STM32Cube.AI：让嵌入式工程师驾轻就熟用AI

STMCU

随着在面部和语音识别、金融欺诈检测、预测性维护以及在线购物中的应用，如今AI已成为人们日常生活密不可分的一部分。

2020年，随着疫情逐渐向好，新基建等持续升温，AI在战疫及经济建设过程中屡建奇功。AI对每个行业和领域都带来了观念上的冲击和变革，正在重塑经济、重塑行业，推动整个人类社会走向更美好的未来。

AI被定义为在像人类一样思考并模仿其行为的机器中模拟人类智能，是包括机器学习和深度学习在内的各种技术的组合，用于为解决问题、推理、感知和语言智能等不同目的创建硬件和软件。为了开发包含AI功能的应用程序，技术人员需要专门的工具和专业知识，这对缺乏机器和深度学习培训的嵌入式开发人员来说是不小的挑战。

分布式AI呈现强劲发展势头

传统上，AI计算是在云中执行的，大量的原始传感器数据由网关聚合，然后发送到基于云的AI引擎。这个体系结构的优势是，它可以处理非常庞大的数据集和海量的计算。另一方面，这种方法消耗大量的功耗和网络带宽，而且在云中的计算量巨大又昂贵。由于需要将数据发送到云进行处理，还会带来延迟和隐私泄露的风险

分布式AI体系结构是一种更轻便、更敏捷的AI计算方法，由网络边缘的嵌入式处理器和微控制器对传感器数据进行预处理，从而显著减少了传输到云或自动执行神经网络的数据量，而无需任何云连接。分布式AI可以在用户的设备上本地运行，访问更多的用户数据，并且不依赖于网络连接，这意味着更低的功耗和最少的延迟。2017年4月，在谷歌宣布了其FederatedLearning的概念之后，分布式AI呈现出强劲的发展势头。这一创新标志着向完全分散的学习和以设备为中心的AI的过渡。

作为半导体行业的专家，ST在嵌入式AI应用的探索道路上也一直走在前列。STM32Cube.AI，是ST推出的一个先进的工具包，能够与流行的深度学习库进行互操作，将任何人工神经网络转换并应用于STM32微控制器（MCU）。借助STM32Cube.AI，基于STM32 MCU的边缘IoT设备现在可以直接运行神经网络，可以在边缘和即时响应中进行实时AI计算，从而保护隐私，减少占用网络带宽和消耗大量计算机功耗。

STM32Cube.AI对AI在嵌入式领域的应用具有重要意义。因为使用基于STM32 MCU的嵌入式系统的开发人员可能不熟悉神经网络。同样，从事机器学习的数据科学家更习惯基于云的海量计算资源，并且对嵌入式开发的内存和计算约束不太满意。STM32Cube.AI揭开了AI和嵌入式系统的神秘面纱，能够充分利用更多的开发人员的专业知识，从而将神经网络带入嵌入式边缘开发领域，进一步拓展了物联网应用。

STM32Cube.AI

让嵌入式专家驾轻就熟用AI

STM32Cube.AI让嵌入式系统专家只需五个步骤即可构建一个神经网络。

· 首先，获取需要处理的数据样本；

· 其次，清理数据并对需要的数据打上标签，使用神经网络开发框架构建神经网络模型；

· 然后，利用整理好的数据对模型进行训练并生成网络模型；

· 再次，用STMCube.AI工具将模型转换为STM32上运行的代码；

· 最后，在STM32上部署模型，就可以用设计好的神经网络模型实现系统功能了。

STM32Cube.AI支持快速、自动导入由流行的设计框架（例如Keras，TensorFlow-Lite，Caffe，Lasagne和ConvnetJS）训练的神经网络。

除了STM32Cube.AI工具包，ST还提供其他产品和技术来帮助缩小嵌入式系统和AI系统开发人员之间的距离。其中包括专门用于捕获和处理传感器数据的SensorTile开发套件以及STM32 IoT Node——一个集成了低功耗无线BLE、NFC、Sub GHz和Wi-Fi的多传感器开发套件，可帮助用户开发与云服务器直接连接的应用程序。

ST还提供了一系列STM32功能包，这些功能包将低级驱动程序、中间件库和示例应用程序组合成一个软件包。传感功能包能够帮助快速启动应用程序示例的实施和开发，这些示例程序整合并处理来自多个传感器的数据，提供高级检测和监视功能，例如运动识别、语音识别、环境监视、定位、跌倒检测、访问控制和入侵检测。

STM32Cube.AI 线上课程《基于STM32开发人工智能应用》现已上线。通过该课程，工程师们可以深入了解STM32Cube.AI及其具体应用，将ST的演示应用程序和开发板作为迈向自己嵌入式AI系统的铺路石。

STM32Cube.AI不仅仅是一个工具包，它更是ST通过将神经网络处理带给所有STM32开发人员，从而改变物联网格局的宏大战略，是加速分布式AI应用和发展的强大引擎。

俏如来

学习学习。