去年做某個(gè)工業(yè)設(shè)備預(yù)測(cè)性維護(hù)項(xiàng)目時(shí)踩了不少坑，最頭疼的就是聯(lián)網(wǎng)環(huán)境不穩(wěn)定。設(shè)備部署在廠房角落，4G信號(hào)時(shí)斷時(shí)續(xù)，日志上傳到云端經(jīng)常超時(shí)。后來(lái)折騰了一套端云協(xié)同的方案——本地跑輕量小模型做實(shí)時(shí)篩查，云端大模型做深度分析，半年跑下來(lái)效果還不錯(cuò)，分享一下具體實(shí)現(xiàn)。

一、為什么不用純?cè)贫朔桨福?/p>

之前試過(guò)把STM32采集的振動(dòng)數(shù)據(jù)全部打包上傳，結(jié)果遇到兩個(gè)問(wèn)題：

每天幾十MB的數(shù)據(jù)量，4G流量費(fèi)扛不住

斷網(wǎng)時(shí)數(shù)據(jù)積壓，恢復(fù)后批量上傳延遲嚴(yán)重

后來(lái)改為本地小模型初篩 + 云端大模型復(fù)核的策略：正常數(shù)據(jù)本地處理，只有異常時(shí)刻才觸發(fā)云端調(diào)用。

二、核心代碼（已在實(shí)際項(xiàng)目驗(yàn)證）

用的是STM32F407 + ESP8266，RTOS開(kāi)了兩個(gè)任務(wù)：一個(gè)負(fù)責(zé)傳感器采集+本地推理，一個(gè)負(fù)責(zé)云端通信。下面是精簡(jiǎn)后的關(guān)鍵部分：

c

#include "stm32f4xx_hal.h"
#include "cmsis_os.h"
#include 

extern UART_HandleTypeDef huart1;  // ESP8266通信串口

// AI中臺(tái)請(qǐng)求參數(shù)（混合路由模式）
static const char* ai_payload_fmt = 
    "{"
    ""model_routing":"hybrid","
    ""query":"%s","
    ""device_id":"DEV_%06d","
    ""fallback":"rule_engine""
    "}";

// ESP8266發(fā)送命令
static void esp8266_send_cmd(const char* cmd) {
    HAL_UART_Transmit(&huart1, (uint8_t*)cmd, strlen(cmd), 200);
    HAL_UART_Transmit(&huart1, (uint8_t*)"rn", 2, 100);
    osDelay(500);
}

// 調(diào)用云端AI中臺(tái)
int ai_gateway_call(const char* alert_msg, uint32_t device_sn) {
    char payload[256];
    char post_req[512];
    
    snprintf(payload, sizeof(payload), ai_payload_fmt, alert_msg, device_sn);
    
    esp8266_send_cmd("AT+CIPSTART="TCP","api.ai-platform.com",80");
    
    snprintf(post_req, sizeof(post_req),
        "POST /v1/predict HTTP/1.1rn"
        "Host: api.ai-platform.comrn"
        "Content-Type: application/jsonrn"
        "Content-Length: %drn"
        "Connection: closernrn%s",
        strlen(payload), payload);
    
    char len_cmd[32];
    snprintf(len_cmd, sizeof(len_cmd), "AT+CIPSEND=%d", strlen(post_req));
    esp8266_send_cmd(len_cmd);
    osDelay(200);
    esp8266_send_cmd(post_req);
    
    return 0;
}

// 本地小模型推理（簡(jiǎn)化版）
static int local_inference(float* vibration_data) {
    // 實(shí)際用的是STM32 Cube.AI轉(zhuǎn)換的輕量模型
    // 這里簡(jiǎn)化為閾值判斷
    if (vibration_data[0] > 12.5f) {
        return 1;  // 異常
    }
    return 0;  // 正常
}

// 主任務(wù)
void ai_task(void const* argument) {
    float vib_buffer[128];
    uint32_t dev_sn = 0x123456;
    
    while(1) {
        read_vibration_sensors(vib_buffer, 128);
        
        if (local_inference(vib_buffer)) {
            ai_gateway_call("電機(jī)振動(dòng)異常，幅值超閾值", dev_sn);
        }
        
        osDelay(1000);
    }
}

三、實(shí)際踩過(guò)的坑

TCP連接復(fù)用：一開(kāi)始每次都重新建連，耗時(shí)將近2秒。后來(lái)改成保持長(zhǎng)連接+心跳，降到200ms以內(nèi)。

斷網(wǎng)緩存：加了Flash循環(huán)隊(duì)列，云端不可用時(shí)本地存儲(chǔ)異常日志，恢復(fù)后批量補(bǔ)傳。

JSON解析：ESP8266資源有限，沒(méi)上cJSON，直接手寫(xiě)字符串拼接（注意防止緩沖區(qū)溢出）。

四、總結(jié)建議

如果你也想在STM32上搞類似的混合AI架構(gòu)：

本地模型：用STM32 Cube.AI轉(zhuǎn)換TensorFlow Lite模型，實(shí)測(cè)F407能跑幾十KB的小網(wǎng)絡(luò)

云端對(duì)接：協(xié)議用MQTT更省流量，HTTP作為備選

降級(jí)策略：斷網(wǎng)時(shí)本地小模型至少輸出置信度，不要完全盲跑

最后問(wèn)一句：你們手頭的嵌入式項(xiàng)目開(kāi)始用AI了嗎？用的什么方案？歡迎評(píng)論區(qū)交流~

審核編輯 黃宇