美国亚利桑那州钱德勒,2026年7月8日——Microchip Technology(纳斯达克股票代码:MCHP)宣布,旗下MPLAB(R) XC Pro编译器与MPLAB机器学习(ML)开发套件现已向所有用户免费开放。这两款工具支持在个人及团队环境中无限制安装,开发者无需支付任何许可费用即可使用高级优化功能和集成化嵌入式机器学习工作流程。
Microchip开发工具、MCU与无线业务部门企业副总裁Greg Robinson表示:"我们的核心目标是为使用Microchip器件的工程师优化开发体验。通过取消许可证费用、免费提供高性能工具,我们正在消除创新路上的门槛。客户现在可以充分利用我们经过优化的编译器和集成机器学习能力,从设计到部署全程高效推进。"
MPLAB XC Pro编译器此前通过付费授权方式提供,具备高级优化技术,可有效压缩代码体积、降低内存占用、提升执行速度,并为嵌入式应用生成经过架构优化的高效代码。这些专业级功能帮助开发者在Microchip的8位、16位和32位微控制器(MCU)及微处理器(MPU)产品线上简化嵌入式设计流程。
MPLAB机器学习开发套件中的模型构建器作为MPLAB或Microsoft(R) Visual Studio(R) Code(VS Code(R))插件,用于生成经过优化的AI与物联网传感器识别代码,现已同步免费开放。该工具支持开发者构建并部署端到端嵌入式机器学习解决方案,有助于在资源受限的设备上实现高效的边缘智能部署。通过在VS Code中提供MPLAB ML,Microchip进一步践行了"在开发者偏好的环境中提供支持"的承诺,带来更灵活、更易用的开发体验。
免费开放政策同样延伸至Microchip的MPLAB XC功能安全编译器。这些编译器已通过TUV SUD认证,支持安全关键型应用,并可帮助满足行业功能安全标准的合规要求。认证文档及相关支持服务仍需另行付费购买。开发者现在可以免费下载并开始进行安全导向的设计工作,仅在需要正式认证时才产生相应费用。
此次更新还包含编译器相关问题的优先技术支持,无需额外付费。如需了解Microchip全套VS Code扩展工具的详细信息,可访问官方网站。
价格与供货情况
MPLAB XC编译器和MPLAB机器学习开发套件现已免费提供。如需进一步了解,请联系Microchip销售代表或全球授权经销商。
Q&A
Q1:MPLAB XC Pro编译器免费开放后,开发者能获得哪些具体功能?
A:免费开放后,开发者可使用MPLAB XC Pro编译器的全部高级优化功能,包括压缩代码体积、降低内存占用、提升执行速度,以及生成针对架构优化的嵌入式代码。这些功能适用于Microchip的8位、16位和32位MCU及MPU全系产品线,且支持个人和团队环境的无限制安装,无需支付任何许可证费用。
Q2:MPLAB机器学习开发套件支持哪些开发环境?
A:MPLAB机器学习开发套件中的模型构建器支持作为MPLAB插件或Microsoft Visual Studio Code插件使用,两种方式均可免费获取。这意味着开发者可以在自己习惯的开发环境中直接使用,用于生成优化后的AI与物联网传感器识别代码,并在资源受限的边缘设备上完成端到端嵌入式机器学习解决方案的构建与部署。
Q3:MPLAB XC功能安全编译器免费开放后,认证相关费用还需要支付吗?
A:需要。MPLAB XC功能安全编译器本身可免费下载使用,开发者可以在不产生前期费用的情况下开始安全导向的设计工作。但如果项目最终需要获得TUV SUD认证,相关认证文档及技术支持服务仍需另行付费购买,费用仅在正式认证阶段才会产生。
好文章,需要你的鼓励
OpenAI在与多家新闻机构的版权诉讼中陷入困境。以《纽约时报》为首的原告指控OpenAI在长达两年时间里向法庭撒谎,刻意隐瞒其已对ChatGPT日志进行大规模搜索的事实。据悉,OpenAI实际上已拥有包含1000万和7800万条记录的日志样本,并曾用于研究版权内容过滤器,却对外声称无法进行此类搜索。原告据此提出制裁动议,要求法院追责。OpenAI则否认相关指控,坚称其立场基于合理使用原则。
斯坦福与UC伯克利提出LLM-as-a-Verifier框架,通过提取AI模型内部概率分布生成连续评分,在代码、机器人、医疗领域均达到最优性能,且无需额外训练。
美国加州大学圣地亚哥分校研究团队在《自然》期刊发表研究成果:外科医生通过远程操控宇树G1仿人机器人,成功完成两例活体猪胆囊切除手术,创下全球首例。与造价数十至数百万美元的达芬奇手术机器人相比,仿人机器人成本更低、体积更小,未来有望部署于农村、战地乃至太空等资源匮乏的医疗场景。但目前仍存在需频繁重新校准、机械臂活动范围受限等挑战。
字节跳动Seed团队发现AI智能体在真实环境中学习的进步曲线精确遵循对数S形规律,R?达0.998,且前沿模型的学习速度每三个月翻倍。