1. 课程导论：AIoT时代背景、STM32在边缘推理中的定位、课程目标与学习路径
1.1 我们为什么需要边缘推理？
先聊聊AIoT这个热词。说白了，就是把AI塞进物联网设备里。
过去我们怎么做？传感器采集数据，上传云端，云端推理，再返回结果。听起来很完美，对吧？但我在实际项目中踩过坑——网络延迟、带宽成本、数据隐私，这三个问题能把人逼疯。
举个例子。我曾经给一家工厂做设备预测性维护。振动传感器每秒采集8000个点，全部上传云端。结果呢？一个月流量费比设备本身还贵。而且网络偶尔断连，推理结果就卡住了。生产线可等不起。
所以行业开始转向边缘推理——在数据产生的地方就地处理。STM32这类MCU就成了香饽饽。
核心观点： 边缘推理不是替代云端，而是把实时性要求高、数据量大的任务下沉到终端。云端做全局训练和复杂模型，边缘做轻量推理和快速响应。
1.2 STM32在边缘推理中的定位
你可能会问：STM32性能够吗？
嗯，这个问题我当年也纠结过。STM32F4系列主频才168MHz，RAM几百KB，跟PC比简直是玩具。但你要换个角度看——不是所有推理都需要GPU。
传感器数据推理有几个特点：
- 输入维度低：加速度计3轴、麦克风1路、温度1个值，跟图像比小太多了
- 模型可以很小：几KB到几十KB的模型就能干活
- 实时性要求高：毫秒级响应，云端来回根本做不到
STM32的优势恰恰在这里：
| 特性 | STM32优势 | 我的实战体会 |
|---|---|---|
| 功耗 | uA级待机，mA级运行 | 电池供电设备能跑半年以上 |
| 实时性 | 中断响应ns级，裸机或RTOS | 传感器采样+推理<5ms搞定 |
| 生态 | STM32CubeMX、X-CUBE-AI、NanoEdge AI | 模型部署工具链成熟，不用从零造轮子 |
| 成本 | 几元到几十元人民币 | 批量生产时成本优势碾压树莓派 |
| 可靠性 | 工业级温度范围，抗干扰 | 工厂环境、户外设备都能稳定运行 |
我的建议： 别一上来就想跑ResNet。STM32最适合的是轻量时序模型（1D-CNN、LSTM、TinyML）和传统机器学习（决策树、SVM、KNN）。这些模型在STM32上跑得飞起。
1.3 课程目标：你能学到什么？
这门课不是讲理论，是讲怎么落地。我把自己在项目中踩过的坑、总结的方法论，全部拆开揉碎了给你看。
具体来说，学完这门课你能做到：
- 采集传感器数据：加速度计、麦克风、温湿度、气压等常见传感器，搞定时序数据预处理
- 训练轻量模型：用Python训练适合MCU的模型，量化压缩到KB级别
- 部署到STM32：用X-CUBE-AI或TFLite Micro把模型跑在STM32上
- 优化推理性能：内存管理、算子优化、功耗调优，让推理又快又省
- 实战项目：从零完成一个完整的边缘推理系统
注意： 这门课需要你有一些STM32基础（GPIO、定时器、中断、ADC），以及Python基础。如果你完全零基础，建议先补一下STM32入门知识。
1.4 学习路径：30章怎么安排？
我把课程分成5个阶段，每个阶段解决一个核心问题。
先看整体结构：
每个阶段的具体内容：
| 阶段 | 章节 | 核心内容 | 产出物 |
|---|---|---|---|
| 基础入门 | 1-5 | AIoT概念、STM32环境搭建、传感器选型与驱动、数据采集基础 | 能跑通的传感器数据采集工程 |
| 数据处理 | 6-10 | 时序数据清洗、滑动窗口、特征提取、数据标注、数据集构建 | 标准化的训练数据集 |
| 模型训练 | 11-17 | 轻量模型设计（1D-CNN/LSTM）、量化感知训练、剪枝、蒸馏 | 量化后的TFLite/ONNX模型 |
| 部署优化 | 18-24 | X-CUBE-AI部署、TFLite Micro移植、内存优化、功耗调优 | 在STM32上跑通的推理程序 |
| 综合实战 | 25-30 | 3个完整项目：异常检测、语音识别、预测性维护 | 可演示的完整系统 |
学习建议： 我建议你准备一块STM32开发板（推荐NUCLEO-F446RE或NUCLEO-L476RG），再加几个常用传感器模块（MPU6050、MAX9814、BME280）。硬件投入不超过200元，但动手实践的效果比只看视频强10倍。
1.5 这门课适合谁？
说实话，这门课不适合所有人。我列个清单，你自己对照：
- 适合： 嵌入式工程师想转AI方向、AI工程师想落地到硬件、学生做毕业设计或竞赛、创业者做AIoT产品原型
- 不适合： 完全零编程基础、只想听理论不想动手、希望用STM32跑大模型（比如YOLO）
如果你属于适合的那一类，那这门课就是为你准备的。30章走完，你就能独立完成一个从传感器到推理结果的完整系统。
一句话总结： 边缘推理不是未来，是现在。STM32就是那个让AI落地的「最后一公里」。这门课帮你把这公里走通。