原文標題：STMicroelectronics streamlines AI model development for STM32 developers
STMicroelectronics於11月4日宣布重整ST Edge AI Suite工作流程，為STM32嵌入式機器學習開發規劃四項工具，涵蓋從挑選模型到部署前驗證的環節。Model Explorer提供網頁介面，讓開發者搜尋原先透過Model Zoo GitHub儲存庫取得的預訓練模型；Dataset Factory協助擷取及轉換原始資料，整理成可用資料集；Model Factory則支援針對應用訓練、客製化、量化與其他調整，協助模型符合STM32運算及記憶體條件。
第四項Model Bench讓使用者透過網頁，在ST遠端開發板資源上測試模型效能，將取代ST Edge AI Developer Cloud。ST表示，旗下提供超過400個預訓練模型，Edge AI Suite支援的專案超過26萬個；這些為公司公布的生態系規模，並非四項新工具已經服務的使用量。工具將連接超過4,000個商用料號的STM32生態系，配合STM32Cube的選型、設定、函式庫、範例與評估硬體。新工具預計11月下旬提供，現階段可登記通知，既有版本仍可使用。公告未完整列出新工具的帳號資格、費用及各晶片的支援矩陣，團隊導入前仍須確認。
發生了什麼事
ST規劃在Edge AI Suite加入Model Explorer、Dataset Factory、Model Factory與Model Bench，整合模型挑選、資料處理、訓練與硬體驗證。
為什麼重要
嵌入式AI開發需要同時控制模型大小、運算與目標硬體表現。把這些步驟放在連貫工具中，可協助工程師在部署前完成更有系統的評估。
影響哪些人
主要面向STM32開發者、感測與工業設備團隊，以及正在導入本地推論的產品設計者。既有Developer Cloud使用者也需留意Model Bench的接替安排。
已確認與未確認
已確認四項工具方向及11月下旬的提供計畫，並非全部已正式開放。模型數與專案數屬既有生態系統計，詳細帳號與晶片支援條件仍待核對。
