2. 开发环境搭建：STM32CubeMX安装、STM32CubeIDE配置、X-CUBE-AI扩展包安装、硬件平台准备

说实话，很多做AI部署的朋友，最后模型跑不起来，问题往往出在环境搭建这一步。不是版本对不上，就是路径带中文，再不然就是扩展包没装对。我刚开始接触STM32Cube.AI时也踩过不少坑，今天就把这套环境怎么搭、怎么配、怎么避坑，一次性说清楚。

2.1 整体环境概览

先看一张整体结构图，搞清楚我们要搭的这套环境里，每个工具扮演什么角色。

2.2 STM32CubeMX 安装

STM32CubeMX是整个工具链的起点。说白了，它就是一块画板，你在上面选芯片、配外设、设时钟，最后它帮你生成初始化代码。

2.2.1 下载与安装步骤

1. 访问官网：打开ST官网，找到STM32CubeMX下载页面。需要注册一个ST账号，免费注册就行。
2. 选择版本：下载最新稳定版。我建议不要追最新版，选上一个稳定版更靠谱。比如当前最新是6.12，那用6.11就挺好。
3. 安装过程：双击安装包，一路Next。注意安装路径不要带中文，不要有空格。我见过有人装在"C:\Program Files (x86)"下，结果后面生成代码时路径解析出错。
4. Java环境：CubeMX依赖Java运行环境。如果电脑没有JRE，安装程序会自动下载。但有时候自动下载会卡住，我建议提前装好Java 11或17。
5. 首次启动：安装完成后启动，会提示更新固件包。先跳过，后面再按需下载。

2.2.2 固件包管理

安装完CubeMX后，需要下载对应芯片系列的固件包。比如你要用STM32F7系列，就下载STM32CubeF7固件包。

芯片系列	固件包名称	典型容量	下载方式
STM32F4	STM32CubeF4	~500 MB	CubeMX内在线下载
STM32F7	STM32CubeF7	~600 MB	CubeMX内在线下载
STM32H7	STM32CubeH7	~800 MB	CubeMX内在线下载
STM32L4	STM32CubeL4	~400 MB	CubeMX内在线下载

下载固件包时，建议只下载你需要的系列，全下的话硬盘空间会吃紧。我一般只保留当前项目用的固件包，其他用的时候再下。

2.3 STM32CubeIDE 配置

STM32CubeIDE是ST官方推出的免费IDE，基于Eclipse CDT，集成了GCC编译器和OpenOCD调试器。说白了，它就是写代码、编译、下载、调试的一站式工具。

2.3.1 安装要点

• 下载地址：同样在ST官网下载，选择对应操作系统版本（Windows/Linux/macOS）。
• 安装路径：同样要求纯英文路径。我习惯装在 C:/ST/STM32CubeIDE 下。
• 工作空间：首次启动会提示选择工作空间（workspace）。建议单独建一个目录，比如 D:/STM32Workspace，不要放在C盘，避免重装系统时丢失。
• 编译器：CubeIDE自带GCC for ARM编译器，不需要额外安装。但要注意，不同版本自带的GCC版本不同，会影响编译优化选项。

2.3.2 与CubeMX的协同配置

这里有个关键点：CubeMX生成的代码怎么导入CubeIDE？有两种方式：

1. 直接生成CubeIDE工程：在CubeMX的Project Manager中，Toolchain / IDE选择"STM32CubeIDE"，生成后直接用CubeIDE打开。
2. 手动导入：如果生成的是Makefile工程，可以在CubeIDE中通过Import → Existing Projects导入。

我个人强烈推荐第一种方式，省时省力，而且工程配置自动对齐，不会出现链接脚本不对、启动文件缺失这类问题。

2.4 X-CUBE-AI 扩展包安装

X-CUBE-AI是这套工具链的灵魂。它负责把训练好的AI模型转换成能在STM32上高效运行的C代码。安装方式有两种，我分别说一下。

2.4.1 通过CubeMX安装（推荐）

1. 打开STM32CubeMX，新建或打开一个工程。
2. 在Pinout & Configuration界面，左侧Categories列表中找到"Software Packs"。
   点击"Select Components"，在弹出窗口中搜索"X-CUBE-AI"。
3. 勾选对应版本，点击"Install Now"。CubeMX会自动下载并安装。
4. 安装完成后，在Categories中会出现"X-CUBE-AI"的配置项。

2.4.2 手动安装

如果网络不好，或者需要特定版本，可以手动下载安装包。

1. 从ST官网下载X-CUBE-AI的压缩包（.pack格式）。
2. 在CubeMX中，选择 Help → Manage Embedded Software Packs。
3. 点击"From Local"，选择下载好的.pack文件，导入即可。

2.4.3 验证安装是否成功

安装完成后，在CubeMX的工程中，左侧Categories应该能看到"X-CUBE-AI"的选项。点击后，右侧会出现模型配置界面。如果能看到"Add network"按钮，说明安装成功。

// 验证X-CUBE-AI是否可用的简单方法：
// 在CubeMX中生成一个带X-CUBE-AI的工程，编译看是否报错。
// 如果编译通过，说明扩展包已正确集成。

2.5 硬件平台准备

软件环境搭好了，还得有硬件来跑。AI部署对硬件有一定要求，不是随便一块STM32都能跑。

2.5.1 推荐硬件平台

开发板型号	主控芯片	Flash/RAM	适用场景	参考价格
NUCLEO-F746ZG	STM32F746ZG	1MB / 320KB	入门级AI部署，小模型	~¥200
NUCLEO-H743ZI2	STM32H743ZI2	2MB / 1MB	中等模型，有DSP和FPU	~¥300
STM32H747I-DISCO	STM32H747XIH6	2MB / 1MB	双核，M7跑AI，M4跑控制	~¥600
B-U585I-IOT02A	STM32U585	2MB / 786KB	低功耗AI，物联网场景	~¥400

我个人建议初学者从NUCLEO-F746ZG开始。为什么？便宜、资料多、社区活跃。而且F7系列带FPU和DSP指令，跑轻量级神经网络完全够用。

2.5.2 硬件连接与验证

拿到开发板后，先做基础验证：

1. 供电：通过USB线连接电脑，板载ST-Link会亮灯。如果灯不亮，检查USB线是否支持数据传输（有些充电线不行）。
2. 驱动安装：Windows系统通常自动识别ST-Link驱动。如果识别不了，去ST官网下载"ST-Link driver"手动安装。
3. 串口通信：AI部署经常需要串口打印推理结果。用串口助手（比如Putty、MobaXterm）连接板子的虚拟串口，波特率通常设为115200。
4. 点灯测试：写一个简单的LED闪烁程序，下载到板子上。如果LED能正常闪烁，说明整个工具链和硬件都通了。

2.6 环境验证：跑一个最小AI工程

所有工具安装配置完成后，我建议跑一个最小AI工程来验证整个环境是否打通。这个工程不涉及真正的模型，只是验证X-CUBE-AI能否正常生成代码、编译、下载。

2.6.1 创建验证工程

1. 打开CubeMX，选择芯片STM32F746ZG。
2. 配置一个USART串口（用于打印信息），一个LED引脚。
3. 在Software Packs中添加X-CUBE-AI，版本选8.1.0以上。
4. 在X-CUBE-AI配置中，点击"Add network"，随便选一个内置的示例模型（比如"SineWave"）。
5. 生成代码，用CubeIDE打开工程。
6. 编译工程，下载到开发板。
7. 打开串口助手，复位开发板，应该能看到模型推理输出的正弦波数据。

// 验证工程中main函数的关键代码片段
int main(void)
{
  HAL_Init();
  SystemClock_Config();
  MX_GPIO_Init();
  MX_USART1_UART_Init();
  MX_X_CUBE_AI_Init();  // 初始化AI引擎

  while (1)
  {
    MX_X_CUBE_AI_Process();  // 执行模型推理
    HAL_Delay(100);
  }
}

嗯，到这里，整个开发环境就搭好了。从CubeMX到CubeIDE，从X-CUBE-AI到硬件板子，每一步我都把常见的坑点了出来。你跟着走一遍，应该不会出大问题。如果遇到报错，先检查版本兼容性，再检查路径是否带中文，这两点能解决80%的问题。