Qeexo開發公司和意法半導體宣布，意法半導體的機器學習核心(Machine-Learning Core, MLC)感測器已加入能夠加速邊緣裝置tinyML微型機器學習模型開發的Qeexo AutoML平台。
意法半導體利用大量感知相關演算法運作在MLC感測器上，能大幅降低系統整體功耗；Qeexo AutoML則利用邊緣裝置自動產生的低延遲、低功耗且記憶體佔用率極低的機器學習解決方案；這些解決方案採用延長電池壽命的高效機器學習模型，克服運算能力和儲存容量因晶片尺寸而受到的限制。
Qeexo執行長Sang Won Lee表示，與ST的合作，讓開發人員能夠在ST的MLC感測器上快速建立和部署機器學習演算法，無需占用MCU時脈週期和系統資源，應用範圍十分廣泛，涵蓋工業和物聯網。
意法半導體MEMS感測器部門總監Simone Ferri則表示，在Qeexo AutoML平台上增加ST的機器學習核心感測器，便於開發人員在低功耗應用中更快速地導入嵌入式機器學習。此外，在感測器中導入MLC內核心，可減少系統資料流量，減輕網路處理負擔，降低系統功耗，同時提供更穩定的事件偵測、喚醒邏輯和即時邊緣運算功能。