第一章：课程导学与开发环境搭建
1.1 AI on STM32 概述
说实话，我第一次听说要在STM32上跑AI，第一反应是「这能行吗？」。毕竟我们做嵌入式的，对MCU的资源太清楚了——几兆的Flash，几百K的RAM，跑个RTOS都精打细算，还要塞神经网络？
但后来我发现，这其实是把AI推理从云端「搬」到边缘设备上。说白了，就是让传感器数据在本地就被处理掉，不用上传到服务器。好处很明显：延迟低、功耗小、数据隐私有保障。
我做过一个项目，用STM32做电机故障预测。以前得把振动数据通过Wi-Fi传到服务器，来回一趟至少200ms。换成板载推理后，5ms就出结果了。嗯，这就是AI on STM32的魅力。
目前STM32支持的AI模型类型包括：
- 分类模型：比如图像分类、声音识别
- 回归模型：预测连续值，像温度预测
- 异常检测：设备故障预警、入侵检测
你可能会问：「那能跑多大的模型？」以NUCLEO-H743ZI2为例，它有2MB Flash和1MB RAM，跑个几十KB的轻量级CNN完全没问题。我实测过MobileNet V1量化后大概300KB，推理一次约50ms。
核心要点：AI on STM32不是把整个TensorFlow搬上去，而是把训练好的模型经过量化、优化后，用X-CUBE-AI转换成STM32能跑的C代码。
1.2 STM32CubeMX 与 X-CUBE-AI 安装
这部分我踩过不少坑，跟大家分享一下我的安装流程。
1.2.1 安装STM32CubeMX
去ST官网下载最新版，我建议用6.8.0以上版本。安装时注意：
- 路径不要有中文和空格
- Java环境要提前装好（JDK 11+）
- 安装完成后，记得更新固件包
我个人习惯把固件包放在单独的目录，方便管理。比如：D:\STM32Cube\Repository
1.2.2 安装X-CUBE-AI
X-CUBE-AI是ST官方的AI扩展包。安装方式有两种：
- 在线安装：在CubeMX的「Software Packs」里搜索X-CUBE-AI，一键安装
- 离线安装：从ST官网下载压缩包，手动解压到仓库目录
我曾经在离线安装时犯过一个低级错误——解压路径搞错了。X-CUBE-AI必须放在 Repository\STM32CubeExpansion_AI_V7.0.0 这样的格式下，否则CubeMX识别不到。
避坑指南：安装完成后，一定要在CubeMX的「Help」→「Manage embedded software packs」里确认X-CUBE-AI显示为绿色勾号。如果是红色叉号，说明没装成功。
1.2.3 验证安装
打开CubeMX，新建一个项目，选择NUCLEO-H743ZI2。在「Pinout & Configuration」页面，左侧列表应该能看到「X-CUBE-AI」选项。点进去，如果显示版本号，就说明装好了。
1.3 硬件平台介绍（NUCLEO-H743ZI2）
我们课程用的板子是NUCLEO-H743ZI2。为什么选它？
| 参数 | 数值 | 我的评价 |
|---|---|---|
| 主控芯片 | STM32H743ZIT6 | Cortex-M7，480MHz，够猛 |
| Flash | 2MB | 装模型绰绰有余 |
| SRAM | 1MB | 跑推理时做中间缓存 |
| 外设 | USB、以太网、SD卡 | 方便数据采集和调试 |
| 调试接口 | ST-LINK/V3 | 下载速度快，稳定 |
这块板子我最喜欢的是它的扩展接口——Arduino和ST morpho都有。我做过一个项目，直接插上摄像头模块和LCD屏，就搭出了一个边缘AI视觉终端。
嗯，这里要注意：H743的功耗不低，全速运行时大概200mA。如果做电池供电的项目，记得用低功耗模式。
1.4 开发流程全景图
整个AI on STM32的开发流程，我总结为5步：
- 模型训练：用Keras、PyTorch等框架训练模型
- 模型转换：用X-CUBE-AI把模型转成STM32能用的C代码
- 工程生成：CubeMX生成初始化代码，集成AI库
- 应用开发：写业务逻辑，调用AI推理接口
- 部署调试：下载到板子，用串口或调试器看结果
你想想看，这其实和传统嵌入式开发很像，只是多了一个「模型转换」的环节。我刚开始做的时候，总想着把整个模型训练流程也搬到板子上，后来发现完全没必要——训练在PC上完成，推理在MCU上跑，各司其职。
我的建议：第一次做的时候，先用ST官方提供的示例模型跑通流程。比如手势识别那个demo，从CubeMX生成到板子跑起来，半小时就能搞定。有了信心再上自己的模型。
最后说一句：开发环境搭建是这门课的基础。我见过太多人卡在安装这一步，然后放弃了整个AI on STM32的学习。其实没那么复杂，按部就班来就行。如果遇到问题，先看ST的官方文档，再不行就搜社区——我当年就是这么过来的。
下一章，我们会正式开始第一个实战项目：用X-CUBE-AI部署一个简单的分类模型。到时候我会手把手带你走完整个流程。