ESP32是什么：几十块的单片机如何接入大模型做AI硬件

以下是视频口播的自动转写，可能有错字。

最近AI圈很火的ESP32到底能做什么？一块几十块钱的小板子，有人拿它做能聊天的桌宠，有人让它识别眼前的东西，还有人让它在AI写完代码之后敲铃叫自己。它到底是怎么做到这些的？这期就借几个真实项目，把ESP32讲清楚。先说它是什么：ESP32其实是一颗带WIFI和蓝牙的单片机，你可以把它理解成一个能联网的小控制器。

以常见的ESP32S3为例。它本身不会聊天，也不认识人脸，但它能读取传感器，接上麦克风和摄像头采集声音和画面，再按照你写的程序去控制灯、屏幕、电机这些实实在在的东西。能采集、能控制，玩法就多了。比如这个会聊天的桌面伙伴，大佬用的是 esp 32c3，加上麦克风、喇叭和一块小屏幕，你问他问题，他用声音回答。

屏幕上还会配个小表情。它背后是小智这类开源项目，固件和教程都是现成的，所以也是很多人入门 esp 32的第一站。给它再加个摄像头，就能做图像问答。dfrobot 这个方案里，按住按钮问一句，你看到了什么？设备会把拍到的画面连同问题一起发给大模型，再把答案读出来。

以前你只能口头跟 ai 描述，现在它能自己看了。不过这里要说清楚一件事，这些项目里的大模型基本都跑在云端或者电脑上，并不在板子里。Esp 32干的是采集、联网、播放和执行这些工作。只有唤醒词、少量轻量识别这类小任务，才会直接在设备上跑。所以别指望几十块的板子自己变成人工智能。

它更像是 ai 伸到现实世界里的手和耳朵。那它能不能帮你干活？mino 这个项目就把语音和工具调用接了起来。你说开灯，它就调用事先设好的功能去控制灯。也能读取传感器数据。背后用到的 mcp，简单说就是把设备的功能包装成 ai 能调用的工具。

模型负责选工具，设备负责执行。最后这个，很适合放在写代码的人桌上，叫 tiny engineer。电脑上的 ai 读文件，它就张望。ai 开始写代码，它就敲面前的小键盘。任务结束，再伸手敲一下铃。说白了，它把 ai 的工作状态演给你看。项目留了接口，可以跟 codex 这类编程工具联动，不过要自己做好接入配置。

如果你也想动手做一个，建议顺序反过来，先选定项目，再照着清单来选板子和模块。因为都叫 esp 32，不同型号的引脚和外设可能不一样。先选板子的话很容易踩坑，新手可以从小智这类语音项目开始，选它明确支持的版型，配齐模块，刷入对应固件，连上 wifi，再按说明配置模型服务。

先跑通一次对话，再考虑加摄像头、加舵机。中间想改功能，也可以让 ai 帮你写代码，解释报错，自己对着型号和接线图多检查一遍。一块板子负责感知和动作，大模型负责思考，这就是这类 ai 硬件最基本的玩法。这里是荔枝，持续分享 ai 新玩法。