嵌入式软硬件开发，面对学不完的新技术，咋办？

工程师进阶笔记

我是老温，一名热爱学习的嵌入式工程师
关注我，一起变得更加优秀！
# n- J; i7 s6 U科技发展太快，新技术层出不穷，比如：人工智能，大模型，生成式AI，看得我眼花缭乱。
作为一名资深的嵌入式牛马工程师，我总觉得需要花点时间和精力，持续关注AIoT应用技术。
为什么？因为，时代变了！
' G1 c, L- e  K# f' r- D* u1 j平时有关注芯片动态的嵌入式工程师老铁，相信都应该能观察到，很多常见的单片机厂商都开始推出带有模型推理能力的MCU。
详见以下文章：
+ c$ t# I" X4 g& l. @& X单片机的性能开始逆天开挂，集成NPU，可以进行模型推理！
. M( U, V1 s5 Y5 _+ [国外一线MCU大厂率先展开布局，这是一个非常非常明显的信号，不知道国内的MCU厂家什么时候开始布局端侧AI单片机芯片？
国内现在基本上是通过MPU芯片内自带的神经网络处理器NPU，来对模型进行推理运算，比较出名的芯片厂商，有瑞芯微和全志科技。
比如，得益于端侧AI芯片的落地应用，瑞芯微2024年的财报数据，非常亮眼！

t5zovd101zf6409598617.png

DeepSeek总结出来的数据
我曾简单地学习过，如何在瑞芯微RK3588上部署AI大模型，并且在上面流畅地运行DeepSeek-R1 1.5B大模型。（点击以下链接）
/ H1 D/ ^  y7 W1 h; u, `嵌入式AI入坑第一步，先把开发环境搭建起来！
! G% @! y: }1 _5 u6 T- W$ T嵌入式AI入坑第二步，模型转换与部署！
9 r, B% P5 D+ f) c嵌入式AI入坑第三步，在开发板上部署DeepSeek-R1大模型
% k! r7 T( F- D嵌入式AI入坑第四步，设备运行大模型后的硬件性能数据。
: u* m! ^4 B7 a0 w) H. |如果想了解更多嵌入式AIoT技术应用，推荐您关注：
( ?3 L! N/ d& L' x: Q传统的嵌入式单片机工程师，与嵌入式AIoT工程师，两种岗位角色的技术栈方向，还是有一定区别的，对比如下：

htmhkssxkfj6409598717.png

关键差异总结：
$ Y; E, A9 x9 e9 o' A
硬件升级：AIoT工程师需掌握NPU加速器和多核处理器，传统工程师专注单一MCU或SoC 。

软件扩展：AIoT技术栈涵盖从边缘AI到云端协同，传统嵌入式以本地控制为核心 。

( M( H8 v+ ]6 b+ _7 N协议复杂化：AIoT需处理异构网络（如LoRa+WiFi 6混合组网），传统场景通信协议比较单一 。
5 v  E, B3 G( F6 q5 i
开发范式转变：嵌入式AIoT更接近全栈模式，需同时理解硬件限制和云原生架构。
$ @+ K' `3 @6 C0 w) Q' s) W并不是说传统嵌入式工程师会被淘汰，但在时代的技术洪流里面，嵌入式工程师多学一点AIoT技术，无疑可以扩大自身的职场竞争优势。
技术无罪，但时代无情！
-END-
5 x% L0 x6 {) |5 M往期推荐：点击图片即可跳转阅读

zqe0s5rg4uj6409598817.jpg

明显感觉到一种趋势，嵌入式端侧AI的学习成本，在不断下降！

x43suupiknk6409598917.jpg

7 |9 O  C( l0 \" g- J$ Z& Y0 Q在内卷中突围，开始学习嵌入式 AI 和多媒体应用技术！
/ {# q+ x" ~+ J0 {& a2 v

gu3saiojt3f6409599017.jpg

+ S. C: o& p" @- X: {现在的嵌入式 ARM 芯片，性能越来越炸裂了！
我是老温，一名热爱学习的嵌入式工程师
关注我，一起变得更加优秀！