1. 为什么要在 STM32 上跑 AI？
随着技术发展，在单片机（MCU）上运行人工智能已成为可能。借助 ST 官方推出的 Nanoedge AI Studio 和 STM32Cube AI 工具链，模型部署过程变得直观高效。边缘 AI 将智能分析能力下放到设备端，降低延迟、减少对网络的依赖，并保护隐私数据。STM32 凭借低功耗、高性价比及完善的生态，是实现设备自智能的绝佳平台。
Nanoedge AI Studio 和 STM32Cube AI 提供了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，无需成为 AI 专家即可进行应用组装。
2. 初识 Nanoedge AI Studio：无代码 AI 模型生成器
对于不熟悉 TensorFlow、PyTorch 等框架的用户，Nanoedge AI Studio（简称 NES）提供了无代码 AI 模型生成的解决方案。其最大特点是几乎不需要编写 AI 算法代码，只需提供数据，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。
2.1 获取与安装
在 ST 官网搜索'Nanoedge AI Studio'获取下载页面。安装完成后，首次启动需输入许可证密钥，密钥会发送至注册邮箱。界面包含四个核心功能模块：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，异常时模式改变。目标是让 STM32 实时识别异常模式。
第一步：项目设置 点击'AD'图标新建项目。默认内存占用预估通常可用。选择 STM32 型号，NES 支持全系列，且可选择芯片系列以便后期更换具体型号。选择输入数据的'轴数'，例如三轴加速度传感器选 3。NES 支持多传感器数据融合，可加入温度、电流等数据维度，综合判断比单一阈值更智能。
第二步：采集'正常'数据 需提供足够多的电机正常运转时的数据作为模型学习基准。NES 支持两种数据导入方式：
- 导入 CSV 文件：将实验采集的数据存成 CSV 格式。需注意文件格式规范。
