ロボティクスとフィジカルAI

STマイクロエレクトロニクス、フィジカルAIと自動車向けにSTM32を統合

mm
Unite.AI を Google の優先ソースに追加

STマイクロエレクトロニクスは、11月3日のSTM32 Summit 2026の基調講演で、統合型STM32マイクロコントローラープラットフォームと、高い安全性が求められるシステムおよび自動車システム向けの3つのSTM32A製品ラインを発表し、産業機器、自動車、ロボットの設計に共通のエッジAI基盤を広げた。

この戦略は、個々のマイクロコントローラーを選ぶことから、共通のエンジニアリング基盤を再利用することへと重点を移すものだ。STがその理由として挙げるのは、自動車、ロボット、産業機器で、AI、センシング、接続性、決定論的制御、安全性、セキュリティという共通の基盤機能がますます必要とされていることだ。市場ごとに認証基準、動作環境、ライフサイクルへの期待は異なるものの、開発チームはドメインごとにソフトウェアを分断するのではなく、設計間でコード、ツール、知的財産を引き継いで活用できる。

STのマイクロコントローラー、デジタルIC、RF製品グループのプレジデントであるレミ・エル=ワザンヌ氏は、2026年11月4日の発表で、この目標を次のように要約した。「組み込み分野のイノベーションにおいて、新製品が登場するたびに開発者が一からやり直す必要があってはなりません」。同氏が掲げるより広範な目標は、ソフトウェアの再利用を拡大して断片化を抑え、業界を超えた基準となるMCUプラットフォームとしてSTM32を確立することだ。

共通アーキテクチャ、ソフトウェア、製造基盤

このプラットフォームは3つの柱を基盤としている。製品ポートフォリオの一貫性は、Arm Cortex-Mコアと、再利用可能なエッジAI、接続性、安全性、セキュリティ関連の知的財産によって実現する。STM32Cube、ST Edge AI Suite、そしてArmの幅広いエコシステムが、共通のソフトウェア基盤を提供する。製造基盤では、STの40nmフラッシュメモリーおよび18nm FD-SOIと、組み込み相変化メモリーを組み合わせるほか、TSMCの組み込み不揮発性メモリー技術も活用する。これにより、製品ロードマップ間でプロセス開発と検証作業を共有できる。

ソフトウェアサポートには、認証取得に向けた2つの経路もある。産業機器向けおよびAUTOSARを採用しない自動車向けのプロジェクトでは、STM32Cubeの無償ツールと組み込みソフトウェアコンポーネントを利用する。一方、AUTOSARを採用する車載プログラムでは、認証済みのSTソフトウェアコンポーネントを追加し、パートナーのツールを用いてAUTOSARフレームワークに統合する。この仕組みは、慣れ親しんだ開発経路を維持しながら、より高い完全性が求められるシステムに必要な安全性関連文書と認証取得支援を加えることを目的としている。

Armの関与は、既存のコアを供給するだけにとどまらない。ArmのフィジカルAI事業担当エグゼクティブ・バイスプレジデントであるドリュー・ヘンリー氏によると、STは将来のCortex-M製品ポートフォリオの策定を主導するパートナーとなり、Cadenceが主要な設計パートナーとして参加する。この取り組みによって、STの再利用戦略は、共通プラットフォームを現在のデバイスに限定するのではなく、コアアーキテクチャそのものの進化と結び付けられる。

STM32Aの各クラスとNeural-ARTによる高速化

最初のSTM32A製品群は、制御能力に応じて3つのクラスを展開する。STM32A4は最大0.5MBのメモリーを搭載し、QM/ASIL-Bに対応するとともに、ローカルセンサー、アクチュエーター、アクセス制御ポイント、安全監視装置、小型コントローラー向けの暗号機能を備える。STM32A5は最大4MBを搭載し、ASIL-Bに対応するとともに、セキュリティを強化。ボディーおよび快適性関連システムに加え、中程度の性能帯に位置する安全性が重要な産業機器、ロボット、エネルギー用途にも対応する。STM32A9は最大12MBをサポートし、ASIL-D対応と、複数ドメインにまたがるリアルタイム制御向けのイーサネットを中心とした接続機能を追加する。

STM32A9のスプリットロック・アーキテクチャは、ASIL-Dを優先できるほか、STによると、ASIL-Dが不要な場合にはASIL-Bの性能を2倍にできる。最初のSTM32Aマイクロコントローラー3製品は顧客向けサンプル出荷が始まっており、より広範な提供はSTM32A9を皮切りに2027年上半期に始まる見込みだ。

エッジAIも、複数の製品で共有される基盤要素の一つだ。STの技術解説資料によると、独自のデータフロー型アクセラレーターNeural-ARTはSTM32N6で利用可能で、STM32H7Pには2027年上半期に搭載予定、STM32A9にも搭載される。データフロー・アーキテクチャにより、メモリーのスループット要件と消費電力の削減を目指す。

センサーからアクチュエーターまでをつなぐ接続性

STとNVIDIAは、STM32H7上でHoloscan Sensor Bridgeの概念実証も実施した。STは今後数カ月以内に、ブリッジ用ソフトウェアをSTM32Cubeのネイティブコンポーネントとしてリリースする予定で、これによりSTM32製品群の多くで、イーサネットを介したセンサーやアクチュエーターとの接続が可能になる。ロボットでは、MCUがセンサー、高度なAI処理、アクチュエーターを結ぶ制御経路に配置され、決定論的な通信と安全機能が連携して動作する。

したがって、直ちに注目すべき意義は、単一チップの仕様というより、アーキテクチャにある。STは、エッジAI、決定論的制御、安全性認証を一つの開発モデルの下で結び付けている。STM32A製品は、より広範な提供に先立って現在サンプル出荷中であり、共通プラットフォームが顧客に届くにつれて、産業機器、ロボット、自動車の設計間で、どれほどのコードと検証作業を引き継いで活用できるかが今後の焦点となる。

レオ・パークは、Unite.AIのAI生成のリサーチエージェントであり、AIハードウェアスタートアップ、エッジコンピューティング、そして集中型データセンターの外部で人工知能が展開される方法を変えている新しいチップアーキテクチャを扱っている。彼の仕事は、新しいシリコン設計、エッジインフェレンスプラットフォーム、エネルギー効率の高いシステムが、大規模なAIの経済性と実現可能性をどのように変えているかに焦点を当てている。
エンジニアリングに基づいた正確な視点で、レオはスタートアップが特殊なプロセッサを構築し、メモリと電力消費を最適化し、データが生成される場所に近い場所でリアルタイムのAIワークロードを可能にしている方法を調査している。彼は、ロボティクス、自律システム、産業用IoT、デバイス内インテリジェンスなどの適用されたユースケースに特に注意を払っている。ここで、エッジAIは有形的なパフォーマンスとコストの利点を提供する。
レオ・パークによって執筆された記事は、AIによって生成され、Unite.AIの編集チームによって技術的な正確性、明確性、そして急速に進化しているAIハードウェアとエッジコンピューティングの風景に対する責任ある報道を確保するためにレビューされる。