恩智浦的微控制器与应用处理器具备边缘机器学习功能，广泛应用于智能恒温器、工业机器人及智能汽车等领域。借助边缘机器学习，恩智浦处理器得以实现学习、调整并做出决策。因此，恩智浦的硬件能够克服云端延迟和带宽挑战。恩智浦的边缘AI处理器产品组合与eIQ软件工具包，可使设备实现更快的响应速度、更低的功耗、更强的隐私保护以及更低的运营成本。
人工智能
通过AI与机器学习为智能边缘赋能
边缘AI创新
广泛的边缘AI处理器产品组合
异构AI加速，实现可扩展的边缘智能。
eIQ® AI软件协议栈与开发工具
通过多种工具和流程实现统一的工作流程，实现边缘AI模型优化、部署、解析和安全性。
负责任的边缘AI赋能技术
AI的真正落地，需要超越工具与技术，保障其安全、可靠和负责任。通过与技术、政府及商界精英的合作，使其真正落地，正是负责任AI(Responsible AI)成为焦点的关键。
将AI部署至边缘
借助恩智浦的机器学习和深度学习工具包，其AI解决方案能让机器和车辆像人类一样学习和推理。
人工智能应用
-
-
-
汽车
在车中直接部署AI模型，可实现实时响应、隐私安全增强与带宽优化。
-
设计资源
文档
| 文档 | 类型 | 日期 |
|---|---|---|
|
AI的真正落地，需要超越工具与技术，保障其安全、可靠和负责任。通过与技术、政府及商界精英的合作，使其真正落地，正是负责任AI(Responsible AI)成为焦点的关键。 |
白皮书 | 2025年5月5日 |
|
eIQ GenAI Flow提供了优化大语言模型(LLM)和检索增强生成(RAG)等构建模块，使边缘设备能够访问生成式AI应用程序。 |
白皮书 | 2024年10月25日 |
|
本白皮书旨在阐明ML IP在数据收集和模型构建方面的法律背景和挑战。 |
白皮书 | 2023年7月13日 |
|
《边缘计算精要》与大家共享了对边缘机器学习推理的见解，例如不间断处理、更低的延迟和用户隐私。 |
手册 | 2022年1月21日 |
常见问题解答
恩智浦如何通过硬件与软件赋能边缘AI开发？
恩智浦通过集成了NPU、GPU、CPU和DSP的高性能处理器加速边缘AI开发，从而在边缘实现高效的机器学习。其统一的eIQ AI软件协议栈支持在MCU和MPU上实现“自带模型”和“自带数据”的工作流程，并通过本地处理数据来保障隐私。战略合作关系进一步简化了AI与嵌入式系统的集成。
恩智浦产品能否在边缘运行LLM、VLM或GenAI模型？
能。恩智浦通过eIQ® GenAI Flow(一种用于实时、基于语音的AI交互的模块化流程)在嵌入式设备上实现LLM、VLM和GenAI部署。集成式NPU能够提供低延迟、高能效的推理功能，对于较大的模型，恩智浦还支持独立的AI加速器集成，以满足高吞吐量的需求。
eIQ AI软件协议栈是什么？它又是如何支持AI开发的？
恩智浦的eIQ AI软件协议栈支持TensorFlow、PyTorch、ONNX和BYOM/BYOD工作流程，可实现灵活的AI开发。它包含用于基于传感器的AI的eIQ Time Series Studio、用于LLM微调的eIQ GenAI Flow和用于IP保护的模型水印等工具。其针对低延迟、高能效的推理进行了优化，支持在MPU和MCU上运行完整的嵌入式视觉与多媒体流程。
恩智浦是否提供边缘AI的预训练模型和应用示例？
提供。恩智浦提供了一个模型库，其中包含针对视觉、音频及其他领域的预训练模型，并针对其MCU和MPU进行了优化。这其中还包括转换与微调的配方。应用代码中心(GoPoint)提供了面向目标识别、人脸检测、语音AI、手写数字识别及LLM的演示应用与教程，通过实际案例加速开发进程。
恩智浦如何保障边缘AI的安全、道德伦理与责任担当？
恩智浦通过五项原则道德框架促进负责任AI：无害性、人类自主性、可解释性、警惕性与隐私设计。它强调公平性、稳健性与包容性，并倡导使用多样化数据集以防止偏见。恩智浦还支持AI培训及员工技能提升，确保在边缘环境中实现符合道德的部署并保障其长期可靠性。
