Qeexo奇手公司近期發(fā)布了全新的AutoML產品，這是一款一鍵式全自動化平臺，讓用戶能夠快速在邊緣設備上使用傳感器數據構建機器學習解決方案。這個產品將填補針對嵌入式邊緣設備的全自動化機器學習平臺的市場空缺。

隨著機器學習技術的發(fā)展，邊緣設備受到了越來越多的關注，在嵌入式處理器上使用機器學習成為眼下的熱點，這一趨勢有助于提升安全性和可用性，降低延遲。但由于受到運算能力，內存大小和電池壽命的嚴格限制，為邊緣設備提供機器學習解決方案雖然有著巨大的市場潛力，卻極具挑戰(zhàn)性。目前絕大多數機器學習廠商專注于為Raspberry Pi以上級別的設備提供服務，Qeexo AutoML則將目光投向了Arm Cortex?-M0到M4級別的MCU，據了解，這款產品目前已經支持ST意法半導體的SensorTile.box，一款包含了Cortex-M4型MCU的緊湊型多傳感器模塊，未來還會拓展到更多的硬件平臺上。

Qeexo的CEO Sang Won Lee表示，“無數的公司都在不斷地從邊緣收集大量的數據，他們希望能夠利用機器學習但找不到合適的工具或者技術團隊，有了Qeexo AutoML，他們只需要花費與正常情況相比的一小部分時間和資源，就能通過原型和項目的不斷迭代來生成可用于生產的模型。Qeexo優(yōu)先選擇支持基于Arm架構的MCU產品，是因為Arm致力于建立世界級的生態(tài)系統(tǒng)，以及它在邊緣市場中的領導者地位?！?/p>

Qeexo AutoML將數據預處理，提取特征，選擇模型，優(yōu)化超參數，驗證結果，以及部署模型等傳統(tǒng)機器學習流程中需要大量重復工作的過程實現(xiàn)了自動化，對于解決目前機器學習工程師稀缺的問題，無疑會產生積極的影響。不僅如此，對于機器學習專家來說，將重復乏味，而且容易出錯的過程交給平臺來完成，也可以節(jié)約大量的時間，提升核心開發(fā)工作的效率。

甚至，對于并不熟悉機器學習但又擁有海量傳感器數據的企業(yè)來說，Qeexo AutoML在一些特定任務中，完全可以取代機器學習工程師的角色，從而為企業(yè)節(jié)省組建機器學習團隊的時間和成本，降低企業(yè)試錯的風險。

Arm公司機器學習部門市場副總裁Dennis Laudick也認為，“Qeexo（對機器學習）的優(yōu)化會為更廣泛范圍內的設備帶來新的機器學習的可能性，而選擇基于Arm架構的MCU作為目標則意味著他們的技術將會惠及一個服務于幾乎所有行業(yè)的豐富的生態(tài)系統(tǒng)?！?/p>

 FingerSense是一款可以區(qū)分指尖，指關節(jié)，指甲還是輸入筆在屏幕上操作的純軟件解決方案，目前這個方案已經成功應用在數億臺設備上，而它也是Qeexo AutoML首個成功的商業(yè)化案例。

Qeexo奇手公司誕生于卡內基梅隆大學，也是目前第一個為嵌入式邊緣設備（Cortex M0-M4級別）提供自動化端到端機器學習服務的公司。該公司目前已經獲得風險投資，并在山景城，匹茨堡，上海和北京設立了辦公室。