面向STM32边缘AI的开发工具有哪些？
STM32具备一套完整的边缘AI软硬件生态体系，旨在助力开发者基于STM32 MCU和MPU高效实现边缘AI应用。
STM32边缘AI软硬件生态由STM32硬件平台（MCU及MPU）和软件开发工具组成。STM32硬件平台的典型代表是超高性能MCU STM32N6；软件层面则包含6款免费AI开发工具、50余个案例研究及20余种资源文档，覆盖数据采集、模型优化、部署验证全流程，并兼容TensorFlow Lite、PyTorch、ONNX等主流AI框架，形成从算法开发到硬件落地的闭环支持。
面向STM32边缘AI的开发工具有哪些？
基于STM32进行边缘AI开发中，有哪些工具能助力开发者高效完成任务？我们为大家介绍6款各具特色的核心工具，它们能在不同开发环节发挥重要作用。
X-CUBE-AI是一个免费的STM32Cube扩展包，可帮助开发人员将预训练的边缘AI算法（例如神经网络和机器学习模型）自动转换为经过优化的STM32 C代码。
X-LINUX-AI是面向STM32 MPU的嵌入式Linux系统开发套件，支持时间序列、音频、视觉数据处理，集成Linux AI框架及应用示例，可助力开发者在STM32 MPU上部署AI模型，满足高扩展性应用需求。
边缘AI Model Zoo（模型库）是一系列针对意法半导体器件优化的参考边缘AI模型集合，提供专为STM32 MCU、MPU及其他器件优化的AI模型，覆盖视觉、传感器数据等多类应用场景；附带部署脚本，支持直接在目标器件运行，可基于数据集重新训练模型，或通过“自带模型（BYOM）”“自带数据（BYOD）” 灵活扩展，为开发者带来极大便利性；包含 STM32模型库、MLC模型库、ISPU 模型库，方便开发者按硬件类型快速调用，助力嵌入式边缘AI功能的高效开发与部署。
一款用于优化和编译边缘AI模型的命令行接口（CLI）工具，适用于包括微控制器、微处理器等多种ST器件。它支持跨框架模型导入AI模型；可进行算法分析及模型验证和优化；还支持代码生成与部署。
一个免费的在线平台，可以轻松对边缘AI模型进行优化和基准测试，适用于多种ST器件。该平台依托Edge AI Core执行模型优化与验证，通过云端开发板进行基准测试；用户可直接访问平台，简化边缘AI开发流程，提升模型部署效率。
通过上述工具的协同使用，开发者可在STM32边缘AI生态中实现从数据采集、模型训练到硬件部署的全链路开发，显著降低边缘AI应用的技术门槛，加速智能设备的创新落地。
© THE END
开发瑞萨MCU会用到了哪些工具？
应用于MCU/MPU的Reality AI工具到底是什么？
MCU集成开发环境e2 studio中添加 Keil AC6 编译器
