物联网（IoT）和人工智能（AI）正在改变产业和社会，将自动化在日常生活中变为可能，同时解锁在过去难以实现的理念和功能。边缘计算可以在产生数据的地方即时处理数据，而无须在远端的数据中心处理，提供更环保、更智慧的解决方案。

自21世纪初以来，传感器经历了非比寻常的发展。受益于物联网的诞生，可以连线通讯的智慧传感器无所不在。预计到2030年，因5G的广泛部署，物联网装置上数十亿传感器将负责30%的物联网数据流量。这将显著增加AI对于碳的影响。而由于其需要数据中心的运算资源来将数据转化为洞察力和行动力，因此IoT和AI应用程式过去通常都部署在云端。但随着应用程式数量增加，我们需要减低依赖耗电的云端运算。

边缘计算提供了一个解决方案。它涉及将部分储存和运算资源从数据中心移出，使其更靠近数据产生的地方。如此一来，应用程序和装置就能自行收集和分析数据。这种方法为消费性产品、建筑管理、工业预测性维护、自驾车等应用提供了进一步的创新，因此更为蓬勃发展。此外，边缘计算还能降低能源消耗、保护个人资料、减少延迟，并能在使用时做自主决策以及学习。

上述范例都会产生大量来自传感器的数据，如果这些数据传送到云端处理将会消耗大量能源和占用带宽，同时还会产生数据保护和延迟的相关问题。采用边缘计算与人工智能提供了一种透过永续方式达到这些目标的方法。

将AI的数据处理从云端移转至边缘需要部署一系列半导体创新技术，包括超低功耗技术和系统方法，以及在神经处理单元（NPU）和内存内运算（IMC）解决方案中导入特定的硬件加速器。这些支持AI和机器学习的高效运算硬件技术，正在转变边缘数据处理，并推动智能功能和物联网网络的可扩展性。这些技术的结合降低了系统功耗和带宽需求，还能进一步提升针对边缘装置所打造之新一代微控制器的运算效率。

意法半导体（ST）致力于优化运算效率，同时采用低功耗和嵌入式安全技术来保护所收集的数据、数据处理和因此产生的行动。这些发展是为了保有竞争力和获得客户广泛之接受度的必要条件。

ST已经在汽车、智慧工业和物联网等应用领域大力部署边缘AI。STM32系列的32位Arm Cortex微控制器已将适合边缘计算的低功耗版本涵盖其中。为了让不熟悉AI的人更容易上手，NanoEdge AI Studio整合了机器学习函数库，可以为任何指定的应用自动搜索和配置最适合的解决方案。对于熟悉AI模型的人，STM32Cube.AI可协助机器学习工程师快速导入和优化其AI解决方案，并使用进阶功能，如自定义层和深度量化神经网络解决方案。而建立的软件库还可以加载到微控制器上，进而处理推理工作。

ST于2019年推出具有机器学习核心的LSM6DSOX，开始在传感器中应用人工智能。接着推出智能传感器处理单元（ISPU），强化传感器在AI领域的灵活性。

ISPU将信号处理和AI算法结合到传感器上，使产品能够感知、处理和执行后续操作，同时大幅节省空间，功耗最高可降低80%。

能够感知、处理和采取行动的连网微型化物件和系统的数量正在快速成长。ST透过提供传感器、智慧嵌入式致动器、连接性、安全性和嵌入式AI上的创新来推动此一转型。这些解决方案旨在为工业、汽车、健康、农业和其他许多产业提供工具集，使其能够继续创新，同时努力为减碳而做出贡献。