随着AI技术的发展，对服务器的算力要求越来越高，对应供电系统的功率也越来越大，服务器电源单个功率模块的功率都开始由2~3KW向5.5KW和8.5KW发展，这也导致了功率拓扑的变化，之前DC/DC部分一般都是半桥或是全桥LLC+SR，到5.5KW之后客户都开始采用三相LLC+SR，本文介绍如何基于STM32G474产生适合三相LLC+SR控制的PWM方案。

在STM32N6570-DK开发板的开机视频中，有一个流畅炫酷的滚轮式菜单选择界面，通过选择不同的图标，可以实现界面的切换。这里将这个功能设计成了一个容器，本LAT的附件提供了一个菜单选择界面的容器MenuContainer.tpkg和所需的字体、动画的图片，可以很方便的导入其他工程，并根据自己需要替换图片和文字，实现流畅炫酷菜单选择界面的快速开发。

随着AI技术的发展，对服务器的算力要求越来越高，对应供电系统的功率也越来越大，服务器电源单个功率模块的功率都开始由2~3KW向5.5KW和8.5KW发展，这也导致了功率拓扑的变化，之前DC/DC部分一般都是半桥或是全桥LLC+SR，到5.5KW之后客户都开始采用三相LLC+SR，本文介绍如何基于STM32G474产生适合三相LLC+SR控制的PWM方案。

为了方便客户使用和评估STM32N6的性能，ST官方发布了一系列的参考例程，用于快速评估和开发，本文将简单介绍这些demo的获取途径，并简单介绍其中部分例程。

STM32N6带有一颗600GOPS的NPU，不少客户工程师对如何在STM32N6上验证模型 的准确率或者评估模型非常感兴趣。本文介绍ST官方提供的一种评估验证方法，对客户而 言开发工作量较少，参考该方案的实现，可以非常方便地集成到自己的项目中。

对于 x-cube-ai 所生成的算法代码，一种高效的方式是，是在 PC 上使用 C 语言，读取所有数据，进行全部验证。

在MCU中加入NPU单元是落实这一趋势的芯片技术路线之一，STM32N6便是MCU+NPU架构的开山之作，它拥有MPU级的AI性能，同时具备MCU级的功耗和成本。这一独特的价值定位，让边缘AI部署更轻松。