首先，感謝樓主提問！

ST多年來一直從事人工智慧研究和開發。作為大批次，廣泛市場，嵌入式處理解決方案的領先供應商，我們專注於開發可擴充套件，靈活的產品和技術，以允許AI方法使各種裝置受益，支援幾乎無限數量的用例。

AI在STM32微控制器上

將來，幾乎所有帶有32位微控制器的裝置都能夠使用AI技術。更具體地說，他們將能夠執行經過訓練以完成特定任務的DNN（深度神經網路）。

雖然目前大多數微控制器沒有記憶體和處理能力來執行建立DNN所需的學習演算法，但只要網路針對微控制器進行了最佳化，它們就可以自己執行DNN。

ST建立了一個工具，可以為微控制器最佳化DNN 。STM32CubeMx.AI計劃於今年晚些時候釋出，作為STM32軟體生態系統的一部分。

1、將您預先訓練的神經網路依賴框架輸入STM32 CUBMEX。

2、STM32最佳化庫自動快速生成程式碼

3、STM32 CUBMEXX.AI保證了與最先進的深度學習設計框架的互操作性。

工具採用來自各種最流行的AI框架（包括Caffe，CNTK，Keras，Lasagne，TensorFlow和theano）的預訓練神經網路模型輸出，並將其對映到適合記憶的最佳化DNN和目標STM32微控制器的處理能力。

該工具還可以檢查適配的DCNN的功能 - 它可以比原始的小10倍，精度損失可以忽略不計。

專用AI處理硬體的高階研發

ST開發了一種先進的片上系統演示器，可實現超高能效的DCNN處理。它解決了影象，影片和自然語言處理在資料速率和實時處理效能方面的挑戰性要求。該演示器在28nm FD-SOI片上系統中結合了8個卷積加速器，8個雙DSP叢集和一個最佳化的分散式儲存器架構。它在2017年初實現了2.9 TOPS / W @ 200MHz，0.575 V的效率。

常見框架的簡潔；

Keras是由純python編寫的基於theano/tensorflow的深度學習框架。

Lasagne是 Theano 中的一個輕量級庫.

TensorFlow™ 是一個採用資料流圖（data flow graphs），用於數值計算的開源軟體庫。

Caffe/Caffe2，全稱Convolutional Architecture for Fast Feature Embedding。是一種常用的深度學習框架，在影片、影象處理方面應用較多。

Theano 基於 Python，是一個擅長處理多維陣列的庫（這方面它類似於 NumPy）。當與其他深度學習庫結合起來，它十分適合資料探索。它為執行深度學習中大規模神經網路演算法的運算所設計。其實，它可以被更好地理解為一個數學表示式的編譯器：用符號式語言定義你想要的結果，該框架會對你的程式進行編譯，來高效運行於 GPU 或 CPU。

Computational Network Toolkit (CNTK) 是微軟出品的開源深度學習工具包。

嗯，這個問題問的好啊！

官方就放出來幾張圖，據說是要把CUBEMX升級成CUBEMX.AI。

說實在的，單片機發展起來搞AI也是正常的。

而且如今微控制器效能如此強勁，不過，事實上這個東西我感覺應該是建立在M7核心以上了，超高效能微控制器應該比較有可玩性，但是價格就有點不親民了。

無論如何我們樂於看到新的框架新的工具出現在STM32工具平臺上，雖然那個CUBEMX生成的程式碼經常會有問題。在此之前CMSIS-NN就是ARM官方出的AI框架，以及基於這個東西有人做出來的OPENMV，事實上還是蠻不錯的，可玩性很高。

官方推這個還是很不錯的，如果真的能搞起來估計又是消費級市場腥風血雨，反觀開發者，又要無止境的學習學習學習。哈哈。學海無涯，回頭是岸！