意法半導體STM32Cube.AI開發環境為用戶提供各種機器學習技術，為他們盡可能高效地解決分類、聚類和新穎性檢測三種算法挑戰提供更多靈活性。

除了能夠在STM32*微控制器(MCU)上開發用于邊緣推理的神經網絡外，最新的STM32Cube.AI版本(7.0版)還支持新的監督和半監督方法，這些方法可以處理更小的數據集和更少的CPU周期。其中包括孤立森林異常檢測(iForest)和單類支持向量機(OC-SVM)新穎性檢測，以及K-means和SVM分類器算法，現在，用戶無需人工寫代碼就能實現這些算法。

除神經網絡之外，這些經典機器學習算法讓開發人員通過易于使用的技術在STM32微控制器上轉換、驗證和部署各種學習模型，縮短研發周期，更快地解決人工智能開發挑戰。

STM32Cube.AI允許開發人員將機器學習處理任務從云端轉移到基于STM32的邊緣設備，以減少延遲、節約能源、提高云利用率，并通過大限度地減少互聯網上的數據交換來保護隱私。現在，用戶使用STM32 MCU具有額外的靈活性，可以選擇高效的機器學習技術進行設備上分析，是長期在線使用案例和智能電池供電應用的理想之選。