AI嵌入式编程开发平台有多种，提供了从模型训练到嵌入式设备部署的一系列工具和服务。以下是一些常见的AI嵌入式编程开发平台：

1. TensorFlow Lite:
– TensorFlow Lite是TensorFlow的嵌入式版本，专门用于在移动设备、物联网设备和边缘设备上运行轻量级的深度学习模型。

2. PyTorch Mobile:
– PyTorch Mobile是PyTorch的移动端版本，支持在移动设备上运行深度学习模型。它提供了与PyTorch框架一致的接口。

3. Edge TPU (Tensor Processing Unit):
– Google的Edge TPU是一种专门设计用于在边缘设备上进行加速的硬件。Google提供了Edge TPU Compiler用于将TensorFlow模型编译成Edge TPU可用的格式。

4. ARM NN (Arm Neural Network):
– ARM NN是Arm公司提供的用于在ARM架构设备上运行神经网络的开源软件框架。

5. NVIDIA Jetson系列:
– NVIDIA的Jetson系列是专门用于边缘计算的嵌入式平台，支持深度学习和计算机视觉任务。Jetson上可以运行TensorFlow、PyTorch等深度学习框架。

6. Coral (Google):
– Google Coral是一种AI加速器和开发平台，支持TensorFlow Lite模型。Coral设备可以用于物联网、嵌入式系统等场景。

7. OpenVINO (Open Visual Inference and Neural Network Optimization):
– Intel的OpenVINO是一个开源工具套件，用于优化和部署深度学习模型在各种Intel硬件上，包括CPU、GPU和FPGA。

8. MXNet:
– Apache MXNet是一个支持多种硬件的深度学习框架，可以在嵌入式设备上部署模型。

这些平台提供了在资源受限的嵌入式系统上运行AI模型的工具和库，以满足边缘计算需求。

选择平台时需要考虑硬件兼容性、性能需求和开发者支持等因素。