边缘人工智能
从云AI到边缘AI
如今AI的应用越来越广泛，它影响着我们每天使用的服务，接触的设备和机器。现阶段的AI技术很大程度上依赖于云计算，使用强大的远程数据中心，处理由本地设备收集的数据。
边缘AI将AI算法和模型直接部署在物联网 (IoT) 设备和嵌入式工业和汽车系统等设备上。这种部署方式让我们得以在源头实时处理和分析数据，让真正自主的智能设备成为可能，使设备能够快速决策，以适应性的方式触发行动。
相对云部署，在边缘部署AI具有诸多优势。更快的速度和超低的延迟，大大降低了数据传输负荷，显著提高了安全性。在云端运行推理算法需要瓦特级的功率，而在边缘设备上仅需消耗毫瓦甚至微瓦级的功率，显著降低了运行功耗。此外，边缘AI还能更好地保护隐私。
边缘AI为所有市场的设备和服务创造者打开了新的大门，让我们可以用比云技术低得多的成本实现更多新应用。
意法半导体帮助客户将边缘AI变为现实
边缘AI与云AI截然不同，由不同的芯片和软件驱动。
在意法半导体，我们投资于大量研究、创新和开发活动，让边缘AI能为客户所用。我们的研发成果包括一系列产品和工具，让嵌入式开发人员能在意法半导体微控制器、微处理器和智能传感器上使用AI算法。我们还积极参与tinyML社区活动，专注于提高小型物联网设备的机器学习效率。
无论您是专家还是刚开始使用边缘AI的小白，意法半导体都有适合您的解决方案。
在STM32微控制器和微处理器上应用边缘AI
STM32的边缘AI解决方案使器件更智能、更节能，提升了用户体验，并为许多新应用打开了大门。我们提供用户友好型在线工具和软件，帮助嵌入式开发人员以快速、高性价比的方式在STM32微控制器和微处理器上创建、评估和部署机器学习算法。
了解更多
在传感器上应用边缘AI
意法半导体的智能传感器内嵌有机器学习内核或用于边缘AI的高级专用数字信号处理器 (DSP)，为从工业设备到物联网设备的诸多应用赋予情景感知能力。如此一来，传感器就可以处理信息，并只与微控制器分享有意义的数据。这些智能传感器降低了系统级功耗，进一步提高了系统效率。
了解更多
汽车应用中的边缘AI
工程师可以使用我们的SPC5Studio.AI转换、分析汽车神经网络模型，并将其部署到 SPC58微控制器上，从而提升安全性、效率以及整体驾驶体验。您还可以索取最新的 Stellar E微控制器 边缘AI插件工具。
了解更多
阅读意法半导体关于边缘AI的最新刊物
| 标题 | 作者 | 出版物 | |
|---|---|---|---|
| 通过深度量化神经网络提高对对抗攻击的稳健性 | Ferheen Ayaz、Idris Zakariyya、José Cano、Sye Loong Keoh、Jeremy Singer、Danilo Pau、Mounia Kharbouche-Harrari | IJCNN | 查看 |
| 利用超微型神经网络补偿MEMS压力传感器的焊后热漂移 | Gian Domenico Licciardo、Paola Vitolo、Stefano Bosco、Santo Pennino、Danilo Pau、Massimo Pesaturo、Luigi Di Benedetto、Rosalba Liguori | IEEE ISCAS | 查看 |
| 用于深度学习边缘应用的SRAM全数字多瓦片NN加速器，最高4b存内计算，采用FD-SOI 18 nm制程 | G. Desoli等 | IEEE ISSCC | 查看 |
| 端到端优化的微型学习，用于迷宫拓扑中的可重定位墙 | Danilo Pau、Stefano Colella和Claudio Marchisio | IEEE ICCE | 查看 |
| TinyRCE：微约束下的前向学习 | Danilo Pau、Prem Kumar Ambrose | tinyML®研讨会 | 查看 |
| 0.8 mW TinyML PDM到PCM转换，用于传感器内KWS应用 | Paola Vitolo、Rosalba Liguori、Luigi Di Benedetto、Alfredo Rubino、Danilo Pau、Gian Domenico | Licciardo会议论文 | 查看 |