嵌入式AI开发迎来“系统级编排”时代：ADI CodeFusion Studio 2.0深度拆解

在AI浪潮中，将AI模型高效、可靠地部署在资源受限的嵌入式设备上，始终是横亘在开发者面前的巨大挑战。工具链的碎片化、多核调试的复杂性以及软硬件协同的鸿沟，极大地拖慢了创新步伐。日前，ADI正式推出其嵌入式开发平台的重要升级——CodeFusion Studio 2.0，旨在从根本上重塑这一流程。

作为一家传统意义上的硬件芯片厂商，ADI越来越重视配套软件平台的开发和布局，今年3月份，首次推出了CodeFusion Studio（详见：模拟芯片巨头持续发力软件，加速智能边缘“软硬协同”变革）。而本月最新发布CodeFusion Studio 2.0，不仅是一次功能的迭代，更被视为对嵌入式AI开发范式的一次重塑，它标志着开发重心从传统的“代码编译”转向更高级的“系统级AI编排”。为此，我们寻求了ADI软件与安全事业部软件产品与工具负责人Jason Griffin的深度解读，探寻CodeFusion Studio 2.0（文中简称CFS 2.0）如何为开发者铺就一条通往物理智能的快速通道。

Jason Griffin，ADI软件与安全事业部软件产品与工具负责人

以下为采访对话实录：

Q1：CFS 2.0 提出了“端到端AI流水线”与“多核异构统一开发”的理念。相较于前代仅支持基本嵌入式开发与安全框架，2.0版本如何从底层架构上重构，以支持从模型导入、多核调试到性能剖析的全流程？这是否代表了嵌入式开发从“代码编译”向“系统级AI编排”的根本转变？

CFS 2.0引入了现代化的嵌入式软件开发生态系统，该生态系统将图形化系统设计、代码生成和调试功能集成于统一环境中。CFS 2.0架构目前支持以下功能特性：

• 在系统规划工具(System Planner)中直接导入和配置AI模型，将模型分配给各个内核，并运行兼容性/性能分析检查。
• 使用模板来加速创建用于模型交互的代码。用户只需编译模型并更新模板以提供输入数据，即可使整个过程更加快捷、易于操作。
• 统一的多核调试和性能分析功能，涵盖运行时和AI推理级数据的捕获与可视化。
• 采用基于插件的架构，将配置/设计与代码生成相分离，并支持自动化和CI/CD集成。

这确实可视为从传统的代码编译向更全面的系统级编排的转变，对于支持AI的异构多核系统而言更是如此。

Q2：ADI 强调“物理智能”是让AI系统理解并交互于物理世界。CFS 2.0 在支持“物理驱动型AI”方面，相比友商平台或工具链，有哪些技术路径上的本质区别？特别是在支持非统计型、基于物理规律的模型部署方面，CFS 2.0提供了哪些独特机制？

CFS 2.0与通用嵌入式/AI工具链的根本差异在于：它集成了传感器/边缘硬件抽象、多核资源管理、基于插件的代码生成、开放许可协议以及以边缘/固件为核心的设计导向，这些特性与ADI定义下的“物理智能”高度契合。

CFS为开发者提供了一个可部署基于物理模型的平台——虽然模型编码、求解器及领域物理特性等定制工作仍需自主完成——但该平台提供了将其集成至部署路径的全套工具链。

Q3：在多核SoC上实现跨Arm处理器、DSP、NPU的统一调试与性能分析，一直是嵌入式开发的痛点。CFS 2.0 引入了“统一调试体验”与“Zephyr AI Profiler”。请问这些工具在实现跨核线程感知、实时内存映射可视化和时序同步分析方面，相比传统方式，带来了哪些根本性改进？

CFS 2.0允许开发者在单一会话中同时调试多个异构内核（包括Arm、DSP和NPU），具备跨内核线程感知与RTOS线程可视化等功能，进而无需依赖多个IDE或调试工具。Zephyr AI性能分析器与Zephyr原生追踪子系统相集成，可捕获基于事件的运行时信息（包括任务切换、中断和AI推理事件），并生成通用追踪格式(CTF)数据，用于后续处理和可视化。该架构支持跨所有内核的同步时序分析和实时内存映射可视化，同时提供分层式性能分析模式，同时适用于资源受限和高资源场景。

Q4：CFS 2.0 以Zephyr RTOS为核心，并构建在VS Code之上。在嵌入式IDE日益趋同的现状下，ADI如何通过开放模块化架构与“自带模型”策略，构建不同于传统芯片厂商的开发者生态？这是否意味着ADI正从“硬件提供商”转向“平台+生态”的竞争策略？

ADI通过卓越的易用性打造差异化开发者生态系统——始终契合客户的实际开发场景。CFS构建在开源基础之上，而且ADI全面兼容Zephyr和Linux等开放技术生态。

CFS采用命令行优先的模式，打造以开发者为中心的环境，直击嵌入式开发领域长期存在的痛点。例如，以往进行跨内核调试时，工程师需要在不同工具和视图之间反复切换，才能整合并理解整个系统的运行情况。如今，借助同步多核可视化功能，开发者可在统一界面中全面查看和控制整个系统运行，显著节省时间和精力。这意味着工程师无需再与各种工具较劲儿，而是能专注于真正重要的事情：构建创新解决方案。

ADI始终致力于打通物理世界与数字世界的边界，将人工智能转化为可落地的现实解决方案。通过融合可实现的物理模型、智能数字平台与软件技术，ADI让智能在边缘端落地。CFS进一步拓展了这一优势，为AI开发者提供从模型编译、固件生成到部署、性能分析与优化的端到端无缝工作流，使得在真实硬件上部署AI模型变得前所未有的便捷。

作为全球领先的半导体厂商，ADI致力于为完整解决方案提供核心驱动力。我们持续拓展跨各个市场的技术平台布局，通过融合自主创新、开源生态系统与精选合作伙伴资源，加速客户迈向成功。这种集成式方法依托ADI独特的精密硬件与智能软件优势，助力客户更快完成从概念到产品的转化。

Q5：AutoML for Embedded 与 TESA可信边缘安全架构的集成，是CFS 2.0的亮点之一。在资源受限的边缘设备上实现自动模型优化与安全推理，目前产业内仍处于早期阶段。请问CFS 2.0是如何在确保低延迟与确定性的同时，实现模型压缩、加密推理与安全引导的协同工作？是否有实际用例证明其可行性？

CFS 2.0集成了可信边缘安全架构(TESA)，提供安全启动、加密推理和硬件加密加速功能，并配有用于加密操作、安全存储及生命周期管理的中间件和API。

CFS配备了模型部署前的分析工具与用于推理的运行时洞察功能（Zephyr AI性能分析器），这些工具能够帮助开发者和数据科学家轻松识别瓶颈并优化模型。

Q6：CFS 2.0最重要的特性之一是具备端到端AI流水线，ADI如何理解并定义端到端AI？这一特性给用户带来的最显著的变化有哪些？

在CFS 2.0中，“端到端AI”指的是一套完整工作流，它满足开发者的以下需求：

• 在同一环境中导入AI模型（如TFLM、PyTorch），将其分配至指定内核，验证兼容性，并生成可立即部署的代码。
• 借助模板快速生成与模型交互的代码，用户仅需编译模型并更新模板以提供输入数据。
• 该工作流的流程如下：获取模型 → 编译模型 → 向模型输入数据 → 运行推理 → 处理结果。

写在最后

CodeFusion Studio 2.0的核心价值在于将复杂的异构计算、模型部署与多核调试抽象为统一的工作流，让开发者能屏蔽底层硬件复杂性，专注于创造性的应用创新本身。并且，从模型导入到部署推理的“端到端AI流水线”，是ADI实现“物理智能”愿景的基石。

这也清晰地表明了ADI在智能边缘领域的雄心——不仅仅是提供高性能的硬件，更是通过降低开发门槛，将“物理智能”的构想变为触手可及的现实。对于广大嵌入式AI开发者而言，一个更加集成、高效和强大的开发时代正在徐徐开启。