人工智慧（AI）技術在快速發展中展現出顛覆性的潛力，但其大規模應用也帶來了一系列環境挑戰。意法半導體類比、電源、MEMS和感測器事業群副總裁暨MEMS子產品事業群總經理Simone Ferri指出，目前的AI技術主要依賴專業人士，但如果要讓它成為更廣泛的解決方案，技術門檻必須降低，讓更多人能夠輕鬆使用。Ferri認為AI的兩大挑戰在於耗能及部署的便利性，這兩者直接影響了AI的普及速度。
 |
| 意法半導體類比、電源、MEMS和感測器事業群副總裁暨MEMS子產品事業群總經理Simone Ferri（左二） |
在思索解決方案時，Ferri從大自然中找到了靈感——章魚的分散式神經系統。章魚的神經元分佈在觸角中，能就近處理和響應環境變化，無需依賴中央大腦的指令。這一模式即為邊緣AI的精髓：數據在源頭即時處理，減少複雜的數據傳輸需求，同時降低能耗。章魚的例子體現了智能分佈的優勢，它既能適應環境變化，也能自主改變形態。
透過這種自然啟發，Ferri闡明了理想的感測器設計應該具備的三個特性：智慧、開放與準確。首先，「智慧」意味著感測器能在邊緣即時處理數據，使其成為電子世界和物理世界的交界。其次，感測器應當是「開放」的，能依據不同需求靈活配置，讓使用者可以方便地客製化其應用。最後，「準確」是指感測器根據實際情況提供合適的數據，而非一味追求高階數據，以免造成能量浪費。
為了實現這些目標，ST專注於「適用性配置」的技術發展。此概念致力於根據不同場景，為感測器定製合適的數據需求，以實現能源效率的最大化。
Simone Ferri的觀點展示了AI技術在永續性和普及性之間的平衡之道。通過邊緣AI和MEMS感測器，STMicroelectronics正在積極探尋解決高耗能挑戰的方案，為AI技術的長遠發展奠定基礎。
「智慧的核心在於將AI智慧帶到邊緣，」Ferri解釋道，傳統感測器會將原始數據傳送到中央處理器進行分析，不僅消耗大量電力，還可能帶來延遲和過多的數據流量。而智慧感測技術可將數據分析前移到感測器自身，從而有效降低數據傳輸需求，並達成能源優化。
「我們的機器學習核心與智慧感測處理單元（ISPU）是實現這一目標的兩大關鍵技術，」他說道。ST的機器學習核心是一種針對動作數據分析的專業AI引擎，且具備靈活的多模型處理能力。而ISPU則將數位訊號處理器（DSP）直接嵌入感測器內，讓智慧感測器能夠自行完成數據處理，這樣不僅避免依賴獨立ASIC或系統封裝，還能透過C語言進行程式開發，大大提升開發效率。
「讓AI技術人人可用是ST的目標之一，」Ferri強調。這樣的開放策略涵蓋三類專業人士：嵌入式軟體工程師、數據科學家和硬體工程師。ST的ST Edge AI套件便是為了支援這些多樣化需求所打造，無論是MPU、MCU，或智慧感測器，都能透過這套工具開發出高效的AI應用。「我們希望這些專家能夠透過ST Edge AI無縫整合智慧感測技術，推動技術應用的全面普及。」
當談到未來，Ferri認為智慧感測器的發展方向將從「物」擴展到「人」。意法半導體計畫開發以人為本的生物感測器，讓使用者在本地即時獲得健康數據。「未來的智慧貼片能夠監控心電圖、肌電圖等生理訊號，並直接提供反饋，」Ferri表示，這樣將減少數據雲端處理需求，提供更即時且有效的健康管理解決方案。
「隨著數以億計的感測節點開始分擔運算任務，邊緣AI技術將成為主流，」Ferri強調。「我們正推動邊緣AI技術的極限，以實現智慧、開放且精準的未來。」通過這一策略，意法半導體致力於打破AI普及的障礙，並為各行各業創造更高效、可持續的應用場景。
