服务横跨多重电子应用领域的全球半导体领导厂商意法半导体（STMicroelectronics，简称ST）继续扩大嵌入人工智能解决方案组合，为嵌入式人工智能开发者和资料科学家提供一套全新之业界首个线上开发工具和服务。STM32Cube.AI云端开发者平台让开发者有机会使用一整套环绕产业领先之STM32微控制器（MCU）所打造的线上开发工具，以进一步推动软硬体选购决策，降低边缘人工智能技术开发复杂度，并加速新产品上市速度。
意法半导体通用微控制器子产品部执行副总裁Ricardo De Sa Earp表示，“我们的目标是提供优质的软硬体和开发服务，帮助嵌入式开发人员和资料科学家因应各种挑战，并更快速、更轻松地开发边缘AI应用。今天，我们推出世界首个云端MCU AI开发者平台。与STM32Cube.AI生态系统紧密配合，此新工具可以让开发者在云端使用 STM32 硬体远端测试神经网路模型，节省开发工作量和成本。”
为满足市场对基于边缘人工智能系统不断攀升的需求，意法半导体先前推出STM32Cube.AI优化桌面前台软体，让开发人员能够在STM32板上优化并评测训练好的神经网路模型，产生能够在STM32板上高效运行的AI模型程式码。今天，意法半导体进一步推出此工具的线上版——STM32Cube.AI云端开发者平台。新工具提供多项产业首创功能：
- 线上图形化使用者界面：针对STM32微控制器优化神经网路模型，并产生在STM32微控制器上高效运行的模型C程式码，而无需事先安装软体。受益于经过业界验证的AI神经网路优化性能，资料科学家和开发人员可以轻松、快速地开发边缘人工智能专案。
- STM32模型库：包含可训练的深度学习模型和范例应用程式码，有助于加速应用专案开发。在工具推出时可用之范例包括人体活动识别追踪动作感测、影像分类或物体侦测电脑视觉、音讯分类事件侦测等。这些人工智能模型库托管于GitHub上，可自动优化并产生在STM32上高效运行的“开始开发”套装软体。
- 世界首个线上基准测试服务：在STM32板上评测边缘AI神经网路模型的性能。云端电路材料库提供各种STM32电路板，材料库定期更新，使资料科学家和开发人员能够利用各种电路板远端测试模型优化后的实际性能。
STM32Cube.AI Developer Cloud (STM32CubeAI-DC) 是一个免费的在线平台和服务，用于创建、优化、基准测试，并为基于 Arm® Cortex®‑M 处理器的 STM32 微控制器生成人工智能 (AI)。
STM32CubeAI-DC采用STM32Cube.AI核心技术。 其性能与 STM32CubeMX 一起使用的 X-CUBE-AI 扩展包相同。
相关连结: https://stm32ai-cs.st.com/home
特色：
- 在线GUI（无需安装）可通过 STMicroelectronics 外联网用户凭据访问
- 网络优化和可视化，提供在 STM32 目标上运行所需的 RAM 和闪存大小
- 将浮点模型转换为整数模型的量化工具
- 各种 STM32板基准测试服务，以充分利用合适的硬件选择
- 代码生成器，包括网络 C code和可选的整个 STM32 project
- STM32 模型动物园：
– 轻松使用模型选择、训练脚本和关键模型指标，可直接用于基准测试
–用户模型的应用程序代码生成器，带有“入门”代码示例
– 使用 Python™ 脚本 (REST API) 的 ML 工作流自动化服务
- 支持所有X-CUBE-AI 功能，例如：
– 原生支持 Keras 和 TensorFlow™ Lite 等各种深度学习框架，并支持所有可以导出为 ONNX 标准格式的框架，例如 PyTorch™、MATLAB® 等
– 支持 Keras 网络和 TensorFlow™ Lite 量化网络的 8 位元量化
– 支持各种内置的 scikit-learn 模型，例如隔离森林(isolation forest)、支持向量机 (SVM support vector machine)、K-means 等
– 可以透过将权重存储在外部闪存中并将激活缓冲区存储在外部 RAM 中来使用更大的网络
– 在不同的 STM32 微控制器系列之间轻松移植
- 用户友好的许可条款
该工具已经过多家嵌入式开发公司的测试和评估。
斑马科技（Zebra Technologies Corporation）研发中心资深技术人员Toly Kotlarsky指出，“过去对于STM32Cube.AI使用经验很满意，其能够在低成本MCU上实现高性能AI应用。今天，我们很高兴地看到该产品进一步升级，提供线上使用者界面，而且能够远端评估AI模型的性能，还能在早期作业流程选择适合的硬体架构，以便我们能更快地集中心力开发AI应用。整体来说，我们对ST AI团队所提供的服务和支援感到非常满意。”
施耐德电气人工智能预测和策略部副总裁Didier PELLEGRIN表示，“模型库、STM32Cube.AI线上使用者界面和远端STM32板上模型基准测试功能，让拥有各种硬体知识的资料科学家评估使用AI模型于我们产品中之微控制器的嵌入能力变得更容易。此外，点击几下鼠标就可在数个STM32微控制器上测试模型，使我们能够在设计早期考虑利用嵌入式AI处理设计进阶功能。”
Husqvarna Group AI实验室的AI创意与研究总监Johan A. Simonsson则分享，“STM32Cube.AI云端开发者平台为资料科学家和嵌入式开发人员协作，以及分享其在嵌入式神经网路的知识提供了一种简单的方式，这有助于简化开发流程。基准测试功能还使我们的资料科学家确保模型能够在微控制器上顺利运行。这些优势使我们能够保持竞争力，并为客户提供最佳解决方案。”
Somfy微控制器和数位元件专家工程师Serge Robin表示，“有了STM32Cube.AI云端开发者平台，我们可以在很短的时间内确认嵌入式AI产品开发方法的可行性。透过使用电路板库，我们能够确认模型可以在微控制器上运行，还能在不同的STM32板上执行远端基准测试，并选择最适合的STM32。整体来说，此STM32Cube.AI线上版非常受欢迎，让我们能够在未来开发出更多创新的产品。”
Lacroix 研发执行副总裁 Stephane Henry则说到，“STM32模型库可以大幅简化机器学习（ML）开发流程，并提供支援STM32微控制器的预先训练好的模型。由于这些模型可以轻松取得并整合到新专案中，这可进一步减少耗时的模型训练和实验过程，显著缩短产品上市时间。”
最后，SIANA Systems执行长Sylvain Bernard表示，“我们从早期就开始使用STM32Cube.AI，并将CLI整合至开发流程中。最新的云端版的REST API及其Python装饰器／模组将大幅降低CI／CD工具维护的复杂性。结合令人兴奋的模型库，这项新服务将节省开发时间，让开发人员能加速研发周期。”
评论