Robotica en fysieke AI

STMicroelectronics bundelt STM32 voor fysieke AI en de auto-industrie

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

STMicroelectronics introduceerde tijdens de keynote op de STM32 Summit 2026 op 3 november 2026 een uniform STM32-microcontrollerplatform en drie STM32A-productlijnen voor systemen met hoge veiligheidseisen en autosystemen. Daarmee breidt het bedrijf een gedeelde basis voor edge-AI uit naar industriële toepassingen, auto’s en robots.

De strategie verschuift de nadruk van het kiezen van een afzonderlijke microcontroller naar het hergebruiken van een gemeenschappelijke technische basis. Volgens ST hebben voertuigen, robots en industriële apparatuur steeds vaker dezelfde onderliggende mogelijkheden nodig: AI, sensoren, connectiviteit, deterministische besturing, veiligheid en beveiliging. Elke markt heeft nog steeds eigen certificeringsnormen, gebruiksomstandigheden en verwachtingen ten aanzien van de levenscyclus, maar ontwikkelteams kunnen code, tools en intellectueel eigendom tussen ontwerpen hergebruiken in plaats van de software voor verschillende domeinen op te splitsen.

Remi El-Ouazzane, president van ST’s Microcontrollers, Digital ICs and RF Products Group, vatte dat doel samen in een aankondiging van 4 november 2026: ‘Voor embedded innovatie zouden ontwikkelaars niet voor elk nieuw product opnieuw moeten beginnen.’ Zijn bredere doel is de versnippering terug te dringen en STM32 door meer softwarehergebruik in alle sectoren tot het referentieplatform voor microcontrollers te maken.

Gedeelde architectuur, software en productie

Het platform rust op drie pijlers. De samenhang binnen het productportfolio komt voort uit Arm Cortex-M-kernen en herbruikbaar intellectueel eigendom voor edge-AI, connectiviteit, veiligheid en beveiliging. STM32Cube, ST Edge AI Suite en het bredere Arm-ecosysteem vormen de gemeenschappelijke softwarebasis. De productiebasis combineert ST’s 40nm-Flash en 18nm-FD-SOI met ingebed faseovergangsgeheugen, naast TSMC-technologieën voor ingebed niet-vluchtig geheugen. Hierdoor kunnen productroadmaps gebruikmaken van gedeeld werk aan procesontwikkeling en validatie.

Ook voor softwareondersteuning zijn er twee kwalificatietrajecten. Industriële projecten en automotiveprojecten die geen AUTOSAR gebruiken, maken gebruik van de gratis tools en ingebedde componenten van STM32Cube. Voor voertuigprogramma’s die AUTOSAR gebruiken, komen daar gekwalificeerde ST-softwarecomponenten en integratie in AUTOSAR-frameworks met tools van partners bij. Deze opzet is bedoeld om een vertrouwde ontwikkelroute te behouden en tegelijk de veiligheidsdocumentatie en kwalificatieondersteuning te bieden die nodig zijn voor systemen met hogere integriteitseisen.

Arm is meer betrokken dan alleen als leverancier van de bestaande kernen. Drew Henry, executive vicepresident van Arm’s Physical AI-activiteiten, zei dat ST een belangrijke partner wordt bij het bepalen van het toekomstige Cortex-M-portfolio, waarbij Cadence als belangrijke ontwerppartner betrokken is. Deze toezegging verbindt ST’s strategie voor hergebruik met de verdere ontwikkeling van de kernarchitectuur zelf, in plaats van het gemeenschappelijke platform te beperken tot de apparaten van vandaag.

STM32A-klassen en Neural-ART-versnelling

De eerste STM32A-generatie omvat drie niveaus voor besturing. STM32A4 biedt maximaal 0,5 MB geheugen, QM/ASIL-B en cryptografische ondersteuning voor lokale sensoren, actuatoren, toegangscontrolepunten, veiligheidsbewaking en compacte controllers. STM32A5 biedt maximaal 4 MB, ASIL-B-ondersteuning en verbeterde beveiliging voor carrosserie- en comfortsysteemtoepassingen, evenals industriële toepassingen, robotica en energietoepassingen in het middensegment die veiligheidskritisch zijn. STM32A9 ondersteunt maximaal 12 MB en voegt ASIL-D-ondersteuning en op Ethernet gerichte connectiviteit toe voor realtimebesturing van meerdere domeinen.

De split-lock-architectuur van STM32A9 kan prioriteit geven aan ASIL-D of, aldus ST, tweemaal de ASIL-B-prestaties leveren wanneer ASIL-D niet nodig is. De eerste drie STM32A-microcontrollers worden als samples aan klanten geleverd; naar verwachting begint de bredere beschikbaarheid met STM32A9 in de eerste helft van 2027.

Edge-AI is een ander gedeeld bouwblok: volgens de technische presentatie van ST is de eigen Neural-ART-datastroomversneller beschikbaar in STM32N6, staat deze gepland voor STM32H7P in de eerste helft van 2027 en is hij opgenomen in STM32A9. De datastroomarchitectuur is bedoeld om de vereiste geheugendoorvoer en het stroomverbruik te verlagen.

Connectiviteit van sensor tot actuator

ST en NVIDIA hebben ook een proof-of-concept voor Holoscan Sensor Bridge op STM32H7 gerealiseerd. ST is van plan de bridgesoftware de komende maanden als native STM32Cube-component uit te brengen, zodat connectiviteit tussen sensoren en actuatoren via Ethernet beschikbaar komt voor een groot deel van het STM32-portfolio. In een robot plaatst dit de microcontrollers in het besturingstraject tussen sensoren, AI-verwerking op hoger niveau en actuatoren, waar deterministische communicatie en veiligheidsfuncties samen moeten werken.

De directe betekenis ligt dan ook eerder in de architectuur dan in één enkele chipspecificatie: ST brengt edge-AI, deterministische besturing en veiligheidkwalificatie samen in één ontwikkelmodel. Omdat de STM32A-apparaten nog aan klanten worden geleverd als samples en de bredere beschikbaarheid later volgt, is de open vraag hoeveel code en validatiewerk klanten tussen industriële, robotica- en voertuigontwerpen kunnen hergebruiken wanneer het gedeelde platform voor hen beschikbaar komt.

Leo Park is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI-hardware-startups, edge computing en opkomende chiparchitecturen behandelt die veranderen hoe kunstmatige intelligentie buiten centrale datacenters wordt ingezet. Zijn werk richt zich op hoe nieuwe chipontwerpen, platforms voor edge-inferentie en energiezuinige systemen de economische haalbaarheid en uitvoerbaarheid van AI op grote schaal veranderen.

Vanuit een technisch ingesteld en precies perspectief onderzoekt Leo hoe startups gespecialiseerde processors bouwen, geheugen- en energieverbruik optimaliseren en realtime AI-werklasten mogelijk maken dichter bij de plek waar gegevens worden gegenereerd. Hij let vooral op praktische toepassingen, zoals robotica, autonome systemen, industriële IoT en intelligentie op het apparaat, waarbij edge-AI tastbare prestatie- en kostenvoordelen biedt.

Artikelen onder de naam Leo Park worden door AI gegenereerd en beoordeeld door het redactieteam van Unite.AI om technische nauwkeurigheid, duidelijkheid en verantwoorde verslaggeving over het snel veranderende landschap van AI-hardware en edge computing te waarborgen.