【頂置】簡報、源碼、系列文快速連結區

常有人反應用手機瀏覽本部落格時常要捲很多頁才能找到系列發文、開源專案、課程及活動簡報，為了方便大家快速查詢，特整理連結如下，敬請參考！

---

Edge AI Taiwan 邊緣智能交流區

---

全像顯示與互動交流區

---

台科大(NTUST)邊緣人工智慧實務(2026)

---

南開科大(NKUT)智慧物聯網資料收集站(2026)

---

OmniXRI TinyML 小學堂(2025)

---

OmniXRI's Edge AI ＆ TinyML 小學堂(2024)

---

台科大(NTUST) 人工智慧與邊緣運算實務(2021-2023)

---

開南大學(KNU) 智慧健康系列課程(2022-2023)

---

【課程及活動簡報】>>

---

【開源碼專區】>>

---

【系列發文專區】>>

---

【學習資源分享】>>

---

【Youtube教學影片】>>

---

【Arduino UNO Q 專欄01】- 基礎硬體及軟體簡介

Jack OmniXRI, 2026/05/06

以往聽到高通(Qualcomm)大概只會聯想到這家公司是全世界最重要的手機晶片「驍龍(Snapdragon)」供應商，但從去(2025)年開始，他們也推出子品牌「躍龍(Dragonwing)」想要在工業及智慧物聯網(IIoT, AIoT)、機器人(Robitic)及邊緣智慧(Edge AI)基礎設施也能搶下新商機。

由於過往的客群主要是手機設計商，只需採取嚴密的商業合作即可，但在嵌入式及人工智慧這塊幾乎都是開源社群的天下，所以如果 Google 不到或 Github 上找不到開發設計參考資料，那這些產品就不會有人使用及推進。因此去年高通併購了 Edge Impulse（2025/03） 和 Arduino（2025/10），前者為世界最大 TinyML 雲端開發平台，而後者為全世界最大微處器/單晶片(MPU/MCU)開源開發工具供應商及社群組識，藉此來補足以往對嵌入式開發及開源社群不友善的印象。

【課程簡報】20260331_虎尾科大電資_如何打造台版 Edge Impulse TinyML 開發平台 Part 2

很高興今天(2026/3/31)受虎尾科大電機資訊學院許永和院長邀約來和同學們分享「如何打造台版 Edge Impulse TinyML 開發平台」這個主題。這個題目去年曾在開源人大會(Coscup 2025)及 MakerPRO MAI 2025 活動中分享過，此次再加入近半年來的觀察和心得，期待同學們能更認識台灣在微型AI的進展及未來。

本次主題包括：

• Edge AI 誰說了算？
• Edge AI 開發流程
• Edge AI 常見開發板
• Edge AI 常見開發工具
• Edge Impulse 簡介
• 如何打造台版 Edge Impulse

完整簡報

【簡報導讀-008】Arm Everywhere: 代理式AI時代的運算基石

為了方便大家快速理解，以下內容使用 Google NotebookLM 產生相關文字及簡報解說，如想深入了解的朋友可參考原始來源。

原始Youtube影片： "Arm Everywhere event: Keynote with Arm CEO Rene Haas (live stream version)"
影片上傳日期： 2026/03/25
主要講者： Rene Haas(Arm CEO) 

- NotebookLLM 生成簡報下載

- NotebookLLM 生成Poadcast影片連結

 

 

 

Arduino UNO Q 教學案例整理

 作者:Jack OmniXRI, 2026/02/14

去（2025）年高通買下 Arduino 並推出一款名為 UNO Q 的產品，想要藉由 Qualcomm Dragonwing QRB2210 (MPU) + STM32U585 (MCU) 的硬體組合加上 Arduino APP Lab 的軟體開發平台打開嵌入式 AI 開發的新生態。這款產品使用 MPU 來跑 Linux (Debian 相容） 環境執行 Python，而使用 MCU 來跑 C++ （Arduino 相容） 處理週邊即時訊號處理，讓系統可當成一台單板微電腦（類似樹莓派）接鍵盤、滑鼠、HDMI顯示器，也可當成一片單晶片開發板接各種週邊（UART, I2C, SPI, GPIO, ADC等），當然也可透過橋接（Bridge）程式同時協同運作。更完整硬體規格及開發相關文件可參考官網說明，這裡就不多說明。

為了讓大家更了解這塊板子可以玩出什麼新創意，這裡幫大家收集了一些教學影片及文章，有興趣的朋友也可試著實作一下。

Arm Ethos-U-Vela 可支援的 TFLite 運算子

作者：Jack OmniXRI, 2026/02/06

參考資料來源：
https://gitlab.arm.com/artificial-intelligence/ethos-u/ethos-u-vela/-/blob/main/SUPPORTED_OPS.md

Arm 為了讓 Cortex-M55/M85/M82 單晶片(MCU)更適用於 AI 推論應用，通常會搭配微型神經網路處理器(MicroNPU) Ethos-U55/U65/U85 進行硬體加速。為了讓 PyTorch / TensorFlow 等框架訓練出來模型能更順利在這種組合的晶片上運行，通常會先將模型轉換成 TensorFlow Lite （*.tflite）格式，最後再經過 Arm Vela Compiler 轉換成適合 MCU 及 NPU 的 TFLite 格式（ *_vela.tflite）。

轉換過程中若 TFLite 運算子(Operators, Ops)可滿足 NPU 硬體特性，則 Vela Compiler 會將其送至 NPU 執行，其它無法處理的運算子就交給 MCU 處理。Cortex-M55/M85/M82 使用 M-Profile Vector Extension (MVE 或稱 Helium) 指令集，可處理向量計算，搭配 Arm CMSIS-NN 函式庫可大幅優化及加速計算。

為了讓大家更清楚不同的 MicroNPU 可以支援哪些 TFLite(現稱 LiteRT) 運算子，可參考下表。更多的使用方式及限制可參考原文。