然而，在嵌入式系统中开发和实现人工智能模型面临诸多挑战。为了真正实现人工智能，我们需要能够应对所构建系统复杂性的工具。而 CodeFusion Studio™ 2.0 正是为此而生。.
从嵌入式基础到人工智能推理：
嵌入人工智能模型需要的不仅仅是技术人员传统理解的集成开发环境[TW1]；它需要能够连接嵌入式开发和人工智能工作流程的平台。它需要能够在定义边缘计算未来的异构架构上进行开发。而最重要的是，它必须与知识产权所要求的基于代理和物理的智能兼容。
让我解释一下这为什么重要。
过去，嵌入式工具是为单核MCU和确定性工作流程设计的。但IP需要能够动态推理热特性、磁场、声学环境等等的系统。这些系统并非静态系统，而是鲜活的、复杂的系统。为了构建它们，我们需要一个同样鲜活的工具链。
正是基于此，我们开发了CodeFusion Studio 2.0。它支持多核调试、系统级编排和AI模型集成，所有这些都集成在一个统一的工作空间中。它以Zephyr为核心，采用容器化技术，并且是开源的。这意味着它内置了可复现性、自动化和可扩展性。对于IP而言，这一点至关重要。我们正在构建在边缘进行推理的智能体，而这些智能体需要在能够反映真实世界的环境中进行训练、部署和调试。
适应边缘计算的 AI 工作流程：
CodeFusion Studio 2.0 最重要的特性之一是其端到端的 AI 流水线。开发人员可以从 TensorFlow、PyTorch 或 ADI 自有的模型库导入模型，并在几分钟内生成可用于推理的代码。借助 Zephyr AI Profiler，他们可以监控延迟、功耗和内存使用情况——所有这些都无需触及硬件。这对
PI 来说是一项颠覆性的变革。我们的目标是将智能直接嵌入到产品中，无论是助听器中的情境感知音频，还是机器人中的自适应控制。CodeFusion Studio 使这一切成为可能。它将 AI 从附加功能转变为一项基本设计原则。
除了推理之外，该平台还支持嵌入式 AutoML，从而可以在同一工作流程中训练和优化数据集。这意味着我们的智能体可以从物理世界中学习、适应物理世界并在其中行动——所有这些都不会超出边缘硬件的限制。
安全、信任以及物理与数字之间的界限至关重要。PI
系统也必须可靠。我们的系统运行于从工业自动化到医疗保健等关键环境中。因此，CodeFusion Studio 从一开始就将安全性集成到系统中。借助 ADI 的可信边缘安全架构 (TESA)，开发人员可以将安全启动、TrustZone 分区和加密协议作为标准工作流程的一部分来实现。
这一点至关重要，因为 PI 代理负责推理和控制物理系统。这种控制必须安全、确定且可审计。CodeFusion Studio 确保从模型实现到固件更新的每个步骤都受到保护。
面向未来智能的平台。
在 ADI，我们探讨智能体人工智能——能够解读指令、推理世界并采取行动的系统。我们探讨基于物理的人工智能——基于自然法则而非统计模式的模型。我们还探讨神经形态计算——模仿大脑以在边缘高效运行的架构。CodeFusion
Studio 2.0 是一个连接所有这些的基础系统。它帮助我们将愿景变为现实。它帮助我们创建超越代码编译的工具，迎接智能编排的挑战。
我们在开发过程中已经看到了它的潜力。ADI 团队将调试周期从几天缩短到几小时。几分钟内即可生成优化的、可用于推理的代码。而且，无论初级还是高级开发人员，都能在适应他们需求的环境中工作，而不是反过来。
结论：创造适用于现实世界的智能。
物理智能的本质在于创造适用于现实世界的人工智能，而不仅仅是空谈。它意味着将推理能力融入到驱动我们生活的系统中。CodeFusion Studio 2.0 是这一战略的基石。它为我们的开发人员提供工具，帮助他们安全、高效、智能地构建未来。
在 ADI，我们不仅构想未来，更将其付诸实践。借助 CodeFusion Studio 2.0，我们能够以前所未有的速度构建未来。
作者：Paul Golding，Analog Devices公司边缘人工智能副总裁
