ST마이크로일렉트로닉스(STMicroelectronics, 이하 ST)가 하드웨어 및 소프트웨어에 대한 의사결정을 지원해 시장에 엣지 AI 기술을 보다 신속하고 간단히 제공하게 해주는 새로운 툴 및 서비스 세트를 업계 최초로 공개했다. 이로써 ST는 임베디드 AI 개발자와 데이터 과학자를 지원하는 솔루션을 지속적으로 확장하고 있다. STM32Cube.AI 개발자 클라우드(Developer Cloud)를 이용하면 업계를 선도하는 STM32 마이크로컨트롤러(MCU) 제품군을 기반으로 구축된 광범위한 온라인 개발 툴 세트에 액세스할 수 있다.

ST 마이크로컨트롤러 및 디지털 IC 그룹 사장인 레미 엘 우아잔(Remi El Ouazzane)은 “ST의 목표는 최상의 하드웨어와 소프트웨어 및 서비스를 제공해 임베디드 개발자와 데이터 과학자들이 당면 과제를 해결하면서 엣지 AI 애플리케이션을 보다 신속하고 편리하게 개발하도록 지원하는 것이다”라며, “ST는 STM32Cube.AI 에코시스템으로 원활하게 작업을 수행하는 세계 최초의 MCU AI 개발자 클라우드를 공개했다. 이 새로운 툴로 클라우드를 통해 STM32 하드웨어 모델을 원격으로 벤치마킹할 수 있어 작업량과 비용을 절감하게 된다”고 밝혔다.

엣지 AI 기반 시스템에 대한 수요 증가에 맞춰 STM32Cube.AI 데스크톱 프론트-엔드에는 트레이닝된 뉴럴 네트워크에 최적화된 STM32 AI 라이브러리를 개발자들이 검증 및 생성할 수 있는 리소스가 포함되어 있다. 이 툴의 온라인 버전인 STM32Cube.AI 개발자 클라우드는 업계 최초의 다양한 기능으로 이를 더욱 보강하게 된다.

• 소프트웨어를 사전 설치할 필요 없이 온라인 인터페이스를 통해 STM32 마이크로컨트롤러에 최적화된 C 코드를 생성할 수 있다. 데이터 과학자 및 개발자는 STM32Cube.AI의 검증된 뉴럴 네트워크 최적화 성능의 이점을 활용해 엣지 AI 프로젝트를 개발할 수 있다.

• STM32 모델 주(Model Zoo)와 트레이닝 가능한 딥러닝 모델 및 데모 보관소(Repository)에 액세스하면 애플리케이션 개발 시간을 단축할 수 있다. 출시 시점에 제공되는 적용 사례에는 활동 인식 및 추적을 위한 인체 동작 감지, 이미지 분류나 개체 감지를 위한 컴퓨터 비전, 오디오 분류를 위한 오디오 이벤트 감지 등이 있다. 이러한 예제들은 깃허브(GitHub)에 호스팅되며, STM32에 최적화된 ‘시작하기’ 패키지를 자동으로 생성할 수 있다.

• STM32 보드에서 엣지 AI 뉴럴 네트워크를 지원하는 세계 최초의 온라인 벤치마킹 서비스를 이용할 수 있다. 클라우드에서 액세스할 수 있는 보드 팜(Board Farm)에는 광범위한 STM32 보드들이 정기적으로 업데이트되며, 데이터 과학자 및 개발자는 최적화된 모델의 실제 성능을 원격으로 측정할 수 있다.

STM32Cube.AI 개발 클라우드(https://stm32ai-cs.st.com)는 등록된 MyST 이용자를 대상으로 현재 무료 제공된다.

이 툴은 여러 임베디드 개발 고객들의 테스트와 평가를 받고 있다.

톨리 코틀라르스키(Toly Kotlarsky), 지브라 테크놀로지스(Zebra Technologies) R&D 부문 DMTS(Distinguished Member of Technical Staff)는 “지브라 테크놀로지스는 지금까지 STM32Cube.AI를 매우 성공적으로 사용해 왔으며, 저비용 MCU에서도 실행되는 고성능 AI 애플리케이션을 구현할 수 있었다. 이제 온라인 인터페이스 지원으로 본 제품이 더 많은 발전을 이루게 돼 기쁘게 생각한다. 이를 통해 프로세스 초기에 적절한 하드웨어 아키텍처를 선택하고 AI 모델의 성능을 평가함으로써 AI 애플리케이션 개발을 보다 신속하게 진행할 수 있다. ST AI 팀이 제공하는 서비스와 지원에 대해 매우 만족하고 있다.”고 말했다.

디디에 펠레그린(Didier PELLEGRIN), 슈나이더 일렉트릭(Schneider Electric) AI 예측 및 전략 부문 부사장은 “모델 주와 STM32Cube.AI 온라인 인터페이스, STM32 보드 원격 벤치마킹 기능을 통해 다양한 하드웨어 지식을 갖춘 데이터 과학자들이 STM32 마이크로컨트롤러에 AI 모델의 적용 가능성을 쉽게 평가할 수 있다. 또한, 여러 STM32 마이크로컨트롤러에서 몇 번의 클릭만으로 자체 모델을 테스트할 수 있기 때문에 설계 프로세스의 초기 단계에서 임베디드 AI 프로세싱을 고려한 첨단 기능을 설계하는 데 활용이 가능하다.”고 말했다.