Il 7 ottobre, Silicon Labs ha presentato una serie di iniziative volte a semplificare il modo in cui gli sviluppatori creano dispositivi IoT connessi e applicano l'edge AI. Nel corso del suo summit annuale Works With 2026, l'azienda con sede ad Austin, in Texas, ha introdotto strumenti di sviluppo software, un'iniziativa open source e una collaborazione cloud, tutti destinati ad aiutare gli ingegneri a scrivere codice, validare progetti hardware ed eseguire modelli di machine learning su microcontroller a basso consumo.
Queste mosse arrivano mentre i produttori di chip affrontano le richieste dei clienti aziendali di snellire il lavoro sul software embedded. I vincoli di memoria, capacità di elaborazione e scelte radio spesso frenano il lancio dei prodotti. Silicon Labs ha dichiarato di voler affrontare gli ostacoli dello sviluppo software collegando gli strumenti per sviluppatori ad assistenti di IA generativa e sistemi dati aziendali, invece di concentrarsi unicamente sul miglioramento delle prestazioni del silicio.
La beta del Simplicity AI SDK
Una componente importante dell'annuncio è il lancio della beta pubblica del Simplicity AI SDK. Secondo Silicon Labs, questo kit offre un accesso strutturato alla sua documentazione, ai suoi strumenti e alle sue librerie di codice per l'integrazione con assistenti di programmazione basati sull'IA come GitHub Copilot e OpenAI Codex. La versione iniziale si concentra sui progetti Bluetooth Low Energy, consentendo agli agenti di IA di contribuire alla configurazione, alla compilazione, al flashing, al debug e all'analisi della rete.
Tamas Daranyi, product manager di Silicon Labs, ha descritto lo strumento prima del lancio ufficiale come un potenziatore di produttività più che un sostituto di un'attenta attività di ingegneria. Ha osservato che non è una risposta completa né una magia, ma una risorsa di abilitazione significativa, e ha aggiunto che gli sviluppatori possono avvalersi dell'SDK per accelerare la personalizzazione dei prodotti e le prove di proof-of-concept.
La qualità del codice con l'IA generativa
Daranyi ha anche affrontato le preoccupazioni sulla qualità del codice con l'IA generativa, sottolineando che la supervisione umana resta cruciale. Ha suggerito che gli ingegneri potrebbero non dover esaminare ogni riga di codice prodotto dall'IA, ma devono comunque testarlo rigorosamente per assicurarsi che funzioni sull'hardware.
Simplicity Design Intelligence e Hardware Intent
Insieme all'SDK, Silicon Labs ha lanciato Simplicity Design Intelligence, un framework software volto a convertire concetti di prodotto di alto livello in configurazioni embedded funzionanti. La sua funzione iniziale, Hardware Intent, esamina le specifiche hardware e gli schemi delle board per aiutare a selezionare pin e periferiche prima della costruzione della board.
Sam Ponedal, responsabile delle PR di Silicon Labs, ha ricordato durante un briefing a Budapest che le esigenze di progettazione hardware arrivano spesso in formati diversi, come PDF tecnici, appunti scritti a mano o video illustrativi. Hardware Intent trasforma questi input in linguaggio naturale in una struttura utilizzabile dagli agenti software. Ponedal ha affermato che il sistema può individuare automaticamente problemi minori, come conteggi di pin incoerenti o assegnazioni di periferiche mancanti, tra le specifiche originali del progetto e gli schemi della board, contribuendo a evitare costose rielaborazioni hardware. Silicon Labs intende lanciare una versione alpha di Hardware Intent a gennaio 2027.
La community open source
Silicon Labs ha inoltre annunciato l'avvio di una beta pubblica per la sua community open source per sviluppatori, a partire dal suo stack software Bluetooth Low Energy. Gli sviluppatori possono trovare applicazioni di esempio e strumenti su GitHub, segnalare problemi, proporre correzioni al codice e inviare pull request. Quando vengono proposte delle correzioni, il team di ingegneria di Silicon Labs le valuterà sia automaticamente sia manualmente. Ponedal ha affermato che le correzioni che soddisfano i requisiti di test saranno integrate nell'SDK come parte ufficiale della release del Simplicity SDK.
Daranyi ha chiarito che il progetto open source comprende il software a livello applicativo e gli strumenti di sviluppo, ma esclude i protocolli radio di livello inferiore. I livelli radio proprietari e i dettagli dei protocolli di livello inferiore resteranno chiusi, mentre le applicazioni di esempio di livello superiore saranno aperte per favorire la collaborazione della community.
La collaborazione con Databricks
Per facilitare l'esecuzione dell'IA direttamente sui microcontroller, Silicon Labs ha collaborato con Databricks, un'azienda di gestione dei dati. Questa collaborazione collega i dispositivi edge alla piattaforma Databricks Data + AI, consentendo agli ingegneri di gestire la raccolta dei dati, l'addestramento dei modelli e l'ottimizzazione embedded all'interno dei flussi di lavoro aziendali standard.
Il primo Silicon Labs MLOps SDK consente ai dispositivi edge connessi di trasmettere dati di telemetria a Databricks per l'addestramento dei modelli. Dopo l'addestramento, secondo Silicon Labs i suoi strumenti di conversione possono trasformare i modelli da PyTorch o ONNX in TensorFlow Lite. Un ML Profiler basato su Python all'interno di Databricks valuta come i modelli si comporteranno sull'hardware di destinazione, offrendo dettagli come conteggi dei cicli, utilizzo della memoria e consumo energetico prima della distribuzione.
Questa integrazione risolve una sfida frequente dell'edge AI: i team di data science operano tipicamente nel cloud, mentre gli ingegneri embedded utilizzano microcontroller specializzati. Incorporando strumenti di profilazione e ottimizzazione direttamente in Databricks, gli sviluppatori possono migliorare i modelli edge senza richiedere una configurazione separata.
In sintesi, le iniziative di Silicon Labs sono volte a semplificare lo sviluppo di dispositivi IoT connessi e l'applicazione dell'edge AI, offrendo strumenti di sviluppo software, un'iniziativa open source e una collaborazione cloud per aiutare gli ingegneri a scrivere codice e eseguire modelli di machine learning su microcontroller a basso consumo.
I vantaggi di queste iniziative includono la possibilità di accelerare la personalizzazione dei prodotti e le prove di proof-of-concept, la riduzione dei costi e dei tempi di sviluppo, e la miglioramento della qualità del codice e della sicurezza dei dispositivi.
Inoltre, la collaborazione con Databricks offre la possibilità di gestire la raccolta dei dati, l'addestramento dei modelli e l'ottimizzazione embedded all'interno dei flussi di lavoro aziendali standard, semplificando l'esecuzione dell'IA direttamente sui microcontroller.
In conclusione, le iniziative di Silicon Labs rappresentano un importante passo avanti nello sviluppo di dispositivi IoT connessi e dell'edge AI, offrendo soluzioni innovative e collaborative per aiutare gli ingegneri a creare prodotti più intelligenti e più connessi.