📚 课程目录第1章课程导论与开发环境搭建

1. 课程导论与开发环境搭建

各位同学好，我是你们这门课的主讲。在嵌入式领域摸爬滚打了十几年，从最早的8051到现在的Cortex-M7，我见过太多工程师在边缘AI这个方向上「想干却不知从何下手」。今天咱们就把这第一块砖砌好。

边缘AI，说白了就是把人工智能算法从云端搬到设备本地。你想想看，一个摄像头如果每帧画面都要上传到服务器去识别，延迟、带宽、隐私全是问题。而STM32H743这种芯片，完全可以在本地跑轻量级神经网络——这就是我们要干的事。

核心认知：边缘AI不是要把云端的大模型硬塞进MCU，而是让算法适配硬件的边界。我见过太多人一上来就想跑ResNet-50，结果发现Flash和RAM根本装不下。选对模型、做对优化，才是实战的关键。

先聊聊边缘AI到底是什么。我个人的理解很简单：在数据产生的地方做推理。STM32H743这颗芯片，主频480MHz、2MB Flash、1MB RAM，还带双精度FPU和DSP指令集——这些资源足够跑一些轻量级的CNN模型了。

STM32的AI生态，我把它分成三层：

我在项目中遇到过一个问题：同样的模型，在PC上推理只要5ms，移植到STM32上却要200ms。后来发现是量化没做好，模型权重还是float32的。嗯，这里要注意——STM32的AI优化，核心就是量化与算子优化。

我的建议：刚开始接触STM32AI的同学，别急着调模型。先把CubeMX的AI配置流程跑通，用官方提供的示例模型（比如手势识别、人检测）验证整个链路。我当年就是太心急，结果卡在模型转换这一步整整两天。

咱们课程用的板子是NUCLEO-H743ZI2。为什么选它？说白了，这是ST官方性价比最高的AI评估板之一。

这块板子我用了快三年。说实话，刚开始用H7系列时，我被它的时钟树绕晕过——480MHz怎么配出来的？PLL的N、M、R参数怎么算？后来发现，直接用CubeMX的时钟配置工具，选好外部晶振频率，它会自动帮你算好。别自己手算，容易出错。

避坑指南：我曾经在项目里直接用了HAL库的默认时钟配置，结果外设跑飞了。后来才发现，H7系列的AXI SRAM和TCM区域需要单独配置时钟使能。拿到板子第一步，先确认所有SRAM区域的时钟都打开了。

环境搭建这块，我按步骤来，你跟着做就行。

去ST官网下载最新版。我建议装6.10以上版本，对AI支持更好。安装时注意选上「STM32CubeMX AI Pack」，这个包包含了模型转换工具。

咱们用STM32CubeIDE，它集成了CubeMX和编译器，省去来回切换的麻烦。安装时记得勾选「STM32H7系列支持包」。

打开CubeMX，新建一个NUCLEO-H743ZI2的工程。配置一个GPIO输出，生成代码，编译下载——看到板子上的LED闪烁，环境就算搭好了。

// 验证代码片段：让LD1（绿色LED）闪烁
HAL_GPIO_TogglePin(LD1_GPIO_Port, LD1_Pin);
HAL_Delay(500);

小技巧：我第一次用CubeMX生成代码时，发现生成的main函数里全是HAL_Init()和SystemClock_Config()。别删它们！H7的时钟配置很复杂，手动改容易出问题。我习惯在生成的代码基础上加自己的逻辑，而不是从头写。

下面这张图，是我自己总结的本章知识结构。你看一遍，心里就有谱了。

这张图把本章内容串起来了。你看，边缘AI概念是「为什么做」，STM32AI生态是「用什么做」，硬件平台是「在哪做」。三者缺一不可。

环境搭好后，我建议你按这个清单检查一遍：

常见问题：我遇到过不少同学说CubeMX生成代码后，IDE编译报错「找不到头文件」。原因通常是工程路径里有中文或空格。养成好习惯——所有工程路径用英文，不要带空格。