ST的边缘AI解决方案在工业及智能家居方面的应用具有将计算和推断能力推向离数据源更接近的位置的优势，可以提供了更快速、更安全、更隐私保护的数据处理和决策能力，使得人工智能能够更好地应用于各种边缘设备和应用场景中。

　　边缘AI可以说是边缘计算和AI的结合体，其解决方案通过实现实时监控正在改变工业部门。通过对比了解并探索30多个应用案例，发现边缘人工智能解决方案实现了更高效、更主动和更高数据驱动的运营，并有助于提高安全性、减少或防止停机、优化生产及加强质量控制，通过实时分析来自智能传感器的振动、声音或温度等数据，边缘人工智能解决方案实现了预测性维护解决方案。

　　针对于此，ST公司研发出基于云连接的边缘处理解决方案SL-PREDMNT-E2C1，用于工业电机状态监测。该解决方案将ST的运动和环境传感器、STM32F4微控制器（MCU）和STM32MP157微处理单元（MPU）组合在同一状态监测和预测性维护框架中。它将智能传感器节点连接到云服务，如数据湖和监测仪表板。

　　智能传感器节点包括选定的环境和各个振动传感器、一个STM32 MCU，以及多个连接接口。这些节点放置在工业机械的上部或周围，用于收集来自LPS22HB和HTS221传感器的温度、压力和湿度数据，以及来自IIS3DWB三轴加速度计的振动数据。同一传感器节点的STM32 MCU启动边缘处理，将振动信号转换为频域和时域数据。

　　将来自最多四个传感器节点的数据合并后，通过集中器被路由到一个配备STM32MP157 MPU的网关，以供进一步的边缘处理。在将所有数据发送到基于服务器或基于云计算的系统，以供进一步分析之前，该节点将对数据进行提纯和整合。

　　ST提供预测性维护仪表板应用程序，以演示云功能如何使该解决方案变得完整。仪表板配置运行AWS IoT Greengrass服务和AWS IoT核心的边缘网关节点。客户可以在仪表板上绘制状态数据曲线并进行监测，并将警告阈值配置为端到端预测性维护解决方案的一部分。

　　音频场景分类(ASC)可使对象更智能，并使其能够感知用户环境。这可以将可穿戴设备、安全、环境监控、医疗保健和许多其他应用中的功能与用户体验提升到新的水平。挑战在于简化软件开发和硬件设计，尤其是对于处理能力、内存和功率受到限制的便携式或可穿戴设备。通过在高性价比、超低功耗STM32微控制器上利用人工智能，我们的解决方案解决了成本与设计问题。

　　该系统通过两个MP34DT05数字MEMS全向麦克风来捕获环境声音，以确保精确的声音传感，并通过STM32L475VG微控制器实现高效处理。这款超低功耗MCU具有信号处理外设和浮点单元(FPU)，以便实现快速AI软件执行。FP-AI-SENSING软件为涉及神经网络库（由STM32CubeMX的X-CUBE-AI扩展生成）的ASC配置解决方案。

　　STM32WB55VGY提供兼容Bluetooth®低功耗SIG规范5.2的超低功耗无线连接。通过面向Android和iOS设备的适当应用程序，如意法半导体BLE传感器应用程序（版本 4.1.0或更高版本），可通过蓝牙将算法输出传输到智能手机。该应用程序可显示所产生的声学场景分类和推断，以及记录在ASC系统上并用于AI再训练的活动数据。

　　从而产生了基于AI神经网络技术的高性价比低功耗音频场景分类解决方案。它使用户能够借助智能手机应用程序根据环境音频数据来识别环境（例如，室内、室外、车内等）。

　　在智能家居方面，它们可以帮助预测设备何时可能发生故障，从而在故障发生前进行主动维护。Edge AI解决方案，如智能运动传感，可用于智能工厂和智能家居的各种设置。它们可以用于减少空置空间的能源消耗、优化房间利用率和保护特定区域等。

　　ST公司研发出运动感应应用解决方案SL-SNMTS011601V1，利用边缘AI识别人类活动。这种使用人工智能（AI）和机器学习（ML）模式算法的解决方案实时检测人体运动，其通过无线连接在智能手机或手持电子设备上显示活动信息。该应用程序使用超低功率、高精度LSM6DSL 6DoF惯性测量单元（IMU）来收集运动数据，这些数据被发送到具有单精度浮点单元（FPU）和ST的自适应实时加速器（ART accelerator™) 运行基于人工神经网络的三种不同模式识别算法之一（FP-AI-SENSING1）用于实时人类活动识别（HAR）。