下一代物联网：芯科科技和Arduino借助边缘AI和ML简化Matter设计和应用

从合作到创新：芯科科技和Arduino携手

2024年1月，Silicon Labs（芯科科技）和Arduino宣布建立合作伙伴关系，旨在通过Arduino Nano Matter开发板（基于芯科科技的MGM240系列多协议无线模块）的两阶段合作来简化Matter协议的设计和应用，同时通过这一功能强大且支持人工智能和机器学习（AI/ML）硬件加速器的开发板，帮助开发人员更容易实现创新的边缘AI和ML产品，进而开启下一代物联网（IoT）的崭新局面。

在双方合作的第一阶段，Arduino发布了一个全面的Matter资源库，以及适用于芯科科技无线微控制器（MCU）的核心支持。第二阶段，ArduinoNano产品系列新增了一款基于芯科科技MGM240S模块的NanoMatter开发板。此次合作的主要目标是将Arduino界面的直观易用特性与芯科科技在Matter协议领域强大的射频（RF）链路和技术能力相结合，从而有助于推动物联网应用领域的更多创新。

芯科科技全球大众市场销售与应用副总裁Rob Shane表示：“与Arduino的合作展示了AI在物联网领域的变革力量。通过将芯科科技搭载了先进AI/ML硬件加速器的MCU与Arduino直观的开发平台相结合，我们可支持开发人员打造智能、高效节能的设备，使其能够在本地进行实时计算。此次合作正在推动创新应用的开发，使其能够利用实时机器学习来提高自动化程度、优化能源效率，并实现自适应响应。"

借助Matter及边缘AI和ML，扩展Arduino生态系统

对广大的开发人员而言，Arduino一直是快速构建应用原型设计的首选平台之一。Arduino拥有100多种硬件和软件产品，涵盖开发板、扩展板、载板和套件等多个类别。此外，其集成开发环境（IDE）支持从学生到资深专业人士的不同用户群体，使其成为物联网应用开发的理想平台。Arduino用户社区提供了大量可参考的开发资源，以及低成本实现多功能终端用户应用的优势，使其在各类应用场景中展现出高度的灵活性和可扩展性。

通过采用Matter协议，Arduino Nano Matter开发板结合了由AI驱动的先进智能计算，以及Matter协议提供的无缝互操作性。实时机器学习推理能够提升自动化水平，优化能源效率，并根据环境变化做出自适应调整。此外，Arduino Nano Matter与Apple、Google和Amazon等主流智能家居生态系统兼容，可确保对联网设备进行可靠、高效和智能化控制，使未来的智能家居技术更加普及和易用。

利用ML加速器，解锁边缘AI

在物联网领域，“边缘计算”是指在边缘设备上进行本地计算，而无需将数据存储或传输到集中式云服务器。这种操作方法可以节省电能，也为其他更关键的操作释放网络带宽。它既能降低总体开发成本，又能最大限度地减少信号延迟。这种计算的执行正日益接近数据生成源，例如传感器节点，这一趋势被称为“微边缘”（Tiny Edge）。

芯科科技领先行业发布了一系列支持AI/ML的SoC产品，包括EFR32平台中的xG24、xG26和xG28系列——利用边缘计算功能加速设备处理速度并提升性能。其内置的矩阵矢量处理器（MVP）可将ML推理速度提升高达8倍，而功耗仅为MCU内核的1/6。此外，Tensor Flow和芯科科技的Simplicity Studio等开发工具套件以及广泛的解决方案合作伙伴生态系统，为开发人员提供了一个完整灵活的机器学习生态系统，能够实现快速开发和原型设计，从而缩短最终产品的上市时间。

体验Arduino Nano Matter开发板演示

今年初在奥斯汀举办的Edge AI Foundation活动中，芯科科技和Arduino展示了一项创新演示，展现了双方的合作如何促进新一代智能家居应用的开发。具体而言，参观者可以体验一款基于运动识别的直观解决方案：一根“魔法棒（magic wand）”，用户只需在空中画一个W（开）或O（关），便可开灯和关灯。

Arduino首席执行官Fabio Violante表示：“我们与芯科科技的合作旨在为开发人员带来强大、易用的技术，而‘魔法棒’演示正是实现这一愿景的完美体现。通过将Matter、边缘AI和TinyML集成到Nano Matter开发板上，我们展示了物联网应用的直观性和智能化，只需一个简单的手势即可与智能家居实现无缝交互。这只是创新与易用性相结合的开始。”

该演示基于Arduino Nano Matter，通过载板连接到Arduino Modulino Movement节点，该节点具有板载6轴加速度计和陀螺仪。Arduino Nano Matter配备了功能强大的芯科科技MGM240S微控制器，运行Matter over Thread，同时集成TensorFlow Lite提供的TinyML手势识别库。