国产91九色_日本68xxxx_欧美高清另类自拍视频在线看_欧美人禽_99久久婷婷国产综合精品青牛牛_亚洲射情

從合作到創新：芯科科技和Arduino攜手

2024年1月，Silicon Labs（芯科科技）和Arduino宣布建立合作伙伴關系，旨在通過Arduino Nano Matter開發板（基于芯科科技的MGM240系列多協議無線模塊）的兩階段合作來簡化Matter協議的設計和應用，同時通過這一功能強大且支持人工智能和機器學習（AI/ML）硬件加速器的開發板，幫助開發人員更容易實現創新的邊緣AI和ML產品，進而開啟下一代物聯網（IoT）的嶄新局面。

在雙方合作的第一階段，Arduino發布了一個全面的Matter資源庫，以及適用于芯科科技無線微控制器（MCU）的核心支持。第二階段，Arduino Nano產品系列新增了一款基于芯科科技MGM240S模塊的Nano Matter開發板。此次合作的主要目標是將Arduino界面的直觀易用特性與芯科科技在Matter協議領域強大的射頻（RF）鏈路和技術能力相結合，從而有助于推動物聯網應用領域的更多創新。

芯科科技全球大眾市場銷售與應用副總裁Rob Shane表示：“與Arduino的合作展示了AI在物聯網領域的變革力量。通過將芯科科技搭載了先進AI/ML硬件加速器的MCU與Arduino直觀的開發平臺相結合，我們可支持開發人員打造智能、高效節能的設備，使其能夠在本地進行實時計算。此次合作正在推動創新應用的開發，使其能夠利用實時機器學習來提高自動化程度、優化能源效率，并實現自適應響應。"

借助Matter及邊緣AI和ML，擴展Arduino生態系統

對廣大的開發人員而言，Arduino一直是快速構建應用原型設計的首選平臺之一。Arduino擁有100多種硬件和軟件產品，涵蓋開發板、擴展板、載板和套件等多個類別。此外，其集成開發環境（IDE）支持從學生到資深專業人士的不同用戶群體，使其成為物聯網應用開發的理想平臺。Arduino用戶社區提供了大量可參考的開發資源，以及低成本實現多功能終端用戶應用的優勢，使其在各類應用場景中展現出高度的靈活性和可擴展性。

通過采用Matter協議，Arduino Nano Matter開發板結合了由AI驅動的先進智能計算，以及Matter協議提供的無縫互操作性。實時機器學習推理能夠提升自動化水平，優化能源效率，并根據環境變化做出自適應調整。此外，Arduino Nano Matter與Apple、Google和Amazon等主流智能家居生態系統兼容，可確保對聯網設備進行可靠、高效和智能化控制，使未來的智能家居技術更加普及和易用。

利用ML加速器，解鎖邊緣AI

在物聯網領域，“邊緣計算”是指在邊緣設備上進行本地計算，而無需將數據存儲或傳輸到集中式云服務器。這種操作方法可以節省電能，也為其他更關鍵的操作釋放網絡帶寬。它既能降低總體開發成本，又能最大限度地減少信號延遲。這種計算的執行正日益接近數據生成源，例如傳感器節點，這一趨勢被稱為“微邊緣”（Tiny Edge）。

芯科科技領先行業發布了一系列支持AI/ML的SoC產品，包括EFR32平臺中的xG24、xG26和xG28系列——利用邊緣計算功能加速設備處理速度并提升性能。其內置的矩陣矢量處理器（MVP）可將ML推理速度提升高達8倍，而功耗僅為MCU內核的1/6。此外，Tensor Flow和芯科科技的Simplicity Studio等開發工具套件以及廣泛的解決方案合作伙伴生態系統，為開發人員提供了一個完整靈活的機器學習生態系統，能夠實現快速開發和原型設計，從而縮短最終產品的上市時間。

體驗Arduino Nano Matter開發板演示

今年初在奧斯汀舉辦的Edge AI Foundation活動中，芯科科技和Arduino展示了一項創新演示，展現了雙方的合作如何促進新一代智能家居應用的開發。具體而言，參觀者可以體驗一款基于運動識別的直觀解決方案：一根“魔法棒（magic wand）”，用戶只需在空中畫一個W（開）或O（關），便可開燈和關燈。

Arduino首席執行官Fabio Violante表示：“我們與芯科科技的合作旨在為開發人員帶來強大、易用的技術，而‘魔法棒’演示正是實現這一愿景的完美體現。通過將Matter、邊緣AI和TinyML集成到Nano Matter開發板上，我們展示了物聯網應用的直觀性和智能化，只需一個簡單的手勢即可與智能家居實現無縫交互。這只是創新與易用性相結合的開始。”

該演示基于Arduino Nano Matter，通過載板連接到Arduino Modulino Movement節點，該節點具有板載6軸加速度計和陀螺儀。Arduino Nano Matter配備了功能強大的芯科科技MGM240S微控制器，運行Matter over Thread，同時集成TensorFlow Lite提供的TinyML手勢識別庫。

點擊此處，可查看原文。