两周前，我发布了两篇关于“STM32部署AI相关的文章”。

为什么STM32这种MCU也要“跑AI”？怎么跑？

当AI在STM32这类单片机上跑起来，你的老经验就不值钱了！

并且发布了我的【AI+嵌入式：让单片机学会思考】课程，吸引了较多的学员的报名学习。

其中最让我兴奋或者激动的一个学员是：明天要去面试，并且正好HR已经透漏了要提问关于TensorFlow Lite相关的内容，正好我的课程中有关于这些内容的介绍。

后来，我思考了一下，这种情况应该并非偶然，随着AI向边缘端爆发，STM32这类MCU正成为智能硬件的“新战场”，而传统嵌入式工程师的技能焦虑，已成职场隐形炸弹。

一：ALL IN AI的是闹剧？

前几年，AI爆火的时候，很多公司喊出了“ALL in AI”的口号。难道这些公司是为了自己的股价暴涨，所以才宣布“ALL in AI"的口号？我感觉可能不全是。

可能也是看到了AI对各个行业的影响，不想让自己像“柯达”、“诺利亚”那样被时代淘汰。

如下面图片中展示的，美团所谓的“ALL in AI”提到了下沉市场。

二：怎么“ALL in AI”？

有些公司提到的“ALL in AI”可能是让AI发挥最大的价值，然后裁掉那些可以被AI替代的员工，实现公司利益最大化。

但是，我认为也不全是，就像阿里巴巴张勇所说的那样“所有行业都值得用大模型重新做一遍”。

上面提到的重新做一遍，除了理解为“以前公司中的工作流程，AI可以处理的就让AI来做”。

但我感觉更应该是“以前曾经开发过的产品，没有AI的尽快AI化”。比如我们曾经开发过的单片机的产品。

三：AI+嵌入式行业怎么做？

借用上面的几句话，当嵌入式行业、当嵌入式工程师遇到AI的时候，不应该是思考怎么不被AI快速淘汰。而是让自己的产品具备AI能力（大模型的推理能力）

我开发【AI+嵌入式：让单片机学会思考】这门课程的初心，除了源于多年实际项目经验的沉淀，源于我接触过太多人像让自己的产品“AI化”，更是源于我认为“将我们曾经开发过的产品，尽快AI化”是一个必然的趋势。

我的这门课程正好是：从“小白”到“AI+MCU高手”的实战路径。

《AI+嵌入式：让单片机学会思考》不止教理论，更带你亲手实现：

基础突破：STM32CubeMX环境搭建+传感器数据采集；

模型轻量化：用TensorFlow Lite Micro将预训练模型转为C代码；

实战项目：（1）在STM32N6上部署人脸识别模型；（2）振动监测：用加速度数据训练故障预测模型；（3）STM32搭载AI模型，实时识别水质异常，精准又省钱：

高级扩展：对接Deepseek API，实现自然语言控制硬件。

学员成果：有人靠课程项目通过大厂面试，有人将老旧设备改造为智能终端，薪资涨幅最高达200%。

扫码下方二维码，快速联系我，提高自己更多职场竞争力。