意法半导体近日正式发布了NanoEdge AI Studio V3版本，这是一次重大升级，而非简单的功能修补。新版不仅引入了两个全新的机器学习算法家族，还将数据记录流程简化至近乎傻瓜式操作，用户界面也进行了全面革新。对于嵌入式开发人员而言，这意味着可覆盖的应用场景更广、开发更直观、技术门槛进一步降低。结合意法半导体推出的Edge AI Sprint冲刺包（集成培训课程与技术支持的打包服务），团队能更快速地将边缘AI项目从概念推进到实际部署。简而言之，这次发布的潜台词十分明确：意法半导体致力于让边缘机器学习不再是少数专业人士的专属技能，而是成为人人可用的工具。

目录

• 1 什么是 NanoEdge AI Studio？
• 1.1 创建机器学习应用程序背后的挑战
• 1.2 将机器学习带到任何地方的解决方案
• 2 NanoEdge AI Studio 有哪些新功能？
• 2.1 两个新的算法家族
• 2.2 新的轻松数据记录功能
• 2.3 新的图形用户界面
• 3 在嵌入式系统上体验 NanoEdge AI Studio
• 3.1 使用 NanoEdge AI Studio 实现机器学习自动化
• 3.2 使用 Edge AI Sprint 引导项目
• 3.3 后续步骤

什么是 NanoEdge AI Studio？

创建机器学习应用程序背后的挑战

回溯至2019年，意法半导体博客曾与NanoEdge AI的创始团队深入交流，试图揭示其首个机器学习应用究竟是如何成功运行的。长期以来，大型企业若想从机器学习中获益，通常需要聘请一两名数据科学家——负责收集海量数据、清洗、构建模型，然后由嵌入式开发人员将该模型移植到微控制器上，或借助STM32Cube.AI等工具将神经网络转换为面向STM32 MCU的优化代码。然而，当公司预算有限时，雇佣数据科学家几乎成为一种奢望。部分项目甚至因数据敏感性或需人员常驻现场，导致外包途径也走不通。

即便人力与时间充足，高质量数据依然是难以逾越的障碍。无论机器学习技术如何进步，获取可靠训练样本都可能令人头疼。以异常检测应用为例，“异常数据”可能根本不存在——这被称为“新情况检测”。更棘手的是，即使数据集分类足够完善（比如针对异常检测场景），一旦遇到从未见过的新模式，那些数据基本失去价值。而想要获得干净、准确标记的训练集，投入的成本往往远超预期。

将机器学习带到任何地方的解决方案

NanoEdge AI Studio正是为嵌入式开发人员量身打造的实用工具——即便你完全不具备数据科学背景，也能轻松上手。其独特之处在于：训练阶段直接在设备上运行，在同一块微控制器上学习复杂的名义行为并执行推理。换句话说，整个AI学习与推理过程均可在一个STM32微控制器上完成。最终用户的操作？可以简化到只需按下一个按钮。这样一来，工程师就能根据实际环境定制系统，使设备更坚固、更易于安装部署。

NanoEdge AI Studio支持Windows 10和Ubuntu操作系统，是处理数据以及寻找最相关AI库的最佳途径。其设计始终围绕一个核心目标：让嵌入式开发与C应用实现无缝集成。简而言之，NanoEdge AI Studio会综合考虑CPU、内存、传感器等硬件规格，搜索并找到最优的NanoEdge AI库，然后输出一个可直接集成到嵌入式应用中的STM32 MCU库。而本次V3更新提供了更多库，并新增了数据记录功能。

NanoEdge AI Studio 有哪些新功能？

两个新的算法系列

在V3版本之前，NanoEdge AI Studio主要支持两种机器学习算法：异常检测和分类。此次升级，这两个系列的库数量均大幅增加，同时现有算法的性能也得到了优化——换句话说，切换到新版本的嵌入式开发人员很可能会体验到更好的资源管理或更快的执行速度。

更重要的是，V3带来了两个全新的算法家族：外推和异常值。外推算法（也常被称为回归）能够帮助预测那些未经测试条件下的行为。举个例子：你有一个风扇，记录了它在100°C、110°C和150°C下的运行数据。借助回归算法，机器学习应用就能推断出160°C时的表现。而且NanoEdge AI Studio中的外推算法远不止线性回归这么简单——它还提供了更高级的分析技术来应对复杂场景。这意味着开发人员现在可以创建监控应用，去监测那些数据科学家无法亲自测试的工况。

第二种新算法是基于一类值的异常值检测系统。其核心逻辑是：系统只学习正常行为，任何偏离正常的内容都会被标记为异常。此前使用异常检测时，开发人员需要先记录正常行为，再模拟一个或多个故障进行训练。但问题在于，有些场景下你根本无法复现异常——比如某些罕见故障，或者破坏性测试。此时，异常值检测就能发挥优势：仅凭常规操作的数据，就能推断出哪些信号属于异常。

轻松轻松的全新数据记录功能

数据科学家常常会在“将最终产品推向市场”这一环节受阻。原因很简单：最佳数据来自实际使用场景，但实际场景的数据往往难以获取，即便能获取，又常常受时间限制。为解决这一痛点，新的数据记录功能可以把任何STWIN SensorTile无线工业节点变成一个最直接的数据采集工具。用户只需将开发板连接到PC，用NanoEdge AI Studio切换到数据记录模式，之后的一切便自动运行。工程师可以把STWIN板直接固定到待监控的设备上，传感器会持续记录数据，然后开发人员后续再对数据进行标记和解析，从而创建更精准的应用程序。

新的图形用户界面

本次V3的界面改进也是一大亮点。随着新算法和数据采集功能的加入，优化用户体验、改善开发人员的工作流变得尤为关键。要知道，NanoEdge AI Studio的客户群体是那些希望在边缘端引入机器学习的团队，而生成的库只有1KB，高度优化。因此，界面上也必须让算法访问变得更便捷——确保开发人员能轻松选择项目类型，快速生成库。从实际体验来看，新版UI确实做到了这一点，流程更加流畅高效。

在嵌入式系统上体验 NanoEdge AI Studio

使用 NanoEdge AI Studio 实现机器学习自动化

在NanoEdge AI Studio出现之前，工程师要搞机器学习，需要先联系软件供应商，确认硬件配置和待监控行为，过程相当繁琐。而现在，这个工具让开发人员可以直接自定义、生成和验证自己的机器学习库。工作流程如下：首先选择Cortex-M架构和系统中的传感器，然后导入一个包含设备典型行为值的文件——比如来自风扇上加速度计的数据，或工业设备的电气参数。接着，NanoEdge AI Studio会自动从数以亿计的可能组合中测试、优化、排序出最佳的算法组合，并生成一个自定义库，开发人员可以用嵌入式仿真器直接验证。

V3版本还有一个很实用的升级：现在所有意法半导体的开发板都直接从用户界面获得支持。这意味着，运行概念验证变得非常简单，而且优化后的库是免费的。举个例子，在智能振动传感器教程中，用户只需拿一块NUCLEO-L432KC板，采集风扇的正常行为数据，然后喂给NanoEdge AI Studio，就能得到一个库。在主循环中调用该库，先运行最少次数的训练周期（新软件中的基准功能会自动定义），然后就可以进行推理了。从预测性维护到智能安全操作，NanoEdge AI库能帮你快速构建出各种应用。

使用 Edge AI Sprint 引导项目

不少客户卡在了第一步：无法评估AI能给自己的应用带来什么好处。为了帮这些团队快速启动项目，Edge AI Sprint提供的不仅仅是一个实用工具，而是一整套专家支持系统——专门用来引导开发人员绕过应用和用例中的雷区。Edge AI Sprint是一个包含培训课程、NanoEdge AI Studio许可证和技术支持的捆绑包。团队可以根据项目的复杂程度选择不同期限的许可证，确保最终能把项目带到量产。它的目的就是引导项目的第一步，在限制风险和投资的同时，大幅提高成功概率。

后续步骤

• 下载 NanoEdge AI Studio
• 请联系您的销售代表或授权业务合作伙伴，订购 NanoEdge AI Studio 和 Edge AI Sprint 的许可证

old news

2021-05-25 意法半导体（STMicroelectronics，简称ST）宣布与Cartesiam公司达成并购协议，收购其公司资产（包括知识产权组合），调动和整合员工。这项交易须经监管部门批准。

Cartesiam成立于2016年，总部位于法国土伦，是一家软件公司，专门从事人工智能（AI）开发工具研发，让基于Arm的微控制器具有机器学习和推理能力。今天，采用Cartesiam技术的产品数量已达数十亿。公司开发团队由数据科学家和嵌入式信号处理专家组成，在开发标准和定制解决方案方面具有丰富的经验。NanoEdge AI Studio是其获得专利的旗舰解决方案，让没有AI知识背景的嵌入式系统设计人员也可以快速开发专用的软件库，将机器学习算法直接集成到各种应用系统。含有Cartesiam技术的设备已经在全球量产，包括物联网设备、家用电器和工业设备。

通过此次收购，意法半导体可加强人工智能战略内涵，提升技术组合的实力，满足市场对嵌入式机器学习的各种需求。NanoEdge AI Studio解决方案与意法半导体的STM32Cube.AI工具相辅相成，相得益彰，为客户在自己的解决方案内集成机器学习模型带来额外的灵活性。

意法半导体微控制器和数字IC事业部总裁Claude Dardanne表示：“无论规模大小，处于什么行业，客户都将非常重视使用人工智能技术开发智能解决方案。STM32Cube.AI软件让客户能够移植预训练人工神经网络，在广泛的STM32微控制器产品组合上运行。在ST现有解决方案中加入Cartesiam的机器学习技术，可为寻求在产品中增加创新功能的客户带来市场上最佳的边缘AI解决方案组合。”