11 月 12 日参加了在苏州凯悦酒店举办的 2026 STM32 研讨会首站，全程听完 6 场主题分享，并在 Demo 区待了近一个小时，这场的信息密度远超预期，整理几点印象最深的。

一、STM32C5：入门级的价格，中端的算力

现场最吸引我的是 C5A3 旋钮屏 Demo：240×240 SPI 圆屏 + 编码器旋钮，跑 TouchGFX，靠部分帧缓冲和图像压缩把 256KB RAM 用到了极限，桌牌上写的是"入门级单芯片解决方案"。以前这种圆屏 HMI 方案基本要上 H7 或者外挂显存。

关键参数：Cortex-M33 @144MHz、1MB Flash、256KB RAM、CoreMark 593，是 C0/G0（M0+ 64MHz）的三倍多，也是 ST 第一款带 FPU 的入门级 MCU，起价 0.64 美元（128KB Flash 版本）。另外 C5 支持以太网、FDCAN、OctoSPI，从 G0 迁移过来有引脚兼容型号。

二、人形机器人：一张表讲清了"什么关节用什么芯片"

印象最深的一页是执行器与传感器选型表：

• 传感器（触觉/力觉/视觉）→ C5、H5、G5、U5
• 编码器 → G4、C5（低成本、小尺寸、ADC 通道多）
• 手指关节 → G4、H7、C5、H5、G5（高性能、极小尺寸）
• 域控制 → G4、H7、N6、H5、G5
• BMS/PMS → G0、H7、U5、C5、H5

执行器那页还标了：C5（593 CoreMark）→ 躯干主关节、BMS、通讯转换；H5（1023 CoreMark，250MHz M33）→ 灵巧手关节、触觉模组，支持 4×4mm 以下封装；G5（280MHz M33，1023 CoreMark）→ 中高性能关节模组，集成模拟外设可省 3 颗外部运放。

三、边缘 AI：从模型到板子的路径变短了

N6（800MHz Cortex-M55 + NPU）现场演示了人物识别。Getting Started 的路径是：选应用场景 → 用官方基准模型 → 在 PyTorch / TensorFlow / ONNX 里用自己的数据微调，配 YAML 生成配置 → 目标板验证与基准测试。对个人开发者来说，这条路比自己搭推理框架省事得多。

四、Demo 区实拍

除了 C5 旋钮屏，还看了 Nucleo-64 + Riverdi 扩展板的叠板方案（屏上跑 240×240 界面）、产品家族图谱（5000+ 料号、10 年长期供货承诺）、以及 AI 合作伙伴生态墙——seeed studio、DFRobot、正点原子、RT-Thread 都在里面，对做 DIY 的人来说，"买得到、供得久"比参数更有说服力。

五、我准备怎么用

C5 最适合"想加屏幕又不想加成本"的项目。我打算拿它把手上一块带旋钮和彩屏的小控制器重做一版，重点测两件事：240×240 圆屏下 TouchGFX 的实际帧率与 CPU 占用，以及 144MHz + FPU 做滤波和电机控制时的余量。

感谢 ST 和现场工程师的解答，也谢谢论坛给了这次交流机会！