Silicon Labs sta ampliando la sua piattaforma per sviluppatori per includere strumenti AI, un'iniziativa open-source per Bluetooth LE e l'integrazione con Databricks. Durante l'evento Pretzl Connect, l'azienda ha dimostrato in dettaglio come gli assistenti AI verificheranno le specifiche hardware e porteranno i modelli di edge AI fino al microcontrollore.
Simplicity AI SDK
Silicon Labs ha rilasciato il suo SDK per sviluppatori basato su AI come beta pubblica, integrando così gli assistenti AI nel processo di sviluppo embedded. Il Simplicity AI SDK fornisce agli assistenti AI un accesso strutturato agli SDK di Silicon Labs, agli strumenti di sviluppo, alla documentazione e all'hardware connesso. L'attenzione iniziale è rivolta al Bluetooth Low Energy. Il recente comunicato stampa elenca GitHub Copilot, Cursor e Codex come assistenti AI supportati.
Il lancio della beta pubblica è avvenuto il 22 settembre. L'SDK non include un proprio modello linguistico. Invece, gli sviluppatori utilizzano i loro assistenti AI esistenti, mentre Silicon Labs fornisce il contesto tecnico per il suo hardware e software attraverso server MCP, strumenti e competenze di sviluppo.
Hardware Intent
Un'altra nuova funzionalità è Simplicity Design Intelligence. Il primo strumento, chiamato Hardware Intent, è progettato per consolidare varie specifiche per un progetto. Queste includono requisiti di prodotto, schemi e altri documenti hardware. Nella loro presentazione, Silicon Labs ha citato anche appunti di riunione e altri formati come potenziali fonti.
Hardware Intent: Lo strumento in Simplicity Design Intelligence raccoglie requisiti, dati di scheda, conoscenze sui dispositivi e configurazione software, e poi verifica l'implementazione per conflitti e discrepanze. Il sistema è progettato per aiutare gli sviluppatori a configurare pin, periferiche e software, e poi verificare che l'implementazione sia allineata ai requisiti originali. Secondo Silicon Labs, può identificare incongruenze riguardanti pin, periferiche o altre condizioni hardware. L'obiettivo è identificare tali conflitti prima che una scheda di circuito vada in produzione, se possibile. Una versione alpha di Hardware Intent è prevista per gennaio 2027.
Contributi della Comunità
Allo stesso tempo, Silicon Labs sta aprendo parti del suo processo di sviluppo software più ampiamente ai contributi della comunità. Il Bluetooth Low Energy è la prima area ad essere inclusa. Gli sviluppatori possono rivedere le applicazioni di esempio su GitHub, segnalare problemi e suggerire modifiche tramite pull request. I contributi che Silicon Labs accetta subiscono processi di revisione e test interni e potrebbero successivamente essere incorporati nelle future versioni dell'SDK Simplicity.
Edge AI
La terza area di focus è l'Edge AI. In collaborazione con Databricks, Silicon Labs integra lo sviluppo e la gestione dei modelli di machine learning con l'hardware target embedded. I modelli possono essere addestrati nell'ambiente Databricks e poi testati per determinare se si adattano ai limiti di memoria e calcolo di un chip specifico di Silicon Labs.
L'ML Profiler svolge un ruolo chiave in questo. Tamas Daranyi, Product Marketing Manager per AI/ML di Silicon Labs, ha spiegato durante la presentazione: "L'ML Profiler comprende l'hardware; sa come il modello verrà eseguito sull'acceleratore dedicato e fornisce un'analisi molto dettagliata di quanto sarà veloce e quanta memoria richiederà."
Il profiler può anche analizzare i modelli in modalità simulazione senza che l'hardware target sia connesso. Il flusso di lavoro embedded descritto da Silicon Labs utilizza modelli TensorFlow Lite quantizzati. Tra le altre cose, gli strumenti analizzano i requisiti di memoria e il carico computazionale, aiutando gli sviluppatori a identificare dove devono adattare un modello per l'hardware target.
Attraverso l'integrazione con Databricks, l'approccio va oltre il semplice deployment di un modello. I dispositivi possono inviare dati operativi e di addestramento, che possono poi essere riutilizzati per l'addestramento. Nella presentazione, Silicon Labs ha anche delineato la prospettiva di distribuire successivamente modelli aggiornati a flotte di dispositivi più grandi tramite infrastrutture IoT. Questo crea un ciclo di dati sul campo, riaddestramento, analisi hardware e modelli edge aggiornati.