3、硬件平台选型：STM32系列选型指南、性能与功耗权衡、外设资源评估
做AI模型部署，第一步不是写代码，而是选芯片。
我见过太多项目，算法团队把模型调得精度很高，结果发现选的那颗STM32根本跑不动。或者跑起来了，功耗却超标，产品没法过认证。所以这一章，咱们把选型这件事聊透。
3.1 STM32系列选型指南
STM32家族很大，从低功耗的L0到高性能的H7，跨度非常大。但做AI部署，我们主要关注几个系列。
入门级：STM32F4系列
说实话，F4系列是很多人的入门选择。它带FPU（浮点运算单元），主频最高到180MHz。如果你部署的是轻量级模型，比如只有几千个参数的小网络，F4完全够用。
我个人习惯用STM32F407作为基准测试平台。为什么？因为它性价比高，开发板便宜，社区资源多。你想想看，踩坑的时候能搜到一堆解决方案，这多重要。
进阶选择：STM32H7系列
H7系列才是真正为AI准备的。双核架构（Cortex-M7 + Cortex-M4），主频最高480MHz。我去年做一个工业缺陷检测项目，模型大概5万个参数，用F4跑一帧要200ms，换成H7直接降到40ms。嗯，这个差距是质的飞跃。
低功耗场景：STM32L5系列
如果你做的是电池供电的设备，比如手持检测仪，那L5系列更合适。它基于Cortex-M33内核，带TrustZone安全特性。功耗控制得非常好，跑一个推理任务只需要几十毫瓦。
选型核心原则：
- 模型参数量 < 10K：F4系列足够
- 模型参数量 10K - 100K：H7系列更稳妥
- 电池供电 + 实时性要求不高：L5系列
- 需要双核并行处理：H7系列
3.2 性能与功耗权衡
做AI部署，性能和功耗永远是一对矛盾体。你想跑得快，就得把主频拉高，功耗自然就上去了。
主频与算力的关系
STM32的算力主要来自CPU和可选的硬件加速器。H7系列有DSP指令集和FPU，算力可以达到2000 DMIPS以上。但代价是什么？全速运行时功耗可能超过500mW。
我曾经在一个项目中，客户要求推理时间小于50ms，同时整机功耗不能超过300mW。我试了F4，推理时间80ms，超了。换H7，推理时间30ms，但功耗450mW，也超了。
最后怎么解决的？我用了动态调频策略。推理时把主频拉到400MHz，推理完立刻降到100MHz。这样平均功耗控制在280mW，完美达标。
我的经验：不要只看峰值功耗，要看平均功耗。很多场景下，推理是间歇性的。用STM32的PWR模块做动态电压频率调整（DVFS），可以省下30%-50%的功耗。
睡眠模式与唤醒
工业现场很多设备是「大部分时间在睡觉，偶尔醒来干活」。STM32的Stop模式和Standby模式非常实用。Stop模式下功耗可以降到几十微安，唤醒时间只要几微秒。
你想想看，一个传感器节点，每10秒采集一次数据，跑一次推理，然后继续睡。这样一颗纽扣电池能用半年以上。
| 模式 | 典型功耗 | 唤醒时间 | 适用场景 |
|---|---|---|---|
| Run (400MHz) | ~450mW | - | 推理计算 |
| Sleep | ~50mW | ~1μs | 等待中断 |
| Stop | ~50μW | ~5μs | 间歇性采集 |
| Standby | ~1μW | ~50μs | 超低功耗待机 |
3.3 外设资源评估
选芯片不能只看算力，外设资源同样关键。我见过有人选了颗算力很强的芯片，结果发现没有足够的串口接传感器，最后只能外挂扩展芯片，成本和体积都上去了。
必须关注的外设
- USART/UART：工业现场最常用的通信接口。至少需要2-3个，一个接调试，一个接传感器，一个备用。
- SPI：连接外部Flash、ADC、显示屏。如果你要存模型参数，外部Flash几乎是必须的。STM32内部Flash通常只有1-2MB，存不下大模型。
- I2C：接温湿度传感器、加速度计等。速度不快，但省引脚。
- DMA：这个容易被忽略。没有DMA，CPU会被数据搬运占满，推理性能大打折扣。我建议选至少2个DMA控制器。
- 定时器：做PWM控制、脉冲计数。工业现场经常需要精确控制电机或采集编码器信号。
避坑指南：我曾经选了一颗STM32F4，发现它只有一个硬件I2C外设。项目后期要同时接两个I2C传感器，只能软件模拟一个I2C，结果通信不稳定，排查了三天。所以选型时一定要把外设数量列清楚，别省那几块钱。
存储资源评估
AI模型部署对存储有硬性要求。模型参数、中间激活值、输入输出缓冲区，这些都要算清楚。
举个例子，一个8位量化的模型，10万个参数，大约占100KB。加上代码和中间变量，至少需要256KB的RAM。如果你用浮点模型，同样的参数量要400KB RAM。
我个人建议：RAM至少选512KB以上的型号。别问我为什么，问就是吃过亏。之前一个项目模型只占300KB，但运行时中间变量暴涨，直接溢出，最后只能重新选型，项目延期两周。
外部存储扩展
当内部Flash不够用时，可以用QSPI接口接外部Flash。STM32H7支持QSPI，可以映射到地址空间，像访问内部Flash一样访问外部存储。这样模型可以放在外部，推理时直接执行，不用搬来搬去。
// QSPI 初始化示例（HAL库）
QSPI_HandleTypeDef hqspi;
hqspi.Instance = QUADSPI;
hqspi.Init.ClockPrescaler = 2; // 分频系数
hqspi.Init.FifoThreshold = 4; // FIFO阈值
hqspi.Init.SampleShifting = QSPI_SAMPLE_SHIFTING_NONE;
hqspi.Init.FlashSize = POSITION_VAL(0x1000000) - 1; // 16MB
hqspi.Init.ChipSelectHighTime = QSPI_CS_HIGH_TIME_1_CYCLE;
hqspi.Init.ClockMode = QSPI_CLOCK_MODE_0;
HAL_QSPI_Init(&hqspi);嗯，这里要注意：外部Flash的读取速度比内部慢，如果模型需要频繁读取，可能会成为瓶颈。我一般把模型加载到内部RAM后再推理，这样速度最快。
3.4 我的选型清单
最后，分享一个我常用的选型检查清单。每次选芯片前，我都会过一遍：
- 算力够吗？ 模型推理时间是否满足实时性要求？留30%余量。
- RAM够吗？ 模型参数 + 中间变量 + 系统开销，至少留50%余量。
- Flash够吗？ 代码 + 模型参数，不够就考虑外部Flash。
- 外设够吗？ 串口、SPI、I2C、DMA、定时器，一个都不能少。
- 功耗达标吗？ 峰值功耗和平均功耗都要算，特别是电池供电场景。
- 开发工具支持吗？ STM32CubeMX、CubeIDE、X-CUBE-AI是否支持该型号？
说实话，选型这件事没有标准答案。每个项目都有自己的约束条件。但只要你把上面这些点都过一遍，大概率不会踩大坑。
下一章，咱们聊聊具体的开发环境搭建。工欲善其事，必先利其器嘛。