面對 AI 正全面走向邊緣與終端設備的發展趨勢，ADI正加速強化軟體布局。ADI 軟體與安全事業部軟體產品與工具負責人 Jason Griffin 表示，最新推出的 CodeFusion Studio（CFS）2.0 不僅是工具更新，而是為「實體智慧（Physical Intelligence）」時代打造的全新開發平台，目標是將 AI 從附加功能，轉變為產品的內建能力。

ADI 軟體與安全事業部軟體產品與工具負責人 Jason Griffin

CFS 2.0 最大的差異在於它導入了一條真正端對端的 AI 工作流程。無論模型來自 TensorFlow、PyTorch，或是 ADI 所提供的 Model Zoo，開發者都能在平台中快速建立專案，並在幾分鐘內將模型轉換成可於嵌入式裝置上運行的推理程式碼。Griffin 指出，AI 導入 IoT、機器人或可聽戴裝置確實存在複雜度，而 CFS 2.0 的目的，就是要讓這些 AI 功能能更直覺地嵌入產品中，例如讓耳機能具備情境感知能力、讓機器人能自我調整控制系統，真正把智慧放進最靠近世界的那層硬體。

CFS 2.0 在模型部署的可靠性上，也新增了更強大的驗證與分析工具。其中「模型相容性分析器」可以即時檢查 AI 模型是否能順利運行在 ADI 的硬體平台上，並提前判斷可能造成延遲或記憶體不足的瓶頸。為了讓開發者在尚未接觸實際硬體時就能進行效能評估，ADI 也透過 Zephyr 執行環境推出了 AI Profiler，協助預測推理延遲、功耗與資源使用狀況。Griffin 表示，這項功能對開發者來說是一大解放，讓早期開發不再依賴實體設備，同時也能更快速完成設計驗證。

CFS 2.0 的另一項核心變革，是以 Zephyr 為基礎打造模組化與容器化的開放平台。Griffin 認為，AI 不僅需要演算法，更需要在一個能複現、能擴展且一致的環境中運作。容器化架構讓開發者能快速建立一致的開發環境，不受作業系統與硬體平台差異限制，也更利於團隊協作。這樣的設計理念，是希望邊緣端的 AI 能像在真實世界中般運作—不僅部署容易，也能在同樣的環境中進行訓練、測試與除錯。

除了支援單一 AI 模型與單一核心的應用，CFS 2.0 也針對複雜的多核心 SoC 架構進行了徹底簡化。過去開發者往往需要在不同 IDE、工具鏈與除錯器之間切換，面對 ARM、DSP、NPU 等不同核心時還需進行多套設定，造成相當大的開發負擔。CFS 2.0 則將所有核心整合到同一工作空間內，讓記憶體映射、周邊設定與建構依賴全部一致，同時支援跨核心除錯與 Core Dump 分析。這種統一工具鏈的方式，大幅降低了上下文切換的成本，也讓開發者能更專注於系統架構與效能調校，而不是被工具設定拖累。

在談到「實體智慧」時，Griffin 特別提到 CFS 2.0 已經整合嵌入式 AutoML，讓模型訓練、最佳化與部署都能在同一個平台中完成。這意味著在邊緣設備的限制下，AI 仍能具備持續學習與調整的能力，使智慧體能根據實際環境變化而自主適應。例如低功耗感測器可透過 AutoML 持續優化偵測精度，而工廠設備也能在近端完成異常模式學習，而不必仰賴雲端。

面對未來規劃，Griffin 表示 ADI 將持續深化硬體與軟體的整合，並擴增更多執行環境與分析能力，以回應開發者在邊緣 AI 設計上的需求。他透露，ADI 已規劃在接下來數個月陸續推出額外功能，進一步讓 CodeFusion Studio 成為「實體智慧」開發的核心平台。

隨著 AI 正快速從資料中心走向邊緣，ADI 的 CodeFusion Studio 2.0 清楚展現其企圖，用軟體橋接硬體與 AI，使智慧真正落到產品內部。Griffin 強調，這不只是工具的升級，而是實體智慧時代的開端。