嵌入式AI可用于廣泛的終端市場(chǎng)，ST助力工程師克服三道難關(guān)

1   AI技術(shù)可用于廣泛的終端市場(chǎng)

在ST（意法半導體）產(chǎn)品覆蓋的所有終端市場(chǎng)中（諸如工業(yè)、個(gè)人電子產(chǎn)品、家用電器、醫療保健、汽車(chē)等等），人工智能（AI）技術(shù)在其中的應用率一直在增長(cháng)。ST 已發(fā)布了一些基于32 位微控制器、MPU 和MEMS 傳感器的AI 解決方案，這些方案被大量地采用，市場(chǎng)熱度高昂。我們的解決方案可以在所有這些市場(chǎng)應用用例和許多其他用例中為客戶(hù)提供支持。為了減少帶寬、電源需求和延遲，近年來(lái)的趨勢是從以云為中心的AI 解決方案轉向所謂的邊緣AI，在邊緣AI 中，機器學(xué)習（ML）算法在微控制器或邊緣傳感器上本地運行，在響應能力、低功耗、數據隱私和帶寬使用方面具有巨大優(yōu)勢。未來(lái)的挑戰是以極小的功耗（至少1 個(gè)數量級）運行越來(lái)越強大的深度學(xué)習算法，使更復雜的AI 解決方案能夠在非常微小的設備上運行。

意法半導體 亞太區人工智能技術(shù)創(chuàng )新中心 高級經(jīng)理 Matteo MARAVITA

2   工程師或研發(fā)人員的開(kāi)發(fā)挑戰

一般來(lái)說(shuō)，開(kāi)發(fā)者面臨的第1 個(gè)挑戰是如何習得一些AI 的基本知識，并了解如何為自己的用例實(shí)現ML項目。事實(shí)上，使用ML 進(jìn)行設計需要具有“思維轉換”能力，即從傳統編程技術(shù)（算法是“先驗”編寫(xiě)的）轉向大量數據驅動(dòng)的ML 方法。然后，開(kāi)發(fā)者需要找到最適合自己的應用場(chǎng)景的ML 模型，并了解如何正確評估其性能。而對于經(jīng)驗豐富的AI 開(kāi)發(fā)者來(lái)說(shuō)，這些基礎知識可能已經(jīng)非常熟悉了，因此他們面臨的挑戰更多地集中在可用于嵌入式系統的工具和庫上，以及找到AI 算法性能與硬件約束（與功耗和解決方案成本相關(guān)）之間的最佳權衡。

3   ST的解決方案

ST 提供完整的解決方案組合和生態(tài)系統，以滿(mǎn)足開(kāi)發(fā)者關(guān)于任何水平、等級的AI 或嵌入式AI 知識的需求。我們可以通過(guò)視頻教程、文檔和技術(shù)研討會(huì )幫助開(kāi)發(fā)人員獲得ML 設計的基本知識，使AI 初學(xué)者能夠使用非常用戶(hù)友好的工具，如UnicoGUI 工具（用于集成在我們MEMS 傳感器中的ML 核心）和NanoEdgeAI（用于STM32 上的預測性維護），立即在ST 評估板上開(kāi)發(fā)他們自己的AI 項目。對于A(yíng)I 專(zhuān)家提供支持，幫助他們將使用流行的開(kāi)源框架（如TensorFlow Lite、Keras……）開(kāi)發(fā)的項目，快速地移植到STM32 上。這要歸功于ST Cube.AI 庫，這些庫針對STM32 硬件特定解決方案進(jìn)行了優(yōu)化，甚至可以在STM32 和STM32MP1 設備上直接運行TensorFlow Lite 解釋器。除此之外，ST 還提供了大量AI 演示產(chǎn)品組合，涵蓋各種各樣的用例，如電機控制和工業(yè)自動(dòng)化的預測性維護、醫療保健和健身的人類(lèi)活動(dòng)識別、人員狀態(tài)檢測、人臉識別等，供客戶(hù)參考。這些都是免費使用的，相信對學(xué)習AI 的開(kāi)發(fā)者和客戶(hù)而言也有一定的價(jià)值。如果您想獲得有關(guān)ST AI 解決方案的最新信息，您可以聯(lián)系我們的本地銷(xiāo)售或分銷(xiāo)商。

（本文來(lái)源于《電子產(chǎn)品世界》雜志2021年9月期）