1. 为什么要在 STM32 上跑 AI？
在单片机、MCU 上运行人工智能曾是难题，但随着技术发展，情况已改变。借助 ST 官方推出的 Nanoedge AI Studio 和 STM32Cube AI，可以在 STM32 上直观地部署 AI 模型。边缘 AI 将智能分析能力下放到设备端，解决延迟、网络依赖及隐私问题。例如，智能风扇传感器检测到振动异常可直接停机报警。STM32 凭借低功耗、高性价比及完善生态，是实现设备自智能的绝佳平台。Nanoedge AI Studio 和 STM32Cube AI 提供高度优化和自动化的工具链，帮助将训练好的模型'瘦身'并转换为 STM32 能高效执行的代码。
2. 初识 Nanoedge AI Studio
Nanoedge AI Studio（NES）被称为'无代码 AI 模型生成器'。用户只需提供数据，它即可自动生成轻量级、优化好的 C 语言库，直接集成到 STM32 工程中，无需编写 AI 算法代码。
2.1 获取与安装
在 ST 官网搜索'Nanoedge AI Studio'下载。首次启动需输入许可证密钥，密钥发送至注册邮箱。软件界面包含核心功能模块：异常检测（Anomaly Detection）、单分类（1-Class Classification）、多分类（n-Class Classification）和预测（Extrapolation）。设计思路为引导式、项目化，对新手友好。
2.2 核心功能实战：以异常检测为例
以工业预测性维护中的电机健康监控为例，通过三轴加速度传感器采集振动数据。正常工作时振动模式稳定，轴承磨损或叶片不平衡时模式改变。目标是让 STM32 实时识别异常模式。
第一步：项目设置（Project Settings） 点击'AD'图标新建项目。内存占用预估通常使用默认值。选择 STM32 型号，NES 支持全系列，且可选择芯片系列使生成的库通用。选择输入数据的'轴数'，对于三轴加速度传感器选择 3 个轴。NES 支持多传感器数据融合，可综合所有维度信息进行判断。
第二步：采集'正常'数据（Regular Signals） 这是模型学习的样本。NES 支持两种数据导入方式：
- 导入 CSV 文件：这是最常用的方式。把实验采集到的数据存成 CSV 格式。这里有个格式上的'坑'需
