STM32智能小车开发：AI辅助编程的能力边界在哪？

最近刷B站的时候看到一个挺有意思的课程，清华一位硕士史松做了一套STM32智能小车的速成课，号称三小时通关，核心卖点是用AI来辅助理解每段代码。我当时就在想，AI现在写代码确实越来越强了，那嵌入式开发这块，AI到底能帮到什么程度？ 对，这个课程我也关注到了。其实它能做到三小时通关，有一个很重要的技术前提——就是现在STM32的开发生态已经很成熟了。他用的是HAL库加CubeMX这套工具链，简单说就是你可以用图形化界面去配置引脚、时钟这些东西，工具自动帮你生成初始化代码，开发者只需要在这个基础上写业务逻辑就行了。这本身就已经把门槛降了一大截，再加上AI辅助解读代码，确实能让新手快速跑通一个项目。 那这个项目本身的难度到底怎么样？我看评论区有人说小学生都能做，也有人说里面水很深。 哈哈，这个争论其实特别经典。史松自己用了一个特别好的比喻——预制菜和大厨现炒的区别。小学生做智能小车，基本就是预制菜模式，代码是现成的，下载进去车就能跑，编程用的也是Scratch那种拖积木块的方式。但你要是从零开始用HAL库写代码，那就完全是另一回事了。你得理解GPIO的工作模式、PWM信号怎么控制电机转速、定时器中断优先级怎么配……这些底层的东西，图形化编程全给你藏起来了。 嗯，就好比你用Excel拖个公式算数据，和你自己用Python写一套机器学习算法，看着都是在处理数据，但本质上差了好几个量级。 对，就是这个意思。而且评论区有个专业粉丝说得特别好，他列了好几个维度——车子停得稳不稳、走得直不直、转向角度精不精准、电机驱动保护到不到位、距离检测参数跟车速匹不匹配。每一项背后都是真实的工程挑战。比如说停得稳，这涉及PID控制算法的参数调整，你得在响应速度和超调量之间找平衡。走得直呢，你得做左右电机的差速补偿，因为哪怕同型号的电机，制造公差也会导致转速不一样。 这么一说确实，看着简单的东西，要做好其实处处是坑。那我们回到AI这个话题上，现在AI在嵌入式开发里到底能帮上什么忙？ 目前来看，AI在三个方面确实很好用。第一是代码解读，你把一段HAL库代码丢给它，它能逐行给你解释这段代码在干什么、底层逻辑是什么。第二是概念答疑，遇到不懂的嵌入式术语，AI基本上都能给你一个通俗易懂的解释。第三是代码生成，你把需求描述清楚了，它能帮你搭出一个基础的代码框架。这三点加在一起，确实大幅降低了学习门槛。 听起来很美好，但我猜肯定有个但是。 你猜对了，但是还不止一个，是三个。史松自己总结了AI在嵌入式开发里的三大局限。第一个，AI需要你精准地描述问题。比如你想点亮STM32上的一个LED灯，你得告诉AI这个灯接在PC13引脚上，而且要说明是正极连接还是负极连接。这些信息你自己不知道，AI也没法帮你。你不可能一点硬件知识都没有就去提问。 这个我理解，就是你得知道问什么，AI才能给你答案。有点像去医院看病，你总得能描述清楚自己哪里不舒服，医生才能诊断。 没错。第二个局限是AI缺乏工程全局认知。当项目越做越大，各个功能模块之间会互相影响。好的嵌入式代码要求你实现一个功能的时候不能把别的功能搞崩了，这需要全局视野。但AI写代码往往只关注你当前问的这个功能，它不会主动去考虑对其他模块的影响。 这个问题在纯软件开发里其实也存在，但嵌入式里应该更严重吧？毕竟资源那么有限，一个定时器可能好几个功能都在抢。 对，资源冲突在嵌入式里是家常便饭。但第三个局限才是最根本的——硬件反馈的缺失。这一点特别关键。你看纯软件开发领域，像Devin这样的AI Agent已经能自己写代码、运行、看报错、再改代码，形成一个自主迭代的闭环。但嵌入式开发不一样，代码的最终效果体现在物理世界里——LED到底亮没亮、电机转没转、传感器读数准不准——这些信息AI自己拿不到。 哦，这个角度很有意思。也就是说在嵌入式开发里，人其实充当了AI的传感器？ 你这个说法特别精准！人就是那个不可替代的传感器，负责把物理世界的结果反馈给AI。这就是所谓的数字-物理鸿沟。即使你通过调试接口能读到寄存器的状态，但电机实际转速对不对、传感器安装角度有没有盲区，这些都得人去看、去判断。这个鸿沟不光是嵌入式的问题，机器人、物联网领域都面临同样的挑战。 那现阶段最合理的做法是什么？ 史松给了一个很务实的结论，我也非常认同——人机协作。具体来说就是三个分工：人负责架构设计和全局把控，决定用什么芯片、什么传感器、模块间怎么协作；AI负责代码生成和知识查询，快速搭框架、解释技术概念；然后人再负责硬件调试和反馈验证，把物理世界的结果告诉AI，指导下一步优化。 这个分工挺清晰的。那往远了看呢？这个硬件反馈的鸿沟有没有可能被打通？ 业界其实已经在探索几条路了。一条是硬件在环仿真，用高精度仿真环境模拟硬件行为，让AI在虚拟环境里调试。另一条是数字孪生，给物理设备建一个实时同步的数字模型。还有就是用机器视觉，让AI通过摄像头直接观察硬件状态。Nvidia的Isaac Sim、MATLAB的Simulink在部分场景里已经能做到仿真闭环了，但距离通用化的全自动嵌入式开发还有相当距离。 所以总结一下的话，AI确实降低了嵌入式开发的入门门槛，让你能更快地跑通第一个项目、理解第一段代码。但要真正做好一个智能小车，让它停得稳、走得直、各项参数都调到位，这个精通的天花板并没有因为AI而降低。 嗯，说得特别对。其实现在反而是一个很好的时机——借助AI快速入门，把那些枯燥的概念理解和基础代码编写的时间省下来，然后把精力花在真正有价值的地方：理解硬件和软件的交互逻辑，培养工程直觉。这些东西，至少目前来看，AI还替代不了。 说白了就是，AI帮你把路铺平了，但路还是得自己走。想做嵌入式开发的同学，趁现在工具这么好，赶紧上手吧。