Robotteknologi og fysisk AI

STMicroelectronics samler STM32-platformen om fysisk AI og bilindustrien

mm
Føj Unite.AI til dine foretrukne kilder på Google

STMicroelectronics præsenterede en samlet STM32-mikrocontrollerplatform og tre STM32A-produktlinjer til systemer med høje sikkerhedskrav og til bilindustrien i sin hovedtale ved STM32 Summit 2026 den 3. november 2026. Dermed udvider virksomheden et fælles grundlag for edge-AI til industri-, bil- og robotløsninger.

Strategien flytter fokus fra valget af en enkelt mikrocontroller til genbrug af et fælles teknisk grundlag. ST begrunder det med, at køretøjer, robotter og industrielt udstyr i stigende grad kræver de samme grundlæggende funktioner: AI, sensorer, konnektivitet, deterministisk styring, sikkerhed og beskyttelse. Hvert marked har fortsat sine egne certificeringsstandarder, driftsmiljøer og forventninger til produktets levetid, men udviklingsteams kan genbruge kode, værktøjer og immaterielle rettigheder på tværs af løsninger i stedet for at opsplitte softwaren mellem forskellige områder.

Remi El-Ouazzane, direktør for ST’s gruppe for mikrocontrollere, digitale IC’er og RF-produkter, sammenfattede målet i en meddelelse den 4. november 2026: »Indlejret innovation bør ikke kræve, at udviklere begynder forfra med hvert nyt produkt.« Hans bredere mål er at mindske opsplitningen og gøre STM32 til referenceplatformen for mikrocontrollere på tværs af brancher gennem øget genbrug af software.

Fælles arkitektur, software og produktion

Platformen bygger på tre grundpiller. En ensartet produktportefølje sikres med Arm Cortex-M-kerner og genanvendelige immaterielle rettigheder inden for edge-AI, konnektivitet, sikkerhed og beskyttelse. STM32Cube, ST Edge AI Suite og det bredere Arm-økosystem udgør det fælles softwaregrundlag. Produktionsgrundlaget kombinerer ST’s 40nm Flash og 18nm FD-SOI med indlejret faseændringshukommelse samt TSMC’s teknologier til indlejret ikke-flygtig hukommelse. Det gør det muligt at genbruge procesudvikling og valideringsarbejde på tværs af produktplanerne.

Softwaren understøtter også to kvalificeringsforløb. Industrielle projekter og bilprojekter uden AUTOSAR bruger STM32Cubes gratis værktøjer og indlejrede komponenter. I AUTOSAR-programmer til køretøjer tilføjes i stedet kvalificerede softwarekomponenter fra ST samt integration i AUTOSAR-rammeværk ved hjælp af partnernes værktøjer. Denne struktur skal bevare et velkendt udviklingsforløb og samtidig tilføje den sikkerhedsdokumentation og kvalificeringsstøtte, der kræves til systemer med højere integritetskrav.

Arm bidrager med mere end blot at levere de nuværende kerner. Drew Henry, koncerndirektør for Arms forretningsområde Physical AI, sagde, at ST bliver en førende partner i udviklingen af den fremtidige Cortex-M-produktportefølje, og at Cadence deltager som vigtig designpartner. Aftalen knytter ST’s strategi for genbrug til selve udviklingen af kernearkitekturen i stedet for at begrænse den fælles platform til dagens enheder.

STM32A-serier og Neural-ART-acceleration

Den første STM32A-generation omfatter tre niveauer af styring. STM32A4 har op til 0,5 MB hukommelse, understøtter QM/ASIL-B og kryptografi og er beregnet til lokale sensorer, aktuatorer, adgangskontrolpunkter, sikkerhedsovervågning og kompakte styreenheder. STM32A5 har op til 4 MB hukommelse, understøtter ASIL-B og tilbyder forbedret beskyttelse til karrosseri- og komfortsystemer samt mellemklasseapplikationer inden for sikkerhedskritisk industri, robotteknologi og energi. STM32A9 understøtter op til 12 MB hukommelse og tilføjer understøttelse af ASIL-D samt Ethernet-orienteret konnektivitet til styring i realtid på tværs af flere domæner.

STM32A9’s split-lock-arkitektur kan prioritere ASIL-D eller, hvis ASIL-D ikke er nødvendigt, levere dobbelt så høj ydeevne med ASIL-B, oplyste ST. De første tre STM32A-mikrocontrollere er sendt til kunder som prøveeksemplarer, og en bredere tilgængelighed forventes at begynde med STM32A9 i første halvdel af 2027.

Edge-AI er endnu en fælles byggesten: ST oplyser i sin tekniske præsentation, at virksomhedens egen Neural-ART-dataflowaccelerator fås i STM32N6, er planlagt til STM32H7P i første halvdel af 2027 og indgår i STM32A9. Dataflowarkitekturen skal mindske behovet for hukommelsesgennemløb og reducere strømforbruget.

Konnektivitet fra sensor til aktuator

ST og NVIDIA har også udviklet et proof of concept for Holoscan Sensor Bridge på STM32H7. ST planlægger at frigive brosoftwaren som en indbygget STM32Cube-komponent i de kommende måneder, så Ethernet-baseret konnektivitet til sensorer og aktuatorer bliver tilgængelig på tværs af en stor del af STM32-produktporteføljen. I en robot placerer det mikrocontrollerne i styrekæden mellem sensorer, AI-behandling på højere niveau og aktuatorer, hvor deterministisk kommunikation og sikkerhedsfunktioner skal fungere sammen.

Den umiddelbare betydning er derfor arkitektonisk snarere end knyttet til en enkelt chipspecifikation: ST samler edge-AI, deterministisk styring og sikkerhedskvalificering i én udviklingsmodel. Mens STM32A-enhederne stadig er i prøvefasen forud for en bredere lancering, er det åbne spørgsmål, hvor meget kode og valideringsarbejde kunderne kan genbruge på tværs af industri-, robot- og køretøjsløsninger, efterhånden som den fælles platform bliver tilgængelig for dem.

Leo Park er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-hardware-startups, edge-computing og de nye chip-arkitekturer, der former, hvordan kunstig intelligens tages i brug uden for centraliserede datacentre. Hans arbejde fokuserer på, hvordan nye silicium-designs, edge-inference-platforme og energivenlige systemer ændrer økonomien og mulighederne for AI i stor skala.
Med et ingeniørmæssigt og præcist perspektiv undersøger Leo, hvordan startups bygger specialiserede processorer, optimerer hukommelse og strømforbrug og muliggør realtids-AI-arbejdsbelastninger tættere på, hvor data genereres. Han lægger særlig vægt på anvendte brugsområder - såsom robotter, autonome systemer, industrielle IoT og på-enhed-intelligens - hvor edge-AI leverer konkrete ydelses- og omkostningsfordele.
Artikler skrevet af Leo Park er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre teknisk nøjagtighed, klarhed og ansvarlig dækning af det hurtigt udviklende AI-hardware- og edge-computing-landskab.