嵌入式AI学习常遇困境：教程或局限于单片机裸机，或偏重理论难以落地。本文精选了六个从学界权威到行业实战的优质资源，覆盖模型压缩、智能体逻辑、系统部署等关键环节，旨在为学习者提供一条清晰可行的进阶路径。
智能速览
MIT韩松教授的Efficient ML系列是模型量化的硬核参考。
李沐的课程拆解AI Agent逻辑，对嵌入式智能控制有启发。
韦东山提供国内最系统的嵌入式AI实战教程。
野火和正点原子手把手教学STM32与Linux平台的AI部署。
Hugging Face官方教程是模型转换与部署的实用宝典。
精华内容
以下资源各有侧重，从理论基础到项目实战，构成了嵌入式AI学习的完整闭环。选择适合自己的，就能少走弯路。
硬核理论基础
MIT韩松教授的Efficient ML系列是边缘计算和嵌入式AI的必看内容。他成功将Llama3大模型压缩至2GB并跑通树莓派，其开源的TinyEngine推理引擎更是可直接用于STM32项目。该系列深入讲解模型剪枝、量化与蒸馏技术，为将大模型移植到资源受限的ARM设备提供了最权威的实践指南。
智能体设计思维
亚马逊首席科学家李沐的《动手学AI Agent》虽主要基于PyTorch，但其对任务调度和实时决策逻辑的拆解极具启发性。他逐句分析AutoGPT、ReAct等经典论文，清晰阐述了Agent的记忆流与工具调用机制。这些逻辑完全可以移植到FreeRTOS等嵌入式实时操作系统中，用于构建更智能的控制策略。
国内实战领航
韦东山老师的《嵌入式AI实战》系列是国内学习者的首选。其FreeRTOS和Linux驱动教程早已是经典，新课程则聚焦于STM32上运行TinyML以及在Linux开发板上部署轻量级神经网络。教程覆盖从模型转换、量化到板端部署的全过程，能帮助学习者节省大量摸索时间。
开发板厂商实践
野火与正点原子作为主流开发板厂商，提供了丰富的实战教程。野火的《STM32+TinyML》系列，手把手指导进行手势识别、语音控制等项目，代码全开源，性价比高，适合入门。正点原子则更进一步，在I.MX6U等板子上加入了NPU加速模型推理的教程，适合想系统学习Linux+AI全栈的开发者。
模型部署技巧
Hugging Face官方频道是模型部署的宝库。其关于Transformers部署、模型量化和ONNX转换的教程，对嵌入式AI项目至关重要。它详细教授如何将模型转为TFLite格式，并成功部署到树莓派或Jetson Nano等边缘设备，其中包含的API限流处理等技巧非常实用。
掌握嵌入式AI，关键在于理论与实践的结合。上述资源从不同维度构建了完整的知识体系，无论是学生还是工程师，都能找到适合自己的起点。随着AI与物联网的融合加深，这项技能的价值将愈发凸显。
