STM32与ESP32如何选择:一张选型决策树搞定物联网芯片选型(附工程实测与避坑指南)

选型错误与代码缺陷的成本结构完全不同:代码缺陷通常可以在下一次迭代修复,而 MCU 选型错误往往意味着重新布板、重新走认证、重写驱动层,甚至错过整个出货窗口。更麻烦的是,它在立项阶段看起来总是“差不多都行”——两颗芯片都能点灯、都能跑 FreeRTOS、都能连云平台。等到电机抖动、电池虚标、总线超时暴露出来时,代价已经远超当初省下的几块钱芯片差价。

本文不打算再给一张星级雷达图。它提供一套可直接套用的选型决策树,并用三组公开报道的工程反例解释“规则为什么会失效”:中断响应差一个数量级、电池电量计量误差差七倍、CAN 总线延迟踩坑。最后落到生态、BOM 与双芯片架构的取舍上。

先交代数据口径:本文引用的实测数值(中断延迟、电量误差、CAN 延迟需求、芯片价格等)均来自公开的第三方技术博客与开源仓库,属于二手转述数据,并非本文作者团队自行复测结果 [1][5][8]。这些数值在原文中普遍缺少样本量、温度范围、测试条件等细节,因此本文在每处引用的同时给出可复现的测试方法与口径要求,便于读者自行验证。凡涉及具体型号规格的争议点(如“ESP32-S31”型号、PWM 位宽、ADC 采样率),文中明确标注为“待核实”,不做断言。


一、先定约束:选型不是比参数,是比约束

“STM32 和 ESP32 哪个好”这个问题没有答案,因为它缺少约束条件。就像问“卡车和轿车哪个好”——取决于你要拉货还是载人 [7]。真正的选型工作,第一步不是查 datasheet,而是把需求翻译成不可妥协的硬约束。

1.1 五个约束维度

约束维度立项时要问的问题何时成为一票否决项
通信制式需要 Wi-Fi、BLE、LoRa、NB-IoT 还是有线?是否多协议共存?需求为蜂窝/LoRa 而芯片本体无蜂窝能力,需外挂模组
实时性与定时精度中断响应、PWM 分辨率、控制环周期的上限是多少?最坏情况还是平均值?硬实时指标写进了规格书或功能安全要求
功耗与供电形态电池容量、目标待机时长、平均电流预算?平均电流超出电池容量换算值,结构上做不到
边缘 AI 算力与内存模型规模、推理时延、是否需要摄像头/音频输入?模型放不进 Flash/RAM,或推理时延超标
成本与量产可得性目标 BOM、批量、供货周期、是否要求多货源?单价超预算,或关键料交期不可控

1.2 两条硬边界:实时性与功耗

这五个维度里,有两类指标是软件弥补不了的。

第一类是实时性。中断延迟取决于中断控制器结构、Flash/Cache 行为、无线协议栈是否常驻、RTOS 的临界区设计,写得再好的业务代码也改变不了这些底层事实。第二类是功耗。休眠电流、唤醒能量、无线发射占空比由硬件与射频设计决定,软件只能在硬件给出的曲线上做优化。

相比之下,生态成熟度、上手速度、资料丰富度属于可以用人力弥补的软约束:团队不熟就多花两周,资料少就自己啃 TRM。它们影响工期和成本,但通常不构成结构上的不可能。这就是为什么本文的决策树优先看实时性与功耗,而把生态放到后面单独讨论。


二、决策树:从需求走到型号

2.1 总图

是

否

是, 且电池供电

否

是

是

否

否

是, 轻量模型

是, 重量级模型

否

是

否

需求输入

是否硬实时
高精度 PWM / 电机 / 伺服?

优先 STM32
定时器 + 确定性中断模型

是否有蜂窝 / LoRa
等非 Wi-Fi 无线需求?

STM32 + NB-IoT 模组
或 STM32WL

主要无线是否 Wi-Fi / BLE?

平均电流预算是否极紧?

低功耗 STM32 系列
+ 独立无线模组, 或 ESP32 深睡方案需实测

优先 ESP32 系列
射频集成, 免外挂模组

是否边缘 AI 推理?

ESP32-S3

STM32N6

是否极限预算?

ESP32-C3

回到约束表逐项评分

这张决策树来自公开项目经验的归纳 [3],它的价值不在于“权威”,而在于给出一个可以被挑战的起点。下面逐条展开每条分支的成立前提与例外。

2.2 五条分支逐一展开

分支一:需要 Wi-Fi / BLE → 优先 ESP32 系列

这条分支的核心不是“ESP32 性能强”,而是系统成本结构。ESP32 在 SiP 封装内集成射频匹配电路,外围电路简洁,且带 GPIO-Matrix 允许外设信号在引脚间互换,对 PCB 布局友好 [8]。对智能插座这类空间和成本都敏感的产品,直接用 ESP32 系列做通信,可以省掉外挂无线模组及其匹配电路、天线馈线和额外的认证工作 [4]。

成立前提:没有硬实时指标,没有严苛到必须用专用低功耗架构的平均电流预算。一旦这两条里有一条成立,就转入分支三或双芯片方案。

分支二:高精度 PWM / 电机 / 伺服 → 优先 STM32

电机控制的本质是确定性:控制环周期、PWM 边沿时刻、采样时刻三者必须严格同步,任何抖动都会直接变成转矩纹波或电流环噪声。STM32 长期在工业与汽车电子领域积累,定时器资源丰富,工具链和例程积累也更深 [1][2]。

这里要提醒一处常见误导:公开资料中“STM32H7 PWM 分辨率 32 位”的说法 [1] 需要谨慎看待。STM32 的通用定时器计数器多为 16 位,部分型号提供 32 位计数器;而 H7 的高分辨率定时器(HRTIM)是另一套独立机制,能做到更细的边沿分辨率。具体位宽必须对照目标型号的参考手册核实,不能按“STM32 = 32 位 PWM”概括。

分支三:低功耗 + 蜂窝 → STM32 + NB-IoT 模组

关键点在于:ESP32 本体没有蜂窝基带。要做 NB-IoT,同样必须外挂模组,实际等于双芯片方案,此时 ESP32 相对 STM32 的“无线集成”优势完全消失。于是比较就回到低功耗与生态:STM32L4/U5/WL 等系列在低功耗指标上更有针对性,ST 也提供配套的低功耗分析工具链(具体工具名称需按 ST 官方文档核实)[5]。

需要注意的现实风险:NB-IoT 的长期可用性取决于运营商网络规划与模组供货。BC35-G、BC66 这类模组的频段支持与网络存续状态,立项时应向模组厂商书面确认,而不是假设“蜂窝网络永远在”。2026 年立项的项目尤其要评估退网风险。

分支四:边缘 AI 推理 → ESP32-S3 或 STM32N6

公开资料将 2026 年边缘 AI 的两条主线概括为:ESP32-S3 走轻量路线,配合 TensorFlow Lite Micro、esp-dl 工具链做 8 位量化部署 [6];STM32N6 集成神经网络处理单元,面向更重的推理负载 [3][14]。

选型时真正要比的不是“有没有 NPU”,而是你的模型能不能放进去、推理一次要多久、整机功耗是否可接受。建议在立项阶段就用真实模型跑一次量化后的 benchmark,而不是看 TOPS 数字。STM32N6 的官方加速单元名称与算力数字请以 ST 官方资料为准,本文不引用未经核实的数值。

分支五:极限预算 → ESP32-C3

ESP32-C3 被公开资料描述为“约 10 元搞定”的入门级选择 [3],其代价是单核、资源与算力的取舍。对温湿度监测、空气质量监测这类室内传感项目,它通常是默认选项 [3]。但若同时需要摄像头、多路音频或大量外设,就需要回到约束表重新评估。

2.3 什么时候打破决策树

决策树只对单一主导约束有效。以下情况请直接进入双芯片讨论(第八节):

  1. 硬实时与无线连接同时是硬约束;
  2. 无线协议栈的抖动不得影响控制环;
  3. 需要安全隔离:无线侧要开放 OTA、可被攻击,控制侧要求确定性;
  4. 电池寿命与实时性都写进了规格书的硬指标;
  5. 多种无线制式共存(例如 BLE 配网 + Wi-Fi 上传 + 私有 2.4G 遥控)。

三、反例一:中断响应差一个数量级

公开资料给出的对比是:中断响应 STM32H7 为 0.5–1μs,ESP32-S3 为 5–20μs;STM32F103 为 1–3μs [1]。这个差距比两者的主频差异大得多,是 ESP32 在实时场景“翻车”的第一根因。

必须说明的是:这组数字来自单一来源的二手转述,原文未披露测试条件、样本量、是否开启 Wi-Fi 协议栈、ISR 是否放入 IRAM、运行在哪个 CPU 核等关键信息[1]。因此它应当被理解为“量级参考”,而非可直接写进规格书的保证值。下面给出可复现的测量方法。

3.1 测试口径与复现方法

测量定义:从触发信号边沿到 ISR 内第一条有效的调试输出置位之间的时间,用示波器双通道测量,取大量样本的分布(直方图),而不是单点值。

STM32 侧骨架(以 EXTI 为例,寄存器写法影响结果,须注明用 HAL/LL/寄存器哪一层):

/* STM32:触发引脚 EXTI 上升沿 → ISR 内翻转调试引脚 */
void HAL_GPIO_EXTI_Callback(uint16_t GPIO_Pin)
{
    if (GPIO_Pin == TRIG_Pin) {
        DEBUG_GPIO_Port->BSRR = DEBUG_Pin;   /* 终点:寄存器写入生效 */
    }
}

/* 说明:
 * 1. 若使用 HAL 回调,会包含 HAL 的分发开销;LL/直接寄存器写法会更快。
 * 2. 若系统跑 RTOS,须记录是否关闭了会屏蔽中断的临界区。
 * 3. 测量应在目标优化等级(-O2 等)与目标主频下进行。
 */

ESP32 侧骨架(ESP-IDF,API 名与参数需按所用 IDF 版本核对):

#include "driver/gpio.h"

#define TRIG_GPIO   GPIO_NUM_4
#define DEBUG_GPIO  GPIO_NUM_5

static void IRAM_ATTR trig_isr(void *arg)
{
    gpio_set_level(DEBUG_GPIO, 1);   /* 终点:GPIO 置位 */
}

void app_main(void)
{
    gpio_config_t in_cfg = {
        .pin_bit_mask = 1ULL << TRIG_GPIO,
        .mode = GPIO_MODE_INPUT,
        .intr_type = GPIO_INTR_POSEDGE,
    };
    gpio_config_t out_cfg = {
        .pin_bit_mask = 1ULL << DEBUG_GPIO,
        .mode = GPIO_MODE_OUTPUT,
    };
    gpio_config(&in_cfg);
    gpio_config(&out_cfg);

    gpio_install_isr_service(ESP_INTR_FLAG_IRAM | ESP_INTR_FLAG_LEVEL3);
    gpio_isr_handler_add(TRIG_GPIO, trig_isr, NULL);
}

/* 必须同时记录的测试条件:
 * - Wi-Fi/BLE 是否开启、协议栈是否在跑;
 * - ISR 绑定到 PRO_CPU 还是 APP_CPU(是否做核绑定);
 * - ISR 是否 IRAM_ATTR(否则可能触发 cache miss);
 * - 是否启用 FreeRTOS、tick 频率、是否有高优先级任务抢占。
 */

3.2 根因:不是主频的问题

ESP32-S3 与 STM32 的主频在同一量级,延迟却差一个数量级,说明差距来自架构与软件栈:

  • 无线协议栈常驻:Wi-Fi/BLE 栈运行时会占用 CPU 时间片并使用临界区,中断响应最坏情况被显著拉长;
  • 双核与调度:中断落在哪个核、该核当时在做什么,决定了延迟分布的尾部;
  • Flash/Cache 行为:ISR 代码若不在 IRAM 中,遇到 cache miss 会引入不可预测的延迟;
  • RTOS 抽象:FreeRTOS 提供的是调度能力,不等于实时保证;它的临界区实现会影响中断延迟下限。

这里要澄清一个常见误区:用了 FreeRTOS 不等于系统是实时的。RTOS 的价值是任务管理与优先级调度,实时性最终由硬件中断模型、内存访问确定性与关键代码的临界区设计共同决定。

3.3 结论与逃生通道

结论:凡是写进规格书的硬实时指标,优先选 STM32 一类具有确定性中断模型的 MCU。

若项目必须用 ESP32 且存在关键时序窗口,可用的缓解手段包括:在关键窗口关闭无线发射、将 ISR 绑定到固定核、ISR 代码放入 IRAM、用硬件定时器 + DMA 替代软件定时、把实时环移到外部器件。但这些都是缓解,不是保证。真正需要保证时,回到双芯片方案。


四、反例二:电池电量计量误差差七倍

公开资料描述的一个 NB-IoT 水表项目中:STM32L4 + BC35-G 模组,采用专用电量计芯片 MAX17055,通过 I²C 读取剩余容量,实测月度误差约 ±1.2%;ESP32-S2 + BC66 模组,依赖 ADC 测量 VBAT 换算电量,月度误差达 ±8.7% [5]。

这是本文最需要纠偏的一节。这个案例不能得出“STM32 电量精度比 ESP32 高七倍”的结论。真正的差异来自是否使用了专用电量计芯片:STM32 只用 ADC 测 VBAT,同样会翻车。原文中“esp_rtc_get_time_us() 结合 ADC 测 VBAT”的表述在逻辑上也不成立——RTC 时间与电量估算没有直接因果关系,更可能是电量估算算法中用到了时间累计项的误写。本文对该细节不予采信,只采信“ADC 直测电压估算电量误差显著大于专用电量计”这一结构结论。

同样要说明:±1.2% / ±8.7% 这组数据同样来自单一二手来源,测试周期、温度范围、样本量、校准方法均未披露 [5]。

4.1 两种方案的硬件差异

对比项MCU + MAX17055MCU + 分压电阻 + ADC
测量原理库仑计 + 电压模型,含温度补偿电压查表/模型推算
误差主因采样电阻精度、校准、老化ADC 参考源温漂、分压电阻精度、负载曲线非线性
温度影响芯片内置补偿需自行建模,否则随温度漂移
BOM 增量+1 颗电量计 + 采样电阻几乎为零
典型适用需要月度级 SoC 精度的资产/计量产品对电量精度不敏感的消费类设备

软件能补多少?ADC 多点采样、温度校正、查表法、卡尔曼滤波可以压低误差,但它们无法凭空补回被电阻温漂和负载曲线抹掉的信息。软件补偿的上限,取决于硬件采集到的信息量。

4.2 决策含义:给决策树加一个隐藏节点

如果产品规格要求电量显示精度在 ±2% 以内,必须外挂专用电量计。此时 MCU 主控的选择退居次要,选型重点转向功耗、接口与成本,而不是“哪家 ADC 更准”。

ADC 采集与温度补偿的骨架示意(系数必须自行标定):

/* 多点采样 + 温度补偿骨架:系数需在温箱中标定,不可照抄 */
float vbat_estimate(void)
{
    uint32_t acc = 0;
    for (int i = 0; i < 16; i++) {
        acc += adc_read_raw(VBAT_CH);
    }
    float raw = acc / 16.0f;

    float t = onchip_temp_read();                 /* 片内温度或外部 NTC */
    float corrected = raw + g_gain * (t - g_t_ref) + g_offset;

    return corrected * VREF_ACTUAL / ADC_FULLSCALE * DIVIDER_RATIO;
}

五、反例三:CAN 总线延迟踩坑

公开资料描述的案例:客户要求电梯门控系统的 CAN 总线响应延迟不超过 50μs,但选型阶段坚持使用 ESP32 [5]。由于该来源未给出完整的测试过程与最终数据,本节以典型踩坑模式推演的方式复盘,不声称是原始实录。

5.1 延迟由哪几段构成

一次“收到帧 → 回帧上线”的完整链路包括:

  1. 收发器物理延迟(CAN 收发器传播延迟,通常为百纳秒到微秒级);
  2. CAN 控制器完成整帧接收并触发中断;
  3. 中断响应延迟(正是第三节讨论的问题);
  4. RTOS 任务调度延迟(若 ISR 只投递消息、由任务处理);
  5. 应用处理时间(业务逻辑、状态机);
  6. 回帧写入发送邮箱并上线。

**50μs 的预算如果包含第 5 段,几乎必然要求整条链路都在中断上下文或极高优先级任务中完成。**而 ESP32 的中断响应本身在公开数据中就可能达到 5–20μs [1],叠加任务调度后很容易击穿预算。

5.2 三种补救方案

**方案 A:换 STM32。**STM32 的 bxCAN/FDCAN 提供硬件邮箱、独立的发送队列与清晰的中断优先级模型,中断延迟量级更低 [1][2]。对于硬实时总线节点,这是最直接的解法。

方案 B:保留 ESP32 并优化。把收发与处理压到 ISR 或最高优先级任务、ISR 代码放入 IRAM、避开 Wi-Fi 发送窗口、单帧直接处理不投递队列。这些手段可以压低平均延迟,但最坏情况延迟仍受无线协议栈影响,很难给出硬保证。

**方案 C:双芯片。**STM32 做 CAN 实时节点,ESP32 做无线网关,通过 UART/SPI 传递已经解析好的业务帧。总线时序由 STM32 独占,无线抖动被隔离在网关侧。

ESP-IDF 的 TWAI(ESP32 的 CAN 控制器驱动)收发骨架如下,API 以所用 IDF 版本文档为准:

#include "driver/twai.h"

void can_rx_task(void *arg)
{
    twai_message_t msg;
    while (1) {
        if (twai_receive(&msg, pdMS_TO_TICKS(10)) == ESP_OK) {
            handle_frame(&msg);        /* 若有 50us 约束,此函数必须极短 */
            /* 关键时序场景:考虑直接在告警回调/ISR 路径内完成回帧 */
        }
    }
}

STM32 侧 FDCAN 中断骨架(HAL API 名以目标系列 HAL 文档为准):

void HAL_FDCAN_RxFifo0Callback(FDCAN_HandleTypeDef *hfdcan,
                               uint32_t RxFifo0ITs)
{
    FDCAN_RxHeaderTypeDef hdr;
    uint8_t data[8];
    HAL_FDCAN_GetRxMessage(hfdcan, FDCAN_RX_FIFO0, &hdr, data);
    /* 中断上下文内完成判据与回帧写入邮箱 */
    HAL_FDCAN_AddMessageToTxFifoQ(hfdcan, &tx_hdr, tx_data);
}

需要注意:“≤50μs”这个需求本身要追问清楚——是平均值还是最坏情况?是否包含应用处理?是否包含总线仲裁等待?总线负载多高?这些口径不明确,任何测试结论都没有意义。


六、开发生态对比:CubeMX/HAL vs ESP-IDF / Arduino / PlatformIO

生态是软约束,但它决定工期、招聘难度与长期维护成本。

6.1 STM32 侧

STM32 的路径是 CubeMX(图形化配置与代码生成工具,不是 SDK)+ HAL/LL 库 + STM32CubeIDE / Keil MDK / IAR。优势是配置式开发覆盖时钟树与外设初始化、文档详尽、中文资料丰富、工业与汽车领域例程积累深 [2][7]。代价是 HAL 抽象层带来一定运行开销,高性能场景常要下探到 LL 或寄存器;工具链专业但学习曲线偏陡。

调试侧以 ST-Link/SWD 为主,配合断点、外设寄存器视图与实时变量跟踪,是工业开发的主流形态 [1]。

6.2 ESP32 侧的三条路径

路径上手速度可控性量产支持适用边界
Arduino最快低,抽象深需谨慎,固件体积与可控性受限原型、验证、教学
ESP-IDF中高,官方生产级完整:Kconfig、Component Manager、OTA、安全启动、Flash 加密量产首选
PlatformIO快中高可工程化、便于 CI团队协作、跨框架统一构建

社区生态上,ESP32 在智能家居、物联网平台、Home Assistant 方向的开源项目极为丰富;STM32 在工业控制、RTOS、电机驱动方向积累更深 [7]。安全方面,ESP32 提供安全启动与 Flash 加密机制,STM32 侧有对应的信任根方案,具体产品线能力差异需按型号核对 [6]。

6.3 一个开发路径的步骤数对比

在缺乏自测工时数据的情况下,本文不编造“开发效率提升百分比”。可以客观对比的是建工程的步骤数:STM32 换型号时需重新选择启动文件、设备头文件、HAL 版本并配置时钟树,出错时常见链接报错;ESP-IDF 通过 idf.py set-target 切换芯片后由构建系统处理大部分差异。这是公开开发体验中反复提到的痛点 [11]。近年 AI 辅助编程工具也切入这一环节,用自然语言生成工程骨架,省去启动文件与时钟树配置 [10][11]——但生成结果仍需按参考手册核对时钟与外设配置,不能直接用于量产。


七、成本与 BOM:芯片单价只是冰山一角

7.1 单价对比的正确口径

公开资料中,“ST 系列 MCU 价格已经上天,ESP32 只要十多元一片”是开发者的自述 [8],“ESP32-C3 约 10 元”同样来自博客的经验值 [3]。这些价格缺少渠道、日期、封装、批量与温度等级信息,写作与立项时都必须重新取价,本文不将其作为可靠的成本依据。

正确的比价口径是:同 Flash/RAM 容量、同温度等级、同封装、同批量、同一时间段的同渠道报价。脱离这个口径的“谁更便宜”没有意义。

7.2 隐性 BOM

真正拉开差距的是隐性成本:

  • 无线外挂模组:模组本体 + 匹配电路 + 天线 + 射频净空 + PCB 层数增加;
  • 认证费用与周期:SRRC、FCC/CE 等射频认证,模组认证可继承,但整机仍需评估;
  • 天线调试:暗室调试、匹配调谐的人力与设备成本;
  • 外围器件:CAN 收发器、电量计、晶振、电源管理、ESD 保护;
  • 开发成本:两套工具链、双份固件、双 OTA、跨芯片协议维护。

智能插座这类产品中,ESP32 系列单芯片集成通信,省掉外挂模组的 BOM 与认证复杂度,是公开案例中反复出现的理由 [4]。下图给出结构化示意(不含具体金额,实际数字应按项目重新取价):

7.3 一个估算框架

如果你要自己算,可以按这个式子拆:

整机无线成本 = 主控单价 + 无线模组单价(若有) + 射频外围 + 天线与调试
             + 认证分摊(认证费用 / 预计生命周期出货量) + 额外固件人力分摊

当出货量小的时候,认证与开发人力分摊远大于芯片差价,此时“开发快、集成度高”胜出;当出货量大到几十万片,芯片单价与外围器件数量开始主导,此时要精确比价并评估多货源。


八、双芯片组合:STM32 + ESP32 何时值得

8.1 四条判据

满足以下任意两条,双芯片方案就值得认真评估;一条都不满足,就别为它付出双倍复杂度:

  1. 硬实时与无线连接同时是硬约束;
  2. 无线协议栈的抖动不得影响控制环;
  3. 需要安全/功能隔离:无线侧开放 OTA 且暴露在网络攻击面,控制侧要求确定性;
  4. 电池寿命与实时性同时写入规格书硬指标。

8.2 两种分工模式

**模式 A:STM32 主控 + ESP32 无线协处理器。**STM32 负责实时控制、计量、CAN;ESP32 负责 Wi-Fi/BLE 透传、云端接入、OTA 网关。控制环对无线栈的抖动完全免疫。

**模式 B:ESP32 主控 + STM32 实时执行器。**ESP32 负责 AI、语音、交互、联网;STM32 负责电机、舵机、传感器高速采集。这是交互类 AIoT 产品的常见形态。

8.3 代价清单

多一颗料、两套固件、两个 OTA 通道、跨芯片通信协议(帧格式、版本协商、校验、看门狗互检)、更复杂的 PCB 与更大的认证面。跨芯片协议尤其容易被低估:一旦两侧固件版本不匹配,就会出现难以复现的现场故障,因此必须设计版本握手与兼容回退。

8.4 公开案例拆解

一个桌面机器狗项目采用 STM32F103 + ESP32-S3 的双核架构:STM32F103 负责实时舵机运动控制,响应步态与动作指令;ESP32-S3 负责语音采集、联网请求与播报;另有 ESP32-CAM 负责视觉识别与追踪 [9]。该项目公开描述中强调,相比纯 STM32F103 方案,双核架构在“实时控制 + AI 交互”两类需求上分工更清晰。教育与实训场景中,F103 与 ESP32-S3 的双核开发板也被用作进阶项目的统一平台,ESP32-S3 承担语音识别、视觉识别与无线通信 [12]。

工程上还有把 STM32 用于边缘推理、ESP32 组成无线与执行网络的组合形态,例如振动预测性维护系统中,STM32 Nucleo 板运行异常检测,两颗 ESP32 负责无线通信与执行控制 [13]。这些案例说明:双芯片不是过渡方案,而是复杂 AIoT 产品的正规架构选项。


九、选型检查清单与常见误区

9.1 立项前十二问

  1. 是否存在硬实时指标?最坏情况延迟上限是多少?
  2. PWM/定时器精度要求是多少位?控制环周期多长?
  3. 电池容量与目标待机时长?平均电流预算算过吗?
  4. 需要哪些无线制式?是否多协议共存?
  5. 是否需要蜂窝?NB-IoT 网络与模组供货能否覆盖产品生命周期?
  6. 边缘 AI 模型规模多大?量化后实测过延迟与精度吗?
  7. 电量显示精度要求?是否需要专用电量计?
  8. 量产批量与目标 BOM?
  9. 认证范围(SRRC/FCC/CE/行业认证)与预算周期?
  10. OTA 与安全启动要求?攻击面如何界定?
  11. 团队熟悉哪套工具链?招聘难度如何?
  12. 供货周期与多货源策略?

9.2 五个常见误区

**只看主频。**主频相同的两颗芯片,中断延迟可以差一个数量级 [1]。

**只看芯片单价。**外挂模组、认证、天线调试、额外固件人力都要计入。

**把“自带 Wi-Fi”当零成本。**射频设计、认证、功耗预算仍然存在,Wi-Fi 发射期间的峰值电流对电池供电产品是硬约束 [4]。

**误以为用了 FreeRTOS 就有实时保证。**RTOS 提供调度,不提供确定性。

**用原型生态直接量产。**Arduino 路径适合验证,量产应切到 ESP-IDF 一类的官方生产级框架,补齐安全启动、Flash 加密与 OTA 机制 [6]。

9.3 一句话决策速查

  • 要 Wi-Fi/BLE、要快、要省 BOM → ESP32 系列;
  • 要硬实时、电机、伺服、CAN → STM32;
  • 要电池供电 + 蜂窝 → STM32 + NB-IoT 模组;
  • 要轻量边缘 AI → ESP32-S3;要重量级推理 → STM32N6;
  • 预算极限、功能简单 → ESP32-C3;
  • 硬实时与无线都是硬约束 → STM32 + ESP32 双芯片。

附录 A:三个实测的复测清单

项目仪器接线记录项
中断延迟示波器/逻辑分析仪,带宽 ≥100MHz触发信号 → MCU 输入脚;调试脚 → 示波器 CH2是否开无线、核绑定、ISR 是否 IRAM、优化等级、样本数 ≥1000
电量精度温箱、恒流负载、高精度万用表、电量记录仪电池 → MCU/电量计;负载按实际工况曲线温度范围、负载曲线、校准流程、30 天误差曲线
CAN 延迟示波器双通道 + 总线分析仪总线帧结束 → MCU GPIO 翻转 → 回帧上线总线负载率、帧 ID、任务优先级、是否含应用处理、最坏值与 P99

附录 B:待核实事实清单

  1. “ESP32-S31”型号:与乐鑫现有命名不一致,疑为笔误;Wi-Fi 6 + Bluetooth 5.4 + IEEE 802.15.4 的多协议组合更接近 ESP32-C6/H2 系列特征,需回源核实后再引用 [14]。
  2. 中断延迟数值(0.5–1μs / 5–20μs):仅有二手转述,缺测试条件,需复测 [1]。
  3. “32 位 PWM”:需按具体定时器型号与参考手册核实。
  4. ADC 采样率(2Msps / 1Msps / 3.6Msps):需对照各型号 datasheet 核实 [1]。
  5. 电量误差数据:测试周期、温度、样本量未披露;“esp_rtc_get_time_us() 结合 ADC 测 VBAT”表述逻辑不通,本文已剔除 [5]。
  6. CAN 50μs 需求口径:是否含应用处理、是否为最坏情况,原文未说明 [5]。
  7. 价格数据:渠道、日期、封装、批量未知,需重新取价 [3][8]。
  8. MAX17055 寄存器定义:写驱动前必须查 datasheet。
  9. STM32N6 NPU 官方称谓与算力:以 ST 官方资料为准。
  10. NB-IoT 模组频段与网络存续:立项时向模组厂书面确认。
  11. 工具名称:STM32 低功耗分析工具、ESP-IDF 组件管理器的具体名称按官方文档核对。
  12. 来源交叉性:本文所引资料高度集中于中文技术博客,多篇为同一作者或相近模板产出,单点数据均不宜直接作为规格依据。

参考资料

[1] ESP32 vs STM32:物联网项目芯片选型的工程决策,CSDN 博客,https://blog.csdn.net/qq_31539875/article/details/165797827

[2] 从武林盟主到江湖新秀:STM32与ESP32的生态江湖生存指南,CSDN 博客,https://blog.csdn.net/g5h6i7j/article/details/155831630

[3] ESP32与STM32物联网项目芯片选型实战指南,CSDN 博客,https://blog.csdn.net/qq_31539875/article/details/166293527

[4] 2025物联网MCU选型避坑指南:ESP32、STM32与国产芯实战解析,CSDN 博客,https://blog.csdn.net/keras9composer/article/details/155805006

[5] STM32与ESP32物联网终端选型深度对比:系统级工程权衡指南,CSDN 博客,https://blog.csdn.net/palm99/article/details/155722116

[6] STM32F103与ESP32-S3开发对比与实战指南,CSDN 博客,https://blog.csdn.net/weixin_29163857/article/details/163058980

[7] 嵌入式从零开始(第十一篇):芯片选型 —— STM32 vs ESP32,CSDN 博客,https://blog.csdn.net/2401_84894268/article/details/160021911

[8] ESP32-PicoDK,GitHub 仓库,https://github.com/xinling123/ESP32-PicoDK

[9] 硬核DIY:基于小智AI的桌面宠物机器狗——STM32+ESP32-S3联合开发实战,掘金,https://juejin.cn/post/7649737322723901449

[10] 【实战教程】用TRAE玩转STM32和ESP32开发:从AI辅助编程到双核项目实战,掘金,https://juejin.cn/post/7649738148373332009

[11] 我把 STM32/ESP32 工程搭建的时间省了大半:引力智编 IDE 进行嵌入式开发实测,掘金,https://juejin.cn/post/7662326941522346026

[12] 学STM32单片机还有用吗?从STM32/FreeRTOS,到物联网/AIoT/四足机器人,项目实战合集,掘金,https://juejin.cn/post/7675676910077575174

[13] TinyML-Predictive-Maintenance,GitHub 仓库,https://github.com/arwaz113/TinyML-Predictive-Maintenance

[14] STM32 vs ESP32物联网芯片选型:2026年工程决策指南,CSDN 博客,https://blog.csdn.net/qq_31539875/article/details/166628945

[15] ESP32 全面解析:物联网开发的革命性平台,CSDN 博客,https://blog.csdn.net/z8178919/article/details/155108783

Logo

智能硬件社区聚焦AI智能硬件技术生态,汇聚嵌入式AI、物联网硬件开发者,打造交流分享平台,同步全国赛事资讯、开展 OPC 核心人才招募,助力技术落地与开发者成长。

更多推荐