為了讓你跑AI，MCU廠商拚了

都說在MCU上跑AI會成為常態，不過實話講，很多工程師在實際工作中部署AI的場景還沒那麼多，而且畢竟再學一門技術，又會增加很多時間成本。

不過，隨著全行業AI化行動加深，MCU廠商接連推出自己的AI工具，並且在開發上手難度和使用便捷性進行了優化。尤其在最近一段時間，不斷炫技，可謂是徹底拚了。

ST：用雲開發AI

ST的AI工具是STM32Cube.AI，並在去年率先推出雲端MCU AI開發者平台，降低邊緣人工智能技術開發複雜度，加快新產品上市速度。

STM32Cube.AI是STM32Cube的一個擴展包，可以自動轉換和優化預先訓練的神經網絡模型並將生成的優化庫集成到用戶項目中，從而擴展STM32CubeMX的功能。

STM32Cube.AI開發者云擁有多項行業首創，包括在線圖形用戶界面、STM32模型庫、世界首個在線基準測試服務。

這個平台比較方便一個功能是可以直接評估模型需要的Flash和SRAM大小，幫助工程師選擇合適的STM32，比較節省時間。

根據工程師的反饋，這個雲平台本身上手比較容易，不過上手AI還是需要有一定的AI開發經驗的。另外，目前也存在一定開源AI與其競爭。

除了STM32Cube.AI，ST還擁有一站式邊緣端AI工具NanoEdge AI Studio，NanoEdge跟TouchGFX一樣，由ST從其他公司收購而來，現在這個工具已經完全免費。

瑞薩：AI和嵌入式工具相結合

今年7月，瑞薩推出Reality AI Explorer Tier——作為Reality AI Tools軟件的免費版本，可用於開發工業、汽車和商業應用中的AI與TinyML解決方案。

據介紹，新推出的Reality AI Explorer Tier為用戶提供免費的、全面的自助式評估沙盒訪問權限。符合條件的客戶現在可以訪問Reality AI Tools的全部功能，包括自動化AI模型構建、驗證和部署模塊。

2022年，瑞薩通過收購Reality AI，重新定義了AI解決方案組合，現在Reality AI已成為瑞薩AI總體戰略的重要組成部分之一。Reality AI工具允許工程師基於高級信號處理生成和構建TinyML和Edge AI模型，側重於算法特徵發現和優化，使用專有的AI驅動，為給定的機器學習問題確定最佳特徵。在大多數情況下，這大大簡化了機器學習問題，允許使用緊湊、簡單和高效的學習算法。

瑞薩對於AI工具鏈的思考在於與嵌入式工具鏈的結合，也就是Reality AI Tools與瑞薩e² studio（即瑞沙基於Eclipse的集成MCU開發環境）無縫協作。

NXP：機器學習人人可用

eIQ機器學習軟件於2018年推出，經過不斷髮展，可支持系統級應用和機器學習算法實現。這個軟件工具集的特點是專業人士和非專業人士都很方便使用，抱著玩一玩的心態也可以跑起來應用。用官方的話說就是實現「機器學習人人可用」。

eIQ包括eIQ Portal、eIQ Model Tool、eIQ Command-line Tools三個重要組件，分別可以概括為開發圖像分類或是目標檢測任務、高級模型查看器、命令行工具。

整體開發流程方面，既可以只提供數據集然後借助eIQ工具箱完成從模型訓練到模型部署，又可以提供已經訓練好的模型，然後借助eIQ工具箱對其進行轉換/量化以及部署工作。最後，調用eIQ inference engines對所生成的模型進行推理，得到最終的預測值。

今年3月，NXP與NVIDIA達成合作，將NVIDIA TAO API直接集成到恩智浦的eIQ機器學習開發環境中。NVIDIA TAO低代碼人工智能框架通過遷移學習，讓開發人員能夠更輕鬆地利用經過訓練的人工智能模型，並針對特定用途對模型進行微調和優化。換句話說，開發人工智能只在這一個平台上就可以了。

英飛淩：持續合作擴大工具鏈

英飛淩也異常重視AI技術本身，還在今年8月30日推出全新的綜合評估套件PSoC 6 AI 評估套件，它提供了構建智能消費、智能家居和物聯網應用所需的全部工具。

英飛淩本身的軟件生態平台是ModusToolbox和Imagimob Studio，除了建設自己的平台，英飛淩一直會和其它AI工具廠商合作。

去年10月，英飛淩科技於宣佈與Edge Impulse合作，為PSoC 63低功耗藍牙MCU擴展基於微型機器學習的AI開發工具。人工智能物聯網應用開發者現在可以使用Edge Impulse Studio環境，在高性能、低功耗的PSoC 63低功耗藍牙®微控製器上構建邊緣機器學習（ML）應用。

Edge Impluse這家公司的名號很多人都聽說過，但可能很少深入瞭解過。這家公司以TinyML（Tiny Machine Learning）為服務，於2019年成立，創始人Zach Shelby和Jan Jongboom都來自Arm，致力於提供最新的機器學習工具，使所有企業都能打造更智能的邊緣產品。

Edge Impulse解決方案被廣泛應用於健康穿戴設備製造商如Oura、Know Labs和NOWATCH，工業組織如NASA，以及頂尖的芯片供應商，受到超過80000名開發人員的採用，並已成為企業和開發人員信賴的平台。

當然，英飛淩的合作不光是在MCU上，也包括傳感器，比如去年11月和Archetype AI簽署協議合作開發傳感器。

Silicon Labs：同樣不斷展開合作

Silicon Labs（芯高高技）和英飛淩類似，也進行了大量的合作。

通過與TensorFlow、SensiML和Edge Impulse等TinyML領域的領導者合作，Silicon Labs為初學者和專家提供了多種開發工具的選擇。使用這個新的AI/ML工具鏈和Silicon Labs的Simplicity Studio開發環境，開發人員可以創建應用程序，從各種連接的設備中提取信息，以做出智能的機器學習驅動的決策。

此外，Silicon Labs還提供ML應用、機器學習工具包（MLTK）、TinyML解決方案等各種資源支持。

開源AI，也蓄勢待發

使用MCU廠商本身的工具一定最適配，不過開源AI軟件也在行業中備受工程師青睞，很多工程師也會偏向使用開源軟件作為自己的常用軟件。

比如，TinyML的先驅SensiML在今年5月開源，SensiML能夠簡化TinyML代碼開發。SensiML Analytics Toolkit 提供了一個端到端的開發平台，涵蓋數據收集、標記、算法和固件自動生成及測試，通過獨特的數據收集和標記方法解決了人工智能項目中最常見的失敗問題。SensiML提供了最全面的功能，從簡單的點選式用戶界面模型創建到模型構建和測試工作流的完整流水線控制。

開源的好處就是能夠不斷推動社區發展，但也會存在數據集瓶頸和軟件工具碎片化的問題。

總之，現在AI人才缺乏嚴重，作為長期處在嵌入式領域的工程師總歸沒有長期耕耘AI，所以現在AI平台的作用就是通過工具的配置實現端側智能模型和算法建立，讓人人都能簡單開發MCU的AI和ML功能。從現在廠商的動作來看，確實在軟件上耕耘的力度也更大了。

參考文獻

[1]意法半導體中國：STM32Cube.AI開發者云：只需四個步驟，輕鬆將AI集成到MCU.2023.4.20.https://mp.weixin.qq.com/s/qQvRXflUC9VS6kGNmfgImA

[2]Silicon Labs：行業前沿的MCU + AI/ML開發工具彌合智能和嵌入式系統之間的差距.2024.7.10.https://mp.weixin.qq.com/s/AJ0mJvXA0xVa7blr45VZQA

[3]NXP：https://www.nxp.com.cn/company/about-nxp/newsroom/NW-NXP-COLLABORATES-NVIDIA-TO-ACCELERATE-AI

英飛淩：https://www.infineon.com/cms/cn/about-infineon/press/press-releases/2023/INFXX202310-012.html

本文來自微信公眾號「電子工程世界」，作者：付斌，36氪經授權發佈。