Robotika dan AI fisik

STMicroelectronics menyatukan STM32 untuk AI Fisik dan Otomotif

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

STMicroelectronics memperkenalkan platform mikrokontroler STM32 terpadu dan tiga lini produk STM32A untuk sistem otomotif dan sistem dengan persyaratan keselamatan tinggi dalam pidato utama di STM32 Summit 2026 pada 3 November 2026. Langkah ini memperluas landasan AI tepi bersama untuk rancangan industri, otomotif, dan robotika.

Strategi ini mengalihkan fokus dari pemilihan mikrokontroler individual ke penggunaan kembali landasan rekayasa bersama. Menurut ST, kendaraan, robot, dan peralatan industri semakin membutuhkan kapabilitas dasar yang sama: AI, pengindraan, konektivitas, kendali deterministik, keselamatan, dan keamanan. Setiap pasar tetap memiliki standar sertifikasi, lingkungan operasi, dan ekspektasi siklus hidup yang berbeda, tetapi tim pengembangan dapat menggunakan kembali kode, alat, dan kekayaan intelektual pada berbagai rancangan, alih-alih memecah perangkat lunak berdasarkan bidang penerapannya.

Remi El-Ouazzane, presiden Microcontrollers, Digital ICs and RF Products Group di ST, merangkum tujuan tersebut dalam pengumuman pada 4 November 2026: “Inovasi tertanam seharusnya tidak mengharuskan pengembang memulai dari awal untuk setiap produk baru.” Tujuan yang lebih luas adalah mengurangi fragmentasi dan menjadikan STM32 sebagai platform MCU acuan di berbagai industri melalui penggunaan kembali perangkat lunak yang lebih luas.

Arsitektur, Perangkat Lunak, dan Manufaktur Bersama

Platform ini bertumpu pada tiga pilar. Konsistensi portofolio didukung oleh inti Arm Cortex-M serta kekayaan intelektual yang dapat digunakan kembali untuk AI tepi, konektivitas, keselamatan, dan keamanan. STM32Cube, ST Edge AI Suite, dan ekosistem Arm yang lebih luas menyediakan landasan perangkat lunak bersama. Landasan manufakturnya memadukan Flash 40nm dan FD-SOI 18nm milik ST dengan memori perubahan fase tertanam, serta teknologi memori nonvolatil tertanam dari TSMC. Dengan demikian, peta jalan produk dapat memanfaatkan pengembangan proses dan pekerjaan validasi secara bersama.

Dukungan perangkat lunak juga menyediakan dua jalur kualifikasi. Proyek industri dan otomotif non-AUTOSAR menggunakan alat gratis serta komponen tertanam STM32Cube. Sementara itu, program kendaraan AUTOSAR menambahkan komponen perangkat lunak ST yang telah dikualifikasi dan integrasi ke dalam kerangka kerja AUTOSAR menggunakan alat dari mitra. Struktur ini dirancang untuk mempertahankan alur pengembangan yang familier sekaligus menyediakan dokumentasi keselamatan dan dukungan kualifikasi yang diperlukan untuk sistem dengan tingkat integritas lebih tinggi.

Keterlibatan Arm tidak terbatas pada penyediaan inti yang sudah ada. Drew Henry, wakil presiden eksekutif bisnis Physical AI Arm, mengatakan bahwa ST akan menjadi mitra utama dalam menentukan portofolio Cortex-M masa depan, dengan Cadence berpartisipasi sebagai mitra desain utama. Komitmen ini menghubungkan strategi penggunaan kembali ST dengan evolusi arsitektur inti itu sendiri, bukan membatasi platform bersama hanya pada perangkat yang tersedia saat ini.

Tingkatan STM32A dan Akselerasi Neural-ART

Gelombang pertama STM32A mencakup tiga tingkat kendali. STM32A4 menawarkan memori hingga 0,5 MB, dukungan QM/ASIL-B, dan dukungan kriptografi untuk sensor lokal, aktuator, titik kontrol akses, pemantau keselamatan, dan pengendali ringkas. STM32A5 menyediakan memori hingga 4 MB, dukungan ASIL-B, dan keamanan yang ditingkatkan untuk sistem bodi dan kenyamanan, serta aplikasi industri, robotika, dan energi kelas menengah yang kritis terhadap keselamatan. STM32A9 mendukung memori hingga 12 MB serta menambahkan dukungan ASIL-D dan konektivitas berorientasi Ethernet untuk kendali waktu nyata lintas domain.

Arsitektur split-lock STM32A9 dapat memprioritaskan ASIL-D atau, menurut ST, memberikan kinerja ASIL-B dua kali lipat ketika ASIL-D tidak diperlukan. Tiga mikrokontroler STM32A pertama sedang dikirimkan sebagai sampel kepada pelanggan, sementara ketersediaan yang lebih luas diperkirakan dimulai dengan STM32A9 pada paruh pertama 2027.

AI tepi merupakan elemen lain yang digunakan bersama: presentasi teknis ST menyebutkan bahwa akselerator aliran data Neural-ART milik perusahaan tersedia di STM32N6, direncanakan hadir di STM32H7P pada paruh pertama 2027, dan disertakan dalam STM32A9. Arsitektur aliran datanya dirancang untuk mengurangi kebutuhan throughput memori dan konsumsi daya.

Konektivitas dari Sensor ke Aktuator

ST dan NVIDIA juga telah menerapkan bukti konsep Holoscan Sensor Bridge pada STM32H7. ST berencana merilis perangkat lunak bridge tersebut sebagai komponen STM32Cube bawaan dalam beberapa bulan mendatang, sehingga konektivitas sensor dan aktuator berbasis Ethernet tersedia di sebagian besar portofolio STM32. Pada robot, MCU ini berada di jalur kendali antara sensor, pemrosesan AI tingkat lebih tinggi, dan aktuator, tempat komunikasi deterministik dan fungsi keselamatan harus beroperasi secara bersamaan.

Karena itu, arti pentingnya dalam waktu dekat lebih bersifat arsitektural daripada terkait spesifikasi satu chip: ST menghubungkan AI tepi, kendali deterministik, dan kualifikasi keselamatan dalam satu model pengembangan. Karena perangkat STM32A masih dalam tahap pengiriman sampel menjelang ketersediaannya yang lebih luas, pertanyaan yang belum terjawab adalah seberapa banyak kode dan pekerjaan validasi yang dapat digunakan kembali pelanggan pada rancangan industri, robotika, dan kendaraan saat platform bersama ini mulai tersedia bagi mereka.

Leo Park adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi startup perangkat keras AI, komputasi edge, dan arsitektur chip yang muncul yang mengubah cara kecerdasan buatan diterapkan di luar pusat data terpusat. Pekerjaannya berfokus pada bagaimana desain silikon baru, platform inferensi edge, dan sistem hemat energi mengubah ekonomi dan kelayakan AI pada skala besar.
Dengan perspektif yang berorientasi pada teknik dan presisi, Leo memeriksa bagaimana startup membangun prosesor khusus, mengoptimalkan konsumsi memori dan daya, dan memungkinkan beban kerja AI waktu nyata lebih dekat ke tempat data dihasilkan. Ia memperhatikan khusus kasus penggunaan yang diterapkan - seperti robotika, sistem otonom, IoT industri, dan kecerdasan pada perangkat - di mana AI edge memberikan keunggulan kinerja dan biaya yang nyata.

Artikel atas nama Leo Park dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi teknis, kejelasan, serta liputan yang bertanggung jawab tentang perangkat keras AI dan komputasi edge yang berkembang pesat.