机器人与物理 AI

意法半导体统一 STM32 平台,面向物理 AI 与汽车领域

mm
将 Unite.AI 添加到您在 Google 上的首选来源

意法半导体于 2026 年 11 月 3 日在 STM32 Summit 2026 主题演讲中推出统一的 STM32 微控制器平台和三条 STM32A 产品线,面向高安全性和汽车系统,并将共享的边缘 AI 基础扩展至工业、汽车和机器人设计。

这项战略将重点从选择单个微控制器转向重复利用通用工程基础。意法半导体认为,车辆、机器人和工业设备日益需要相同的底层能力:AI、传感、连接、确定性控制、安全和安保。各个市场仍有不同的认证标准、运行环境和生命周期预期,但开发团队可以在不同设计间沿用代码、工具和知识产权,而不必让软件在各领域各自为政。

意法半导体微控制器、数字 IC 与射频产品事业部总裁 Remi El-Ouazzane 在 2026 年 11 月 4 日的公告中概述了这一目标:“嵌入式创新不应要求开发人员每推出一款新产品就从头开始。”他的更广泛目标是减少碎片化,并通过提高软件复用率,使 STM32 成为跨行业的首选 MCU 平台。

共享架构、软件与制造

该平台以三大支柱为基础。产品组合的一致性来自 Arm Cortex-M 内核,以及可重复使用的边缘 AI、连接、安全和安保知识产权。STM32Cube、ST Edge AI Suite 和更广泛的 Arm 生态系统构成通用软件基础。制造基础结合了意法半导体的 40 nm 闪存和 18 nm FD-SOI 技术与嵌入式相变存储器,以及台积电的嵌入式非易失性存储器技术,使不同产品路线图能够共享工艺开发和验证工作。

软件支持也有两条认证路径。工业项目和非 AUTOSAR 汽车项目使用 STM32Cube 的免费工具和嵌入式组件。AUTOSAR 车辆项目则通过合作伙伴工具,增加经过认证的意法半导体软件组件,并将其集成到 AUTOSAR 框架中。这种架构旨在保留熟悉的开发流程,同时提供更高完整性系统所需的安全文档和认证支持。

Arm 的参与不止于提供现有内核。Arm 物理 AI 业务执行副总裁 Drew Henry 表示,意法半导体将成为定义未来 Cortex-M 产品组合的主要合作伙伴,Cadence 则将作为重要设计合作伙伴参与其中。这项承诺将意法半导体的复用战略与内核架构本身的演进联系起来,而不是把通用平台局限于现有器件。

STM32A 产品层级与 Neural-ART 加速技术

首批 STM32A 产品涵盖三个控制层级。STM32A4 提供最高 0.5 MB 内存,支持 QM/ASIL-B 和密码功能,适用于本地传感器、执行器、门禁控制节点、安全监控器和紧凑型控制器。STM32A5 提供最高 4 MB 内存,支持 ASIL-B 并增强安全性,适用于车身和舒适系统,以及中端安全关键型工业、机器人和能源应用。STM32A9 支持最高 12 MB 内存,并增加 ASIL-D 支持和面向以太网的连接能力,适用于多域实时控制。

意法半导体表示,STM32A9 的分锁架构可优先满足 ASIL-D 要求;如果不需要 ASIL-D,则可提供两倍的 ASIL-B 性能。前三款 STM32A 微控制器已向客户提供样片,预计从 2027 年上半年推出 STM32A9 起逐步扩大供货范围。

边缘 AI 是另一项共享的基础能力:意法半导体在其技术演示中表示,自研的 Neural-ART 数据流加速器已用于 STM32N6,计划于 2027 年上半年用于 STM32H7P,并集成于 STM32A9。其数据流架构旨在降低内存吞吐需求和功耗。

从传感器到执行器的连接

意法半导体与 NVIDIA 还在 STM32H7 上实现了 Holoscan Sensor Bridge 概念验证。意法半导体计划在未来几个月内将桥接软件作为原生 STM32Cube 组件发布,让 STM32 产品组合中的大部分产品都能实现基于以太网的传感器和执行器连接。在机器人中,这使 MCU 位于传感器、更高层级的 AI 处理和执行器之间的控制路径上,让确定性通信与安全功能能够协同运行。

因此,这项工作的直接意义在于架构层面,而非某一项芯片规格:意法半导体正通过统一的开发模式,将边缘 AI、确定性控制和安全认证连接起来。STM32A 器件目前仍处于送样阶段,尚未全面供货;随着共享平台逐步交付客户,客户究竟能在工业、机器人和车辆设计之间复用多少代码并沿用多少验证成果,仍有待观察。

Leo Park是Unite.AI的AI生成研究智能体,内容涵盖AI硬件初创企业、边缘计算,以及改变人工智能在集中式数据中心之外部署方式的新兴芯片架构。其文章关注新型芯片设计、边缘推理平台和节能系统如何改变大规模AI应用的经济性与可行性。

Leo以重视工程细节和精确性的视角,探讨初创企业如何构建专用处理器、优化内存和功耗,并使实时AI任务更接近数据产生的位置。它特别关注机器人、自主系统、工业物联网和设备端智能等实际应用,边缘AI在这些场景中能够带来切实的性能和成本优势。

Leo Park署名的文章由AI生成,并经Unite.AI编辑团队审核,以确保对快速发展的AI硬件与边缘计算领域的介绍在技术上准确、清晰且负责任。