開啟邊緣智能新時代 ST引領AI開發潮流
這些裝置將滲透到日常生活的方方面面，從家庭到工廠，從公司到城市，從大樓到交通出行，幾乎無處不在。當我們深入剖析這些裝置的運作模式以及它們所帶來的商業模式時，我們便能清晰地看到邊緣AI為我們的未來開創了怎樣的新局面。
那么，意法半導體是如何將這一遠景轉化為現實的呢？這又需要哪些關鍵元素的支持呢？意法半導體亞太區人工智能技術創新中心暨智能手機技術創新中心的資深經理Matteo MARAVITA指出，邊緣AI的實現離不開三個基本要素：安全性、連接性和自主性。而在今天的分享中，他將重點聚焦于第三個要素——如何提升這些裝置的智能和自主性，而?時將安全性和連接性問題置于一旁。他將進一步探討意法半導體是如何在這一領域實現其遠景的。
圖二
以車用傳感器為例，Matteo MARAVITA介紹了意法半導體與HPE集團的合作。他們正在利用邊緣AI技術來優化電動汽車的馬達運作。他們開發了一種名為“虛擬傳感器”的解決方案，該方案將AI算法運用在最新的Stellar系列車規微控制器上。這個算法能從傳感器中獲取馬達運作的數據，并利用這些數據來推斷和估計那些無法直接測量的馬達內部溫度。值得一提的是，這個車規微控制器不僅能執行人工智能任務，還能驅動馬達，并同時運行其他預測性維護的AI算法，以識別減震、機械和電氣系統中可能存在的異常狀態。
圖三
在近期的一項技術合作中，知名計算機與筆記本電腦市場的領軍企業惠普與合作伙伴攜手，利用先進的智慧傳感器技術，針對筆記本電腦的電源監控進行了優化。該方案的核心在于采用了ST的六軸IMU MEMS傳感器，惠普與ST的工程師們緊密合作，通過在不同環境條件下收集IMU傳感器的資料，并根據不同設備與用戶行為模式來開發和訓練AI模型。
圖四
此次合作目的在識別特定使用場景，例如用戶將筆記本電腦合上并放入計算機包前忘記關閉電源的情況。在此類情況下，由于未能及時關閉系統，筆記本電腦可能會過熱，導致電池迅速耗盡。為了解決這一問題，雙方全面收集了各類資料，并合作開發了機器學習模型。一旦模型經過驗證，該算法將被整合至智能傳感器中，從而實現更為精準的電源管理。
此外，在另一項引人注目的應用中，AI技術也被成功引入到了日常生活中已存在數十年的洗衣機領域。隨著技術的不斷進步，現代洗衣機在馬達控制性能上已實現了顯著的提升，相較于15或20年前的洗衣機，現在的洗衣機不僅馬達性能更高，而且能耗更低。
圖五
在此次創新中，STM32微控制器被用于控制洗衣機的馬達運行，并同時執行AI算法。馬達控制器算法將馬達的電流狀態信息發送至AI算法，后者利用這些信息來估算待洗衣物的重量。通過更準確地估算衣物重量，洗衣機能夠選擇更為合適的洗滌程序，從而以恰到好處的電流驅動馬達，減少整體用水量、洗衣液用量以及能源消耗。據統計，這一技術可為一個洗衣周期節省高達15到40%的能源和水資源。
不僅如此，AI算法還具備提前檢測洗衣機滾筒在旋轉過程中可能發生的碰撞以及撞擊洗衣機外殼的能力。這一功能的實現得益于ST的六軸IMU傳感器，使得整體解決方案更加穩定可靠。
通過這些案例，我們可以看到，越來越多的公司、應用領域的工程師們正積極尋求將人工智能技術整合到他們的產品中，以實現更高效、節能和穩定的性能。
圖六
在當前的技術領域中，開發人員仍然面臨著一系列挑戰。這些挑戰主要可分為硬件和軟件兩大層面。從硬件角度來看，盡管開發者追求實現人工智能功能，但仍需兼顧整體性能、安全性以及功耗控制。特別是在選擇硬件時，必須確保其具備特定的安全功能，并能在維持低功耗的同時穩定運行。對于半導體供貨商而言，如意法半導體，他們致力于為客戶提供一系列整體方案，以應對不同硬設備的挑戰。
圖七
在另一方面，軟件層面的挑戰同樣不容忽視。為了在設備中實現可訓練的模型，開發者不僅需要在最終產品中創建、訓練和部署模型，還需負責其維護。特別是在邊緣AI領域，這一挑戰尤為突出。
意法半導體早在十年前便開始了AI研發計劃。他們從機器學習的基礎研究入手，專注于未來將成為焦點的邊緣設備。因此，他們的機器學習技術特別針對硬件資源受限的設備進行了優化。2018年，他們推出了首個STM32 AI函數庫——STM32Cube.AI，并自此開始與客戶合作，共同開發了多個項目。
圖八
同年，他們還推出了首款內置MLC機器學習核心的MEMS傳感器，該傳感器具備機器學習模型硬件加速功能。此外，他們還加入了TinyML聯盟，并隨后將AI的布局和支持范圍擴展至其他芯片，如車用微控制器和Linux相關產品，如STM32微處理器。
到了2021年，意法半導體進一步推出了新的AutoML工具生態系統NanoEdge AI。一年后，他們再次發布了新款具有更先進硬件加速器的MEMS傳感器，該傳感器能夠在同一設備內運行更小的深度學習網絡。去年，他們繼續改進軟件生態系統，推出了STM32開發者云端模型庫，并更新了Stellar系列車規MCU工具。
圖九
值得一提的是，STM32在通用微控制器領域取得了顯著成績。在MLPerf Tiny基準檢驗中，STM32提交的項目數量位居第一，占所有提交項目的73%。這充分證明了意法半導體多年的努力得到了回報，并吸引了大量開發者在其平臺上進行邊緣AI的開發與探索。
圖十
這一成功的背后，有三個關鍵因素不可忽視。首先，意法半導體在通用微控制器、工業和消費性微控制器市場具有優勢地位，STM32系列特別適用于這些應用。其次，他們對邊緣AI基準檢驗做出了重要貢獻，如MLPerf Tiny基準檢驗。最后，他們的在線平臺——STM32 AI開發者云端平臺，為客戶和開發者提供了便捷的在線工具和STM32開發板，?明他們輕松測試模型。這些因素共同推動了STM32在AI創新領域的廣泛應用。
圖十一
在成功利用硬件解決方案協助開發者應對硬件挑戰之后，ST如今進一步聚焦如何?明客戶克服軟件方面的挑戰。開發邊緣AI解決方案涉及多種類型的AI工程師，他們各自擁有不同的開發技能，因此其需求也各不相同。
圖十二
嵌入式軟件工程師是專注于實現邊緣AI并將其無縫整合到整個系統中的關鍵角色。這類工程師往往會從可靠的示例項目入手，根據特定應用需求調整參考設計。與此同時，機器學習工程師、AI工程師或數據科學家則主要致力于機器學習模型的研發，他們不僅關注模型的數據集，還需根據目標硬件裝置優化模型性能。
圖十三
硬件工程師則渴望擁有一個簡便的基準檢驗工具，以便在不同的硬件平臺或組件上測試數據科學家提供的先進算法，并在性能、功耗、尺寸和價格之間找到最佳平衡點。
鑒于這些多樣化的需求，ST開發了一個獨特的工具——ST Edge AI開發工具包，以滿足各類工程師的需求。
圖十四
那么，ST Edge AI開發工具包究竟是什么呢？它是一個集成了邊緣AI開發所需全套工具和模塊的綜合性解決方案。從利用模型庫建立示例、收集數據集，到將模型部署到特定硬件，該套件覆蓋了整個開發流程?？蛻艨梢岳肧T的AutoML工具直接從數據開始構建模型，或者采用自研或第三方工具將自主研發的模型導入套件，進行模型基準檢驗，并在硬件上部署模型。
圖十五
ST Edge AI開發工具包旨在支持多種硬件，包括MEMS傳感器、微控制器、MPU微處理器以及車用微控制器。此外，套件還提供了豐富的開發資源，如文檔、培訓課程和小區訪問權限等，為開發者提供了全方位的支持。
圖十六
ST正致力于將多個工具整合為一個全面的邊緣AI開發工具包，詳細信息已全部呈現。這一生態系統不僅與內部AI開發流程相兼容，同時也與外部AI開發生態系統保持協同工作。值得一提的是，該套件支持眾多主流且廣泛應用的深度學習框架，包括TensorFlow Lite、Keras、PyTorch等，使得用戶能夠輕松利用這些框架訓練的機器學習模型進行開發。
圖十七
此外，ST Edge AI開發工具包還展示了與NVIDIA工具包的兼容性，為用戶提供更多選擇和靈活性。同時，該套件也提供了與AWS和微軟Azure等云端服務的連接可能性，使得用戶能夠輕松將邊緣AI解決方案與云端服務相結合，實現更廣泛的數據處理和分析。
不僅如此，ST Edge AI開發工具包還與MATLAB等模擬工具保持兼容，為用戶提供了更強大的模擬和測試能力。這使得用戶能夠在開發過程中更早地發現和解決問題，提高開發效率和質量。
圖十九
ST Edge AI解決方案的核心在于其通用的軟件庫和指令列接口，即ST Edge AI核心。這一核心功能使得客戶能夠方便地評估機器學習模型，并利用工具將模型編譯為特定目標。因此，無論是STM32微控制器、Stellar車用微控制器，還是具備MLC或ISPU等硬件加速器的MEMS傳感器，都可以輕松集成到ST Edge AI解決方案中。
圖二十
值得一提的是，這些工具都是免費的。不僅ST Edge AI套件本身是免費的，而且ST還宣布自去年12月起，Nano AI Studio在任何STM32上都可以無限免費使用。此外，ST還將根據特殊許可協議，繼續為客戶提供其他搭載Arm Cortex-M核心的微控制器的支持。
圖二十一
綜上所述，ST Edge AI開發工具包為用戶提供了一個全面、高效且靈活的邊緣AI開發解決方案。無論是初學者還是有經驗的開發者，都能夠利用這一套件快速構建和優化邊緣AI應用，推動智慧化時代的發展。
評論