Ngày 04/11/2026, STMicroelectronics công bố bốn công cụ cho quy trình phát triển EdgeAI trên STM32: Model Explorer, Dataset Factory, Model Factory và Model Bench. Điểm đáng chú ý với người làm nhúng là ST muốn nối các bước vốn dễ bị tách rời: chọn mô hình, chuẩn bị dữ liệu, tối ưu rồi đo trên phần cứng. Theo thông báo của hãng, các công cụ dự kiến được cung cấp cuối tháng 11/2026; đây là bài phân tích công bố, chưa phải bài đánh giá sau khi sử dụng. Thông báo ngày 04/11 của ST.
Nên quan tâm đến công cụ nào trước?
| Công cụ | Công bố của ST | Câu hỏi người làm dự án nên đặt ra |
|---|---|---|
| Model Explorer | Duyệt các mô hình đã huấn luyện | Mô hình nào phù hợp với đầu vào, bài toán và phần cứng mình có? |
| Dataset Factory | Hỗ trợ thu và chuẩn bị dữ liệu | Mẫu thử đã đại diện cho điều kiện thiết bị sẽ gặp chưa? |
| Model Factory | Hỗ trợ huấn luyện, tùy chỉnh, lượng tử hóa và tối ưu | Đổi sang mô hình nhỏ hơn có làm bỏ sót trạng thái quan trọng không? |
| Model Bench | Đo mô hình từ xa trên các bo thử nghiệm của ST | Mô hình có vừa ngân sách bộ nhớ và thời gian xử lý của mình không? |
ST cho biết Model Bench sẽ thay thế ST Edge AI Developer Cloud. Nếu tài liệu nội bộ hoặc bài lab của bạn đang dùng Developer Cloud, hãy kiểm tra lại đường dẫn, bo được hỗ trợ và khả năng tái lập kết quả khi công cụ mới mở. Thông báo này chưa cho biết dự án của bạn sẽ đạt bao nhiêu mili giây hay dùng bao nhiêu RAM. Thông tin về bốn công cụ từ ST.
Nếu đang làm một dự án nhận diện âm thanh, hãy thử theo thứ tự này
Giả sử bạn muốn phát hiện hai trạng thái của một quạt: hoạt động bình thường và âm thanh bất thường. Bạn có thể chuẩn bị bài thử mà chưa cần đợi bộ công cụ mới:
- Thu dữ liệu ở nhiều phiên độc lập. Ghi lại loại micro, khoảng cách và điều kiện nền. Giữ nguyên một số phiên ghi cho tập kiểm tra; tránh cắt một đoạn ghi thành nhiều cửa sổ rồi chia lẫn các cửa sổ gần nhau vào cả tập huấn luyện và tập kiểm tra.
- Đặt một phương án đơn giản để đối chiếu. Ví dụ, thử ngưỡng năng lượng trong một dải tần trước. So sánh cả hai cách trên cùng tập kiểm tra, ưu tiên xem số lần báo nhầm và bỏ sót theo điều kiện sử dụng.
- Chọn một mô hình ứng viên và một bo đích. Khi dùng được công cụ benchmark, ghi lại phiên bản công cụ, mô hình, cấu hình số và tên bo. So sánh các lần đo cùng điều kiện.
- Đo lại trên thiết bị hoàn chỉnh. Đo từ lúc thiết bị có dữ liệu đầu vào đến lúc đưa ra tín hiệu cảnh báo. Báo cáo rõ có tính thời gian thu đủ cửa sổ mẫu hay không. Việc đọc cảm biến, tiền xử lý và logic cảnh báo có thể chiếm thêm thời gian hoặc RAM ngoài phần chạy mô hình.
Đọc kết quả benchmark thế nào cho đúng?
Đo mô hình giúp trả lời “mô hình này có khả năng chạy vừa không”; thử trên thiết bị trả lời “ứng dụng này có đáp ứng yêu cầu không”. Nếu một mô hình nhỏ hơn giúp giảm độ trễ nhưng tăng số lần bỏ sót, hãy đối chiếu mức bỏ sót với yêu cầu thực tế trước khi chọn. Nếu đổi bo hoặc cách tiền xử lý, cần ghi điều kiện mới thay vì đặt hai con số cạnh nhau như thể chúng được đo giống nhau.
Một bảng kiểm thử tối thiểu nên có: mã phiên dữ liệu, phiên bản mô hình, bo và cấu hình, RAM/Flash, độ trễ đo ở đâu, số lần báo nhầm và bỏ sót. Không cần mua bo mới chỉ để bắt đầu ghi những thông tin này; trước hết hãy tận dụng phần cứng bạn đã có và chọn bài toán vừa sức.
Nếu mới làm quen với công cụ triển khai mô hình, đọc giới thiệu STM32Cube AI Studio trên TAPIT. Nếu đã có mô hình và muốn xem một quy trình thực hành, tham khảo bài nhận diện âm thanh trên STM32, lưu ý bài đó sử dụng phiên bản công cụ tại thời điểm biên soạn.