嵌入式AI

嵌入式AI开发，TinyML模型部署到端侧推理优化

物联网与边缘计算蓬勃发展的当下，嵌入式AI开发中TinyML模型部署到端侧并进行推理优化，成为推动设备智能化升级的关键技术。TinyML旨在资源受限的微控制器单元(MCU)等低功耗嵌入式系统上运行轻量级机器学习模型，实现本地化智能决策与实时响应。

嵌入式AI加速障碍物识别的系统实现流程

嵌入式AI部署：PyTorch模型量化与NXP i.MX RT系列移植全流程

在物联网设备智能化浪潮中，将深度学习模型部署到NXP i.MX RT系列等资源受限的嵌入式平台，已成为推动边缘计算发展的关键技术。本文以PyTorch模型为例，详细阐述从量化优化到移植落地的完整技术路径。

TinyML模型优化：嵌入式AI的量化与推理加速

在资源受限的嵌入式设备（如MCU、低功耗AI芯片）上部署深度学习模型时，需解决存储占用、计算延迟、功耗限制三大挑战。TinyML通过模型量化与推理加速技术，将ResNet、MobileNet等模型压缩至KB级，实现边缘设备的实时推理。本文从量化策略、算子优化、硬件协同三个层面解析关键技术。

多核异构 + 统一工具链，瑞萨电子引领嵌入式AI实现跨界融合

MarketsandMarkets预测，到2027年，全球嵌入式AI市场规模将超过200亿美元，年复合增长率高达30%。这一增长背后，是对高算力、低功耗、实时性和安全性的迫切需求，以及技术碎片化与跨界融合的复杂挑战。在这一浪潮中，瑞萨电子凭借其深厚的半导体技术积累和全球化战略，成为嵌入式AI领域的先锋。

英飞凌收购微型机器学习领域的领导者Imagimob，进一步增强和扩展其嵌入式AI解决方案

【2023年5月17日，德国慕尼黑讯】英飞凌科技股份公司(FSE代码：IFX / OTCQX代码：IFNNY)宣布已收购位于斯德哥尔摩的初创企业Imagimob有限公司，这是一家领先的平台提供商，致力于为边缘设备上的机器学习(ML)解决方案开发提供助力。通过此次收购，英飞凌进一步加强了其提供世界一流机器学习解决方案的地位，并显著扩充了其AI产品阵容。Imagimob提供一个端到端的机器学习工具链，该工具链高度灵活、易于使用，并且将重点放在了交付生产级ML模型上。英飞凌将收购该公司100%的股份，双方均同意不披露此次交易的具体金额。

将大数据转变为智能数据？利用嵌入式AI就可以

大数据产生于工业4.0时期。传感器和可用数据源越来越多，通常要求机器、系统和流程的虚拟视图更详细。这自然会增加在整个价值链上产生附加值的潜力。但与此同时，有关如何挖掘这种价值的问题不断出现。毕竟，用于数据处理的系统和架构变得越来越复杂。只有使用相关、优质且有用的数据，也就是智能数据，才能挖掘出相关的经济潜力。