電子發燒友網報道（文/李彎彎）由于數據安全性、系統響應性、隱私保護，以及本地節點因數據傳輸延遲等因素導致的功耗，基于云的解決方案無法滿足部分用戶的需求。于是，越來越多的AI計算功能從服務器端下沉到終端系統，使得終端系統變得更加智能。

據Astute Analytica此前的研究預測，邊緣AI市場規模將從2021年的140萬增長至2027年的800萬，年復合增長率達到29.8%。過去幾年，眾多全球知名芯片企業都在邊緣AI領域進行了布局，并憑借自身優勢為各行業提供邊緣AI解決方案，包括ST、安森美、英飛凌等。

ST NanoEdge AI Studio開發工具加速AI模型建模速度

過去幾年，ST一直致力于人工智能技術的研發，并利用多年積累的知識經驗開發相關的工具，支持嵌入式開發者在ST微控制器和傳感器上部署人工智能技術。近日，意法半導體中國區微控制器AI市場經理丁曉磊在接受電子發燒友采訪的時候表示：“因為每個客戶及他們的項目都不一樣，為此，我們開發了硬件、軟件和工具，以幫助不同用戶可以快速部署正確的應用解決方案。”

首先是STM32Cube.AI，該工具軟許開發人員優化提前訓練好的AI模型，并將其安裝到任何一款STM32微控制器上。STM32Cube.AI工具支持TensorFlow Lite、Keras、Pytorch 等AI開發框架，還可以減少軟件優化和移植的工作量，讓高成本效益的高能效的STM32 MCU能夠運行神經網絡。

其次ST還為客戶提供了一個NanoEdge AI Studio的開發工具，用于加快高性能AI模型的建模速度，就算沒有AI或數據科學專業知識，開發者也能使用這個工具，通過對數百萬個模型組合進行基準測試，從頭開始生成機器學習模型，為客戶提供專為任何STM32微控制器優化的異常檢測、分類和回歸算法。現在，該工具還可以創建能夠在ST的內置新智能傳感器處理單元（ISPU）的傳感器上運行的AI模型。

另外在NanoEdge AI Studio生成的模型中，有些能夠在微控制器上執行本地學習任務，有了這個學習能力，模型可以變得“會學習”，并且變得更加準確，而無須任何基于大數據集的二次訓練。ST還提出了可以在STM32微處理器上輕松運行AI的解決方案，適合對算力要求更高的應用系統。

ST開發的功能軟件包還能為用戶帶來很多好處，比如，幫助用戶快速啟動計算機視覺、感知 和工況監測等各種應用開發項目。在這些軟件包中有訓練好的AI模型、應用代碼和開發人員需要的所有固件，這可以為開發者節省寶貴的時間。

相對來說，兩個優勢互補的軟件工具STM32Cube.AI和NanoEdge AI Studio，產品種類豐富的STM32 微控制器和微處理器，以及大量的傳感器產品組合，讓ST的人工智能解決方案成為市場上比較豐富的人工智能產品組合。ST的整體解決方案可以針對任何應用需求進行高度優化。同時，ST還可以為客戶提供強大的技術支持，客戶通過STM32社區可以訪問龐大的STM32用戶群，以及獲得隨時準備幫助他們創新的合作伙伴。

STM32 AI解決方案可以輕松改進嵌入式AI的應用，比如有這樣一個邊緣AI的應用案例，一位客戶利用ST的生態系統開發了人工智能解決方案，為工業設備增加預測性維護功能。這些預測性維護解決方案可以減少設備停機時間，提高生產效率，優化人工干預。據這家客戶的總裁表述，他們的Bob Assistant助理基于ST技術，現已安裝在歐洲的數十個工廠，為數千臺設備提供24/7全天候預測性維護，其中包括泵、空調、發動機和暖通空調。

據丁曉磊介紹，NanoEdge AI軟件庫的設備上學習功能有巨大的價值，可以執行增量學習，使模型適應每個環境中的特定設備。因此，該解決方案可以實時、高精度地檢測運行特性的變化，并發送警報通知維護團隊，以便他們在重大故障發生之前調整設備，這都要歸功于在超低功耗 STM32 微控制器上運行的機器學習算法。

英飛凌具有AI能力的MCU賦能汽車、工業、消費領域

隨著技術的發展和電子產品智能化的趨勢帶動，AI的應用正在逐漸從云側的服務器下沉至邊緣甚至端側的智能硬件。這樣的變化會大大降低被數據占用的網絡帶寬，數據處理的時效性會提高，這對用戶隱私數據的保護也起到非常積極的作用。

作為連接現實世界和數字世界的領導者，英飛凌非常了解這樣設計的重要性。英飛凌科技安全互聯系統事業部市場總監彭祖年在接受電子發燒友采訪的時候表示：“在智能硬件中，最為核心的就是MCU產品。當我們賦予MCU機器學習的功能時，就可以讓開發者在更加智能的平臺上運用人工智能的模型與算法實現他們的設計。”

目前英飛凌的MCU產品主要圍繞IoT相關的應用，并努力將IoT的產品向AIoT方向推進。英飛凌認為，IoT的主要應用場景可以歸納為汽車應用場景、工業應用場景和消費應用場景。

據彭祖年介紹，在汽車方面，英飛凌的車規級MCU無論是在車身、底盤還是三電系統，都為V2X的時代做好了準備；在工業方面，AI的能力可以應用于更高效及更精準的工況監測，實現自動標定、預測性維護等功能，保障自動化生產的安全穩定運轉；在消費方面，AI可以和更多具備感知功能的傳感器一起，在運動監測、場景感知等應用方向顯著提高設備的判斷準確性，給用戶來帶更好的體驗。

彭祖年認為，AI不是簡單的IP堆疊，MCU產品需要平衡眾多的設計要素，從功耗、運算性能，到數據的存儲及讀取效率，以及對外表達的效果等諸多方面都需要得到兼顧，如此才能打造出一款好的產品。另外，開發工具也是用戶在開發MCU過程中必不可少的一環。

為了更好的支持AI功能的開發，英飛凌推出了ModusToolbox? 機器學習工具，能夠快速評估ML 模型并將其部署到英飛凌MCU 上。ModusToolbox? ML 旨在與BSP、連接堆棧、中間件和有直觀的配置器的ModusToolbox? 軟件生態系統無縫協作，以便開發人員可以專注于他們的應用程序差異化并加快進入市場。

目前ModusToolbox? ML 已經實現：從流行的訓練框架（如TensorFlow?）導入模型；優化嵌入式平臺的模型以減少系統資源和復雜性；通過基準測試驗證優化模型的性能；生成優化模型代碼和庫與ModusToolbox? 開發流程整合。彭祖年表示，這樣，在一個根據運動傳感器（加速度計和陀螺儀）數據執行手勢分類的案例中，該模型經過訓練后就可對圓形、方形和單向前后左右手勢進行分類。

安森美芯片平臺助力邊緣AI客戶縮短研發周期、降低成本

安森美非常重視邊緣AI應用的發展，目前已經布局了超低功耗藍牙平臺助力邊緣AI設備擺脫線纜的束縛同時能夠輕松上云；同時也發布了超低功耗超強性能自帶NNA神經網絡加速器的6核架構DSP芯片Ezairo8300，實現邊緣AI本地化深度學習，配合安森美的各種功率器件，圖像傳感器以及最新發布的先進的電感式編碼器芯片NCS32100，可以讓邊緣AI設備制造商輕松獲取bundle solution節省溝通成本。

安森美芯片平臺具有超低功耗、超低物料單(BOM)成本、超強性能、超短研發周期等優勢。比如，安森美推出的超低功耗藍牙RSL1X系列芯片（RSL10與RSL15），最低深度睡眠功耗可達65nA，同時創新Smart sensor低功耗模式，在ADC采樣持續進行下MCU仍可進入睡眠模式，可延長使用電池供電的邊緣AI設備的使用壽命。

同時該系列芯片內含巴倫電路以及片內電源管理模塊，可以為客戶降低了整個BOM成本。再者RSL10低功耗藍牙芯片設計為雙核架構，除了常規的ARM3 MCU內核外，還有一顆32位雙精度浮點型DSP 內核，大大增強了RSL10 芯片平臺的算力。

安森美工業方案分部高級應用工程師楊雪芳在接受電子發燒友采訪的時候表示：“安森美致力于適應快速變化的市場，應對不同的客戶應用，可以提供不同的固件演示，用戶可在RSL10主頁看到各種基于RSL10平臺的解決方案，這些方案可以大大縮短客戶的研發周期，加快了產品上市時間。”

再比如安森美推出的Ezairo8300芯片平臺，這是一顆具有NNA神經網絡加速器在內的6核超低功耗DSP開發平臺，在處理語音信號時功耗可低至0.7mA或以下，同時片內包含了放大器、濾波器組等，使用戶在只需要外接電源、喇叭以及麥克風的情況下輕松實現語音識別、語音降噪、語音放大等音頻類應用。

另外，安森美最新推出的先進的電感式編碼器芯片NCS32100，其位置精度可達+-50角秒或以內，媲美當前光編碼器的高精度，而價格遠低于光編碼器，并且外圍只有12個組件，這大大降低了設計的復雜度以及BOM成本。

據楊雪芳介紹，安森美推出的芯片平臺，除了提供優質的硬件平臺，為了縮短客戶的研發周期、降低研發成本，同時還推出了基于其硬件平臺的交鑰匙解決方案。例如，基于安森美超低功耗藍牙RSL10平臺結合SensiML邊緣AI算法的RSL10 SensiML 方案。該方案可用于工業機械臂監控方案，依托RSL10強大的算力以及超低的功耗，在本地即可完成機械臂的狀態識別，實現本地化的邊緣AI應用。該方案解決了客戶缺少AI算法的難題，客戶只需要得到SensiML的授權，即可進行邊緣AI的快速開發。

總結

憑借自身獨特的優勢，相比于使用傳統的方式，邊緣AI能夠給各行各業提供更令人滿意的解決方案，越來越多的人在嘗試使用邊緣AI來解決行業的痛點問題。如今邊緣AI幾乎滲透進各行各業，包括交通、汽車、家居、工業、農業、可穿戴設備等領域。

然而目前AI還只是在個別應用場景中有成功的大規模應用案例，主要集中在一些與視覺識別相關的市場中。邊緣AI在各行業大規模應用還存在一些問題，比如，開發生態尚未成熟，這對于碎片化的IoT市場和普通開發者而言還不夠友好。

不過可以看到，各企業都在通過自己的優勢和方法，解決邊緣AI在開發、落地應用方面的難題，包括上面提到的ST、英飛凌、安森美等。另外也看到最近ARM也在積極布局AI的內核級工具鏈生態，包括將市面通用的算法模型轉換至ARM內核可執行語言的工具，相信在眾多企業的努力下，未來AI在邊緣和端側的應用落地將會加速。