第2章 MCU硬件平台选型

第2章：MCU硬件平台选型：常见MCU对比、算力与内存要求、外设接口

好，咱们开始聊硬件选型。说实话，很多朋友一上来就问我：“老师，跑ONNX模型到底用哪款MCU最合适？”我的回答通常是——先别急着下单，咱们得把家底盘清楚。

我个人习惯把MCU选型比作“配电脑”。你想想看，你要跑个3A大作，结果配了个办公本的配置，那肯定卡成PPT。反过来，你只是写个文档，却上了个顶配工作站，那纯属浪费。ONNX推理也是这个道理。

2.1 三大主流MCU家族，我该怎么选？

目前市面上能跑轻量级ONNX模型的MCU，主要就三个流派：STM32、ESP32、以及Cortex-M系列（其实STM32也是Cortex-M内核，但这里我们按生态来分）。

我在项目中遇到过不少选型翻车的案例。有一次，团队选了某款低端Cortex-M0芯片，结果模型量化后内存还是爆了，最后只能换芯片，板子重画，工期延误了两周。嗯，从那以后，我选型时第一件事就是看内存。

2.1.1 STM32系列（意法半导体）

STM32是嵌入式界的“老大哥”。生态成熟，文档齐全，CubeMX一键生成代码，用起来很顺手。但要注意，STM32家族非常庞大，从M0到M7都有。

适合场景：工业控制、医疗设备、需要高可靠性的场景。
算力水平：F4系列（M4内核）大概在200-400 DMIPS；H7系列（M7内核）能到1000 DMIPS以上。
我的建议：如果你做的是电池供电的设备，选STM32U5系列，低功耗做得很好。如果追求极致算力，上H7。

2.1.2 ESP32系列（乐鑫）

ESP32是物联网领域的“网红”。便宜、自带Wi-Fi和蓝牙，社区资源极其丰富。说白了，如果你想快速做个原型验证，ESP32是首选。

适合场景：智能家居、IoT终端、语音唤醒、简单的图像分类。
算力水平：双核Xtensa LX6，主频240MHz，带一个FPU。算力大概在600 DMIPS左右。
避坑指南：我曾经在ESP32上跑一个2MB的模型，结果内存直接爆了。ESP32的SRAM只有520KB，大模型必须用PSRAM（外部扩展内存），但PSRAM速度慢，推理延迟会明显增加。

2.1.3 其他Cortex-M系列（NXP、GD32、瑞萨等）

除了ST和乐鑫，还有很多优秀的MCU。比如NXP的i.MX RT系列，跨界处理器，性能直逼低端ARM Cortex-A。还有国产的GD32，性价比极高。

适合场景：对成本敏感、或者需要特定外设（如CAN FD、以太网）的场景。
算力水平：M4内核普遍在300-500 DMIPS，M7内核可以到1500 DMIPS。
我的经验：如果你需要跑TinyML模型，比如TensorFlow Lite Micro，GD32F4系列是个不错的选择，价格只有STM32F4的一半，但性能差不多。

2.2 算力与内存要求——别让模型“饿死”

跑ONNX模型，说白了就是“算力换时间，内存换空间”。你算力不够，推理就慢；内存不够，模型根本加载不进去。

2.2.1 算力（DMIPS / MMAC）

算力怎么看？别只看主频。同样是200MHz，M4内核和M7内核的算力差了好几倍。关键看两个指标：DMIPS（Dhrystone百万条指令每秒）和MMAC（百万次乘累加每秒）。

内核	典型主频	DMIPS	MMAC（@200MHz）	适合模型大小
Cortex-M0+	48 MHz	~50	~20	极小型（<50KB）
Cortex-M4	200 MHz	~300	~200	小型（50-200KB）
Cortex-M7	400 MHz	~1000	~800	中型（200-500KB）
ESP32	240 MHz	~600	~400	小型（<200KB，需PSRAM）

为什么会这样？因为M7有双精度浮点单元和更大的缓存，做矩阵乘法时优势明显。我个人习惯，如果模型里卷积层多，优先选M7或带DSP指令的M4。

2.2.2 内存（SRAM / Flash）

内存是MCU推理的“硬伤”。你想想看，一个1MB的ONNX模型，量化成int8后大概250KB。但运行时，中间激活值、输入输出缓冲区、栈空间，加起来可能翻倍。

内存估算公式（我自己的经验值）：

所需SRAM ≈ 模型参数大小 × 1.5 + 输入张量大小 × 2 + 输出张量大小 × 2 + 栈空间(4KB)

举个例子：一个量化后的模型参数为200KB，输入是32×32×3（约12KB），输出是10个类别（忽略不计）。那么SRAM至少需要：200×1.5 + 12×2 + 4 = 328KB。

注意：很多MCU的SRAM只有128KB或256KB。如果你算出来需要328KB，那这块芯片就装不下。我曾经在STM32F407上踩过这个坑，模型量化后参数只有180KB，但运行时内存分配失败，最后只能把模型拆成两段，分步推理。

2.3 外设接口——模型怎么“看”和“说”

模型跑起来了，总得跟外界交互吧？外设接口决定了你的模型能接什么传感器，能输出什么控制信号。

2.3.1 必备接口

I2C / SPI：接传感器（温度、湿度、加速度计、麦克风）。我建议至少留一个SPI接口，因为很多高速传感器（如摄像头、麦克风阵列）都用SPI。
UART：调试必备。打印推理结果、日志输出，全靠它。
GPIO：控制LED、继电器、电机。模型推理出结果后，通过GPIO输出控制信号。

2.3.2 高级接口

USB：如果你需要把MCU当做一个USB设备（如USB摄像头、USB麦克风），那必须选带USB OTG的型号。STM32F4系列基本都带。
以太网：工业场景常用。模型推理结果通过MQTT或HTTP上传到服务器。
CAN / CAN FD：汽车电子、工业总线。如果你做车载诊断或工业控制，这个接口是刚需。

我的小技巧：选型时，别只看接口数量，还要看接口的DMA支持。比如SPI传输数据时，如果不用DMA，CPU会被占用，推理延迟会大幅增加。我习惯选那些每个外设都有独立DMA通道的MCU。

2.4 总结一下选型思路

嗯，说了这么多，其实选型就三步：

算模型内存：用上面的公式估算，确定SRAM下限。
定算力需求：如果推理延迟要求小于100ms，上M7或ESP32；如果允许1秒以上，M4就够了。
对外设接口：列出你需要的传感器和输出设备，对照MCU的数据手册，看接口数量是否够用。

最后，我建议你手边常备一块STM32H743和一块ESP32-S3。前者用来做高性能原型，后者用来做低成本量产验证。两块板子加起来不到200块钱，但能帮你避开90%的选型坑。

📚 课程目录