第2章 嵌入式系统基础回顾：MCU与MPU的区别、常见嵌入式架构、RTOS与裸机开发的选择
各位同学，咱们今天聊点实在的。做嵌入式AI融合开发，你得先搞清楚你手里的家伙事儿到底是什么。我见过太多人把MCU当MPU用，结果跑不动模型；也有人拿MPU当MCU用，功耗和成本都炸了。嗯，咱们先把这些基础概念捋清楚。
2.1 MCU与MPU：到底差在哪？
说白了，MCU（微控制器）和MPU（微处理器）的区别，就像自行车和汽车的区别。都能跑，但设计思路完全不同。
| 对比维度 | MCU（微控制器） | MPU（微处理器） |
|---|---|---|
| 核心架构 | CPU + RAM + Flash 集成在单芯片 | 仅CPU核心，外设需外挂 |
| 典型代表 | STM32（Cortex-M）、ESP32 | 树莓派（Cortex-A）、i.MX |
| 运行频率 | 几十MHz ~ 几百MHz | 几百MHz ~ 几GHz |
| 内存大小 | 几KB ~ 几MB | 几百MB ~ 几GB |
| 功耗 | 毫瓦级，可电池供电 | 瓦级，通常需要散热 |
| 实时性 | 硬实时，中断响应快 | 软实时，依赖操作系统调度 |
| AI部署难度 | 需量化、剪枝，跑轻量模型 | 可跑完整模型，甚至训练 |
核心判断标准：如果你需要跑一个超过1MB的AI模型，别犹豫，上MPU。如果模型在几百KB以内，MCU完全够用，而且成本低、功耗低。
我在项目中遇到过一件事：有个客户非要在STM32F4上跑一个MobileNet，模型量化到8bit后还有2.3MB。结果Flash只有1MB，根本塞不下。最后只能换芯片，白白浪费了两周时间。所以，选型前先算好账。
2.2 常见嵌入式架构：ARM Cortex-M/A 与 RISC-V
现在嵌入式世界基本是ARM的天下，但RISC-V正在崛起。咱们一个一个说。
2.2.1 ARM Cortex-M 系列
这是MCU的主力军。从M0到M7，性能跨度很大。
- Cortex-M0/M0+：超低功耗，适合传感器节点、简单控制。跑不了AI，但可以做数据采集。
- Cortex-M3/M4：带DSP指令，可以做简单的信号处理。我早期用M4做过一个语音关键词识别，效果还行。
- Cortex-M7：性能天花板，带双精度浮点。可以跑一些轻量级CNN模型，比如TinyML。
2.2.2 ARM Cortex-A 系列
这是MPU的主力军。跑Linux的，性能强，功耗高。
- Cortex-A7/A53：低功耗应用处理器，树莓派、全志芯片常用。
- Cortex-A72/A76：高性能，可以跑完整的深度学习框架，比如TensorFlow、PyTorch。
我的个人习惯：做AI边缘计算，如果预算允许，我优先选Cortex-A系列。因为生态成熟，库多，踩坑少。但如果是量产产品，成本敏感，我会考虑RISC-V。
2.2.3 RISC-V 架构
开源、灵活、免费。这是它的三大优势。但生态还在建设中。
- 优点：没有授权费，可以自定义指令集，适合特定场景优化。
- 缺点：工具链不成熟，第三方库少，遇到问题只能自己啃。
我曾经试过在RISC-V上移植一个TinyML模型，结果发现没有现成的CMSIS-NN库，只能手写汇编优化。嗯，那段时间挺痛苦的。但如果你有团队有精力，RISC-V的潜力很大。
2.3 RTOS与裸机开发：怎么选？
这个问题我经常被问到。你想想看，如果你的程序就一个while循环，点个灯、读个传感器，裸机完全够用。但一旦涉及到多任务、定时器、通信协议栈，裸机就会让你痛不欲生。
2.3.1 裸机开发
- 优点：代码简单、无调度开销、资源占用极低。
- 缺点：所有逻辑自己写轮询，任务多了容易乱。
- 适用场景：单任务、简单控制、超低功耗设备。
避坑指南：我曾经在一个项目中用裸机做数据采集+蓝牙传输，结果蓝牙协议栈的轮询把主循环卡死了，数据采集丢包严重。后来换成FreeRTOS，用两个任务分开处理，问题迎刃而解。
2.3.2 RTOS（实时操作系统）
- 优点：任务调度、信号量、消息队列、定时器，开发效率高。
- 缺点：有调度开销（通常几微秒到几十微秒），占用RAM/Flash。
- 适用场景：多任务、有通信需求、需要实时响应的系统。
常见的RTOS有：FreeRTOS（最流行）、RT-Thread（国产，中文文档好）、Zephyr（支持AI扩展）。我个人习惯用FreeRTOS，因为生态好，遇到问题网上随便一搜就有答案。
2.3.3 结合AI场景的选择建议
| AI应用场景 | 推荐方案 | 理由 |
|---|---|---|
| 传感器数据采集 + 简单推理 | 裸机 + 定时器中断 | 资源紧张，裸机更高效 |
| 语音唤醒 + 网络通信 | RTOS（FreeRTOS） | 多任务管理方便 |
| 摄像头图像识别 | RTOS 或 Linux | 数据量大，需要复杂调度 |
| 边缘服务器推理 | Linux + 多线程 | MPU平台，RTOS不够用 |
我的建议：如果你刚开始做嵌入式AI，先从RTOS入手。因为裸机开发虽然简单，但后期扩展性差。RTOS的学习曲线并不陡，花一周时间就能上手。而且，很多AI推理框架（比如TensorFlow Lite Micro）都支持RTOS，省心不少。
好了，这一章的内容就到这里。记住一句话：选型决定成败。MCU还是MPU，ARM还是RISC-V，裸机还是RTOS，没有绝对的好坏，只有合不合适。下一章咱们开始真正动手，搭建开发环境。