🚀 嵌入式工程师学AI：开篇——为什么嵌入式工程师要学AI
本文最后更新于 2026年4月3日 下午
嵌入式工程师学AI：开篇——为什么嵌入式工程师要学AI
写这篇文章的目的
我叫顾超，做了十几年嵌入式开发。2026年，我决定认真学一下 AI。
这不是一篇告诉你AI 多厉害的文章。网上这种文章已经烂大街了。我只是想真实记录自己从听说过 AI到真正把 AI 用在嵌入式开发里这个过程——踩过的坑、花过的钱、走过的弯路。
如果你也是嵌入式工程师，也在考虑要不要学 AI，这篇文章可能对你有用。
为什么嵌入式工程师要学AI？
先回答一个问题：嵌入式开发已经够累了，调试驱动、看协议栈、画 PCB、跟硬件 bug 搏斗——为什么要额外学 AI？
1. AI 正在下沉到边缘设备
2023年之前，AI 推理几乎全部跑在云端。你调用一个 API，云端 GPU 算完返回结果。这对嵌入式来说有个问题：必须联网，延迟高，数据要上云。
2024年开始，局面变了。Llama、Qwen 这些开源大模型的能力越来越强，而 llama.cpp、TensorRT Lite、MNN 这些推理框架让模型跑在嵌入式设备上变成了现实。
举个例子：ESP32 是一款只有 520KB SRAM 的芯片，之前没人想过在这种硬件上跑 AI。但现在有人用量化后的 TinyLlama 模型，在 ESP32-S3 上跑出了一个能做简单对话的助手。当然还很慢，当然很勉强——但这个方向是通的。
这意味着什么？
意味着嵌入式设备不只是传感器+执行器了，它可以有自己的大脑。智能边缘设备这个赛道，正在起来。而这个赛道最缺的人才，就是既懂嵌入式系统又懂 AI 的人。
2. AI 工具正在改变写代码的方式
这是更直接的好处。
Claude Code、OpenClaw 这些工具，不只是聊天机器人——它们能直接操作你的文件系统、运行命令、帮你写代码、帮你调 bug。
嵌入式工程师每天在做的事情：
- 翻芯片手册查寄存器配置
- 写驱动和协议栈（I2C、SPI、UART）
- 调试莫名其妙就挂了的 bug
- 写 README 和技术文档
这些事情里，有相当一部分是重复性的、有规律可循的。AI 工具可以帮你加速。
举一个具体的例子：
以前我要查 STM32F4 的 I2C 配置，要打开参考手册，2000多页，搜索寄存器定义。现在我直接问 Claude Code：帮我写一个 STM32F4 的 I2C 主发送代码，用 HAL 库，它能直接给出一个可以改改就用的框架。
不是说 AI 写的代码完全对不需要检查——嵌入式开发对正确性要求极高，AI 写的代码必须仔仔细细核对。但 AI 能让你的起点从一片空白变成有一个可以改的模板，这个效率提升是实实在在的。
3. 工资待遇在拉开差距
说这个可能有点功利，但这是现实。
现在就业市场上有两类嵌入式工程师：
A类：只会单片机、寄存器、开发板，薪资天花板明显
B类：懂嵌入式系统 + 懂 AI 部署 + 能用 AI 工具提效，薪资明显更高
不是 A 类不行，是 B 类的稀缺性更高。AI 工具会拉大这个差距——会用 AI 工具的嵌入式工程师，一个人能干以前两个人的活。
我的情况（真实交代）
- 做了十几年嵌入式，STM32、ESP32、FreeRTOS 这些都用过
- 画过原理图、调试过各种奇怪的硬件 bug
- 对 AI 的理解：基本停留在用过 ChatGPT 问几个问题的阶段
- 2026年开始认真学：主要学 Claude Code 和 OpenClaw，看本地模型部署
我的目标：
用 3-6 个月时间，把 AI 能力真正用到嵌入式开发里。不是一个虚的目标，是具体想要的：
- 用 AI 帮我写嵌入式代码
- 在开发板上跑通一个端侧 AI 模型
- 形成一套自己的 AI + 嵌入式工作流
这个系列要写什么？
我打算围绕以下几个方向持续写：
1. AI 工具使用经验
Claude Code 怎么用？OpenClaw 怎么配？哪些功能真的有用？哪些是鸡肋？我会写真实的体验，不会只写优点。
2. 端侧 AI 部署实战
在嵌入式设备上跑 AI 模型，这个是我最想突破的方向。树莓派、ESP32、甚至 STM32，这些我都想试试。跑通了记录，失败了也记录。
3. 踩坑实录
学 AI 的过程中踩过的坑：模型跑不动、工具报错、结果不对、浪费了很多时间——这些我都写出来，让后来的人别重蹈覆辙。
4. 工具推荐
哪些 AI 工具对嵌入式开发真的有帮助？哪些是收智商税？我用过的都说实话。
写给同样想学 AI 的嵌入式工程师几句话
别等。
很多人觉得自己还没准备好——要先把数学捡起来、要先把 Python 学好、要先把深度学习搞清楚。这都是借口。
现实是：AI 工具已经平民化了，不需要你会训练模型，不需要你懂梯度下降的底层数学。你只需要学会怎么用好现有的 AI 工具，就已经超过 80% 的人了。
你真正需要具备的能力是：判断 AI 输出对不对的能力。
AI 给你一段代码，你得知道这段代码对不对、有没有风险。嵌入式开发对正确性要求比普通应用开发高得多——你的判断力才是最核心的能力。而这种判断力，来自你对嵌入式系统本身的深刻理解。
所以：嵌入式开发是你的根，AI 是工具。根不能丢。
下一步我要做什么？
下一篇文章，我会详细记录我用 Claude Code 写 STM32 代码的真实体验——用了三天，发现了哪些问题，哪些地方真的提效了，哪些地方踩坑了。
敬请期待。
如果你也是嵌入式工程师，也在学 AI，欢迎关注这个系列。我们一起走这条路。