得益於 ST 最新AI解決方案，您現在可以利用多種 STM32 微處理器組合，運行預先訓練的人工神經網路 (ANN) 及機器學習模型 。透過 edge.ai@st.com 聯絡我們，進一步了解如何在 STM32 微控制器及微處理器上運行 edge AI 應用。

得益於 ST 為可全面客製化的 SPC5Studio Eclipse 開發環境而設計的 SPC5Studio.AI 組件，您現在可以轉換、分析並將車用神經網路模型部署在 SPC58 Chorus 車用微控制器上。

人工神經網路 (ANN) 可以解決日常生活中的各種問題。它們可以利用環境、住宅、辦公室、汽車、工廠及私人物品中的感測器所提供的資料。一個通用的模型往往假設來自感測器的原始資料被傳送到強大的雲端運送中心，因此需要巨大的資料頻寬和計算能力。如果考慮處理來自上億部終端裝置的音訊、視訊或圖像檔，這種通用模型往往會導致回應能力下降。

當在雲端上完成的分析工作轉移到更接近感測和動作的地方，AI 就能夠實現更高效率的端對端解決方案。這種分散式方法利用邊緣的計算能力，減少了轉移資料所需的頻寬以及雲端伺服器的處理能力，同時為使用者提供了資料主權優勢，因為個人資料被預先處理過才會提供給服務供應商，轉譯程度更高。

LSM6DSOX (IMU) 等高級感測器包含一個機器學習核心、有限狀態機器(FSM)及進階數位功能，為附帶的 STM32 或中央系統提供從超低功耗模式轉換到高準確度 AI 計算模式的轉換能力，用於由電池供電的物聯網、遊戲、穿戴式及消費電子產品。