006 常见TinyML硬件平台对比：Arduino、STM32、ESP32、Raspberry Pi Pico
上周帮一个做智能穿戴的朋友调模型部署，他选了Arduino Nano 33 BLE Sense，结果模型推理一次要800毫秒——这还只是跑一个2KB的MobileNetV1变体。他盯着串口打印出来的时间戳，脸都绿了。我插上逻辑分析仪一看，CPU在推理期间几乎100%满载，DMA根本没使能。这不是板子不行，是选型时没想清楚“你要跑什么模型、跑多快、功耗多少”这三个问题。
今天这篇笔记，我把手头常用的四类TinyML硬件平台拉出来遛一遛。不是列参数表，是讲真实部署时你会撞上的坑。
Arduino：玩具还是利器？
Arduino Nano 33 BLE Sense是我见过最“表里不一”的板子。外观跟普通Arduino一样人畜无害，但里面塞了一颗nRF52840——Cortex-M4F，64MHz，1MB Flash，256KB RAM。这个配置在TinyML圈子里其实能打。
部署TensorFlow Lite Micro的体验：官方支持确实好，Arduino IDE里直接装库就能跑。但别高兴太早。我试过把一个3层全连接网络（每层64节点）部署上去，模型文件才12KB，RAM占用直接飙到80KB。256KB RAM看着不少，但你要留出音频缓冲区、BLE协议栈、还有Arduino核心库那几十KB。实际可用RAM大概在120KB左右。
踩过的坑
