????????市場(chǎng)主流MCU模型庫(kù)再擴(kuò)容，加快嵌入式人工智能開(kāi)發(fā)

140多個(gè)模型，加快在邊緣設(shè)備上部署視覺(jué)、音頻和感知人工智能應(yīng)用

近日，意法半導(dǎo)體（ST）發(fā)布了新的人工智能模型，并增強(qiáng)了開(kāi)發(fā)項(xiàng)目對(duì)STM32 AI模型庫(kù)的支持，以加快嵌入式人工智能應(yīng)用的原型開(kāi)發(fā)和產(chǎn)品開(kāi)發(fā)。這標(biāo)志著STM32 AI模型庫(kù)再次增加新的模型，事實(shí)上，在可以嵌入到穿戴設(shè)備、智能相機(jī)、智能傳感器、安防監(jiān)控設(shè)備、安全保護(hù)設(shè)備、機(jī)器人的視覺(jué)、音頻和感知模型庫(kù)中，STM32 AI模型庫(kù)的種類在業(yè)內(nèi)已是名列前茅。

意法半導(dǎo)體邊緣AI解決方案部副總裁Stephane Henry表示：“將數(shù)據(jù)學(xué)轉(zhuǎn)化為適用于嵌入式平臺(tái)的實(shí)用應(yīng)用程序是一項(xiàng)復(fù)雜的工程挑戰(zhàn)，在整個(gè)過(guò)程中，開(kāi)發(fā)人員需要技術(shù)支持。我們?cè)黾幽Ｐ蛶?kù)內(nèi)可用模型的種類，幫助STM32開(kāi)發(fā)者社區(qū)快速啟動(dòng)項(xiàng)目，同時(shí)STM32 AI模型庫(kù)4.0還加快從模型一直到應(yīng)用部署的整個(gè)開(kāi)發(fā)流程，這正是我們?yōu)閷?shí)現(xiàn)實(shí)體人工智能落地所做的承諾之一?！?/p>

在日常配件、家電等電子設(shè)備內(nèi)嵌入人工智能，不僅能解鎖這項(xiàng)技術(shù)的變革性優(yōu)勢(shì)，還能提高效率，節(jié)省能源。這些設(shè)備的核心部件是小型微控制器，這類微控制器本身處理能力和存儲(chǔ)容量有限，讓產(chǎn)品開(kāi)發(fā)人員很難優(yōu)化人工智能模型，兼顧性能和能效。意法半導(dǎo)體新推出的AI模型庫(kù)能夠幫助設(shè)計(jì)人員最大限度地利用現(xiàn)有可用資源，創(chuàng)建高效且功耗極低的模型。這個(gè)模型庫(kù)是ST Edge AI套件的組件，該套件為開(kāi)發(fā)者提供一整套開(kāi)發(fā)工具、軟件庫(kù)和實(shí)用程序，可進(jìn)一步簡(jiǎn)化和加快在意法半導(dǎo)體硬件上開(kāi)發(fā)和部署人工智能算法，確保從原型到生產(chǎn)無(wú)縫集成人工智能。

十多年來(lái)，意法半導(dǎo)體的邊緣人工智能研發(fā)創(chuàng)新一直處于市場(chǎng)前沿，致力于提供軟硬件加速的模型，幫助開(kāi)發(fā)者解決在網(wǎng)絡(luò)邊緣節(jié)點(diǎn)上部署人工智能的復(fù)雜性難題。今天，意法半導(dǎo)體的人工智能工具每年持續(xù)支持超過(guò)16萬(wàn)個(gè)項(xiàng)目。

意法半導(dǎo)體的STM32微控制器應(yīng)用非常廣泛，包括消費(fèi)電子產(chǎn)品、可穿戴設(shè)備、通信基礎(chǔ)設(shè)施、智能電網(wǎng)、智慧城市、工業(yè)自動(dòng)化，甚至低軌道衛(wèi)星等領(lǐng)域。通過(guò)在這些微控制器上戰(zhàn)略性部署人工智能，意法半導(dǎo)體能夠快速地為終端用戶提供具有高經(jīng)濟(jì)效益的尖端技術(shù)，同時(shí)提升產(chǎn)品的可持續(xù)性。

為了進(jìn)一步鞏固在嵌入式人工智能領(lǐng)域的龍頭地位，意法半導(dǎo)體擴(kuò)展了產(chǎn)品布局，推出了STM32N6系列等帶有NPU硬件加速器的微控制器，在快速增長(zhǎng)的嵌入式人工智能或邊緣人工智能市場(chǎng)上搶占先機(jī)。

技術(shù)信息

模型數(shù)量提高一倍，從30個(gè)增加到60個(gè)，擁有業(yè)內(nèi)最大的現(xiàn)成的MCU模型家族，模型數(shù)量超過(guò)140個(gè)。

不局限于一個(gè)模型目錄，還提供一個(gè)全流程開(kāi)發(fā)方案，其中，腳本可輔助訓(xùn)練模型，并將其與應(yīng)用軟件庫(kù)集成，幫助客戶更高效的把模型部署在MCU上。

新增對(duì)PyTorch模型的原生支持，完善了現(xiàn)有對(duì)TensorFlow Lite、Keras AI框架、LiteRT和ONNX格式的支持。

通過(guò)壓縮和子字節(jié)量化模型提高嵌入式AI的執(zhí)行效率。