阈值设计（这是 STM32 家族中的首创），从而大幅降低了动态功耗。这是一个重要进步，因为与 STM32L4 相比，能耗几乎降低了 6 倍；与 STM32U5 相比，能耗降低了 2.5 倍。对于电池供电的物联网设备而言，这种高性能与超低功耗的结合，终于打破了智能化与电池续航之间的传统权衡。

除了 STM32U3 的案例外，我们也通过广泛的微控制器产品组合，进一步验证了我们在边缘 AI 领域的领先地位。从最小、最高能效的器件，到最强大的型号，STM32 微控制器都能够直接在设备端集成 AI 模型。对于最严苛的应用场景，例如计算机视觉和高级信号处理，我们还提供配备神经网络加速器的 MCU，确保开发者能够毫无妥协地在边缘端实现智能化。

让这一切成为现实的软件生态系统

强大的硬件只是其中一部分；要让 AI 集成真正顺畅，软件生态系统同样至关重要。我们最新的 STM32 边缘 AI 软件工具，是简化设计流程的重要助力。

NanoEdge AI Studio

如果你的项目涉及时间序列数据，这款 AutoML 工具将会极大提升效率。只需导入传感器数据，几次点击之后，工作室就会自动生成一个专为目标 STM32 优化的定制 AI 库。对于异常检测或分类等任务，这是一条将原始传感器数据快速转化为端侧 AI 方案的最快路径。

STM32Cube AI Studio

对于希望自行训练和开发神经网络的工程师，可以使用 STM32Cube AI Studio。该工具能够无缝将来自 TensorFlow Lite 等常见框架的预训练模型转换为优化后的 C 代码，并部署到任意 STM32 微控制器上。

STM32 AI Model Zoo

Model Zoo 中包含多种适用于常见应用场景的预训练模型，可作为你项目的起点。它支持使用 Python 脚本对模型进行微调、量化和部署，并提供应用代码示例，帮助你轻松启动项目。

边缘 AI 无需依赖专用硬件即可部署。它是一项极具潜力的技术，能够增强几乎任何基于 STM32 的应用。借助我们全面的硬件产品组合和易用的软件工具，你可以轻松开始构建更智能、更高效的设备。

其他资源