为MCU赋能工业AI

问：边缘AI给工业带来了哪些变化？

答：边缘人工智能技术可以用于开发更智能的设备/更智能的应用。在遇到通常需要人工决策的复杂事件时，这些设备将能够自行作出决策。

因为本次采访是工业专题，所以我们以电机为例讨论边缘人工智能。工业设备应该24/7全天候运转，所以密切监视设备老化程度是非常重要的。

在此电机上添加一个运行AI的智能单元，能够准确地检测到老化现象，将有助于预测故障并防止停机停产。

有趣的是，因为电机上装有AI设备，不需要一直连接到云端，就能准确的检测到迫在眉睫的重大故障，如果威胁到操作员人身安全，还可以决定停止电动机运行。总之，其特点可以归纳为：

·         最便宜的工业设备维护成本；

·         为周围用户提供更安全的工作环境；

·         处理速度快，延迟时间短，而非边缘智能设备本机因为没有装置AI，需要连接到云服务器才能做出决策；

·         可降低设备的能耗，因为智能设备的能耗远远低于连接云AI解决方案；

·         更好的安全性能/隐私保护，因为智能设备可以自行在本机上处理工业设备数据，不会将数据发送到云服务器（不易遭受黑客网络攻击）。

问：其技术挑战是什么？

答：我们认为当今的主要挑战是，我们的客户非常想要通过AI提高应用的智能程度，或者说在想在产品上增加AI。然而有这方面知识或经验的厂商寥寥无几。

另一个挑战可能是数据隐私，目前大多数客户对数据上云的做法仍持谨慎的态度。

问：贵公司是如何解决这些难点的？有哪些创新性的解决方案推荐？

答：ST了解这些挑战，并意识到有必要为客户提供一个边缘AI开发生态系统，方便客户在微控制器上添加AI。因此，ST在2018年CES（美国消费电子展）上发布了STM32Cube.AI，帮助客户解决这个难题。

STM32Cube.AI是一款软件工具，用于为意法半导体微控制器优化DNN（深度神经网络。STM32Cube.AI可以从众多流行的AI开发框架中（如Keras, Tensorflow Lite等）获取接受过预训练的神经网络模型输出，并将其映射到经过优化后、适用于目标STM32 MCU的存储及处理能力的DNN（深度神经网络）中去。

更通俗地讲，STM32Cube.AI是一个生态系统的通用名称，用于在STM32上实现AI功能。 它是众多工具的集合，包括硬件平台，合作伙伴，固件库，移动应用程序等，可在STM32微控制器上实现AI功能。有了STM32Cube.AI，让客户在STM32系列上运行AI变得非常轻松简单。

针对那些对AI知之甚少的客户，ST通过展示与合作伙伴共同打造的完整的解决方案和详尽的用例，以帮助这类客户提高对AI的认知度。同时，我们每月也会有计划地举行一些实践研讨会，提高客户对STM32生态系统的熟悉度。

关于刚才提到的数据隐私问题，ST可以帮助客户在边缘（STM32）而非在云（服务器）上运行AI。这样就不需要将数据传输到云，可以使客户隐私得到更好的保护 。与在云计算相比，边缘（STM32）计算的其他优点还包括：更低功耗、更安全。在边缘端(STM32)运行AI，可以有效减少智能边缘设备的功耗，以及在设备和云之间传输数据带来的额外功耗。更重要的是，在边缘运行AI可以让设备在尽可能低延迟的情况下，自行作出决策并对设备进行实时控制，从而避免因操作不及时给用户或机器带来的安全隐患和直接损失。