Silicon Labs 推出 Simplicity AI SDK 測試版與邊緣 AI 工具

Silicon Labs 於 2026 年 10 月 7 日在 Works With Summit 正式公布 Simplicity AI SDK 公開測試版，該版本先行支援 Bluetooth Low Energy（BLE），並允許 GitHub Copilot、Cursor、Codex 等 AI 程式代理讀取結構化文件、工具與程式庫，以協助開發者完成設定、建置、燒錄、除錯與網路分析等工作。

AI 程式代理與 BLE 開發的結合

根據 Silicon Labs 的說法，Simplicity AI SDK 讓 AI 程式代理能直接解析 Simplicity Studio 的硬體描述檔與 BLE 堆疊文件，產生符合規範的程式碼片段。開發者只需在 IDE 中啟動 Copilot 或 Cursor，即可自動產出初始化程式、服務設定與 GATT 描述，並即時取得建置與燒錄指令。

此外，SDK 內建的除錯與網路分析工具可在 AI 生成的程式碼上自動插入追蹤點，協助工程師快速定位 BLE 連線問題或功耗異常。Silicon Labs 強調，這些功能仍需開發者自行驗證，AI 只提供初步建議，最終品質仍由實體測試決定。

Simplicity Design Intelligence 與硬體意圖（Hardware Intent）

同時發布的 Simplicity Design Intelligence 旨在將硬體需求從文字或多媒體資料自動轉換為可檢查的硬體設定。公司透露，首個 Hardware Intent 功能預計於 2027 年 1 月進入 alpha 階段，屆時使用者可上傳 PDF、筆記或影片，系統會解析其中的腳位、周邊與功能需求，產出對應的硬體配置檔。

Hardware Intent 會自動比對 Simplicity Studio 中的硬體資源庫，找出腳位指派不一致或周邊相容性問題，並以可視化報告提示開發者修正。Silicon Labs 表示，此功能仍在驗證階段，未來將與 SDK 深度整合，讓 AI 產生的硬體設定直接可用於實機測試。

開源社群與 Databricks 整合

在開源層面，Silicon Labs 已釋出 BLE 範例應用與相關工具，鼓勵開發者貢獻程式碼與測試案例。然而，低層無線協定堆疊仍屬公司專有，社群只能在上層 API 與 SDK 內部操作。

• BLE 範例應用程式碼
• AI 生成的設定腳本
• 社群測試報告與效能基準

Silicon Labs 亦宣布與 Databricks 的合作，將裝置遙測資料、模型訓練、嵌入式最佳化與硬體測試流程串接至企業資料工作流程。透過 Databricks Lakehouse，開發團隊可在雲端即時分析 BLE 裝置的運行數據，並將優化後的模型回饋至 Simplicity AI SDK 進行邊緣部署。

公司再次提醒，儘管 AI 生成的程式碼能大幅加速開發週期，工程師仍必須在實體硬體上執行完整測試，工具本身不提供品質保證。Silicon Labs 將持續提供更新與驗證套件，協助使用者在真實環境中驗證 AI 輔助的設計。

在 Simplicity AI SDK 測試版中，AI 程式代理不僅能讀取 Simplicity Studio 的硬體描述檔，還能直接解析 BLE 堆疊的 XML 定義，將其中的服務、特徵與屬性映射為可編譯的 C 程式碼。開發者只要在 IDE 內啟動 Copilot 或 Cursor，系統即會根據需求自動產生初始化例程、GATT 表格與連線管理程式，並即時提供建置與燒錄指令。這樣的即時生成大幅縮短了手動編寫樣板程式的時間，同時保留了對 BLE 規範的完整遵循，使得新手與資深工程師都能在同一平台上快速驗證概念驗證（PoC）階段的功能。

Hardware Intent 功能的設計核心在於將非結構化的需求文件自動轉換為可驗證的硬體設定檔。使用者上傳的 PDF、手寫筆記或教學影片會先經過文字與影像辨識，抽取出腳位編號、外圍設備類型與功能描述，然後與 Simplicity Studio 內建的硬體資源庫進行比對。系統會產生一份可視化報告，標示出腳位指派衝突、相容性問題或缺少的驅動程式，讓開發者在正式編譯前即能修正錯誤。預計於 2027 年 1 月進入 alpha 階段的此功能，將與 SDK 深度整合，使 AI 產出的硬體設定直接可用於後續的燒錄與除錯流程。

在開源層面，Silicon Labs 已釋出一套完整的 BLE 範例應用與相關工具鏈，鼓勵全球開發者提交程式碼、測試案例與效能基準。社群成員可以在 GitHub 上貢獻上層 API 的使用範例，或針對 SDK 提供的腳本進行優化。然而，低層的無線協定堆疊仍屬公司專有，社群只能在公開的介面上操作，無法直接修改底層韌體。Silicon Labs 以此方式平衡了開放創新與產品安全，確保關鍵通訊協定的穩定性同時讓開發者享有足夠的擴充空間。

與 Databricks 的合作將裝置遙測資料、模型訓練與嵌入式最佳化流程緊密結合於企業的資料湖（Lakehouse）環境。BLE 裝置在現場收集的電量、連線成功率與感測數據會即時上傳至 Databricks，資料科學家可在雲端快速訓練或微調機器學習模型，然後將最佳化後的模型回饋至 Simplicity AI SDK，完成邊緣部署。Silicon Labs 再次強調，儘管 AI 生成的程式碼能加速開發週期，最終仍必須在實體硬體上執行完整測試，工具本身不提供品質保證，企業需依賴驗證套件與實機測試確保產品可靠性。

總結而言，Simplicity AI SDK 測試版的推出為 BLE 與邊緣 AI 開發注入新動能，開源社群的參與與 Databricks 的資料整合也為企業級應用鋪路。未來幾個月內，隨著 Hardware Intent 進入 alpha，開發者將能更直接地將需求文件轉化為可執行的硬體配置，從而縮短原型設計到量產的時間。