AI硬件大白话扫盲指南：从入门到榨干

01. 开头：一个"信息成瘾者"的翻车现场

最近这段时间，网络上到处都是"用 ESP32 搓 AI 玩具、做桌面小宠物"的视频。

春江水暖鸭先知，作为一个爱瞎折腾的人，我也心动了，跑去问 AI："现在最火的 ESP32，我到底该买哪一款？"

AI 直接给了我标准答案：

"闭眼买 ESP32-S3 N16R8 开发板已焊排针 就行。"

按理说到这就该直接复制去下单了。但我这人有个毛病------信息成瘾。我总觉得："万一还有更好的呢？万一有隐藏坑呢？"

于是我手欠去搜了一堆专业技术文章。好家伙，不看还好，看完我整个人更懵了：什么 RISC-V 架构、双核 240MHz、Flash 闪存、PSRAM 缓存、I2S 协议、降噪算法......各种生僻术语扑面而来，不仅没帮到我，反而让我怀疑自己是不是得先回大学重修四年电子工程。

我关掉网页，花了好几天把市面上的产品、芯片原理和商家套路彻底琢磨透了。

今天这篇指南，就是我把所有专业黑话过滤掉之后的"大白话人话版"：不水字数、不造焦虑、小学生都能看懂。

02. 先看大局：AI 为什么突然要跑出屏幕？

在挑芯片之前，我们先用半分钟看清现在的大局。

现在的云端，已经有不少熟悉的"超级学霸"，比如：

OpenAI ：样样精通的全能学霸；
Anthropic (Claude)：逻辑极强、写文章写代码的扫地僧；
Google (Gemini)：记性极好、能一眼看懂整座图书馆的巨无霸；
xAI (Grok)：背靠 X 社交平台的"实时情报员"，能搜索最新帖子和网页，帮你追热点、看各方讨论。

这些"大脑"已经聪明得像神仙一样了。但它们有一个共同的憋屈：都被死死关在手机和电脑的屏幕里。

现实中，谁也不想整天低头死盯着一块发光的玻璃：

想让孩子练英语，总不能让他整天捧着手机伤眼睛；
走路突然有了好点子，掏手机、解锁、找 App 太繁琐；
上班累了，大家更希望桌上趴着一只真正能对你眨眼、说话有记忆的实体小玩偶。

所以，现在的 AI 硬件大爆发，本质就一句话：

天上的"超级大脑"长成了，现在它们急着给自己在地上找一个好玩的"身体"。

以常见联网语音方案为例：设备负责收音和播放，云端负责理解与生成回答。图中为概念设备。

03. 核心解密：为什么一碗面钱的 ESP32，就能做 AI 玩具？

要做一个连大模型的实体小玩意，市面上的芯片多如牛毛，为什么大家最先挑中的总是这颗 ESP32（特别是 ESP32-S3）？

它把钱花在了刀刃上：

白菜价（便宜就是硬道理）
基础板有卖到二十元左右的，一碗面钱就能开始折腾。
天生带网（不用再加小尾巴）
自带 Wi-Fi 和蓝牙，配好网络和程序，就能和云端通信。
听说传话够用
硬件只负责当对讲机，收音传给云端并播放回答，它干这个正好。
启动快
一通电就醒，不用像大电脑那样等半天开机。
现成教程多
网上现成的代码和接线图一搜一大堆，不用全靠自己从零摸索。

⚠️ 泼盆冷水：它有什么事绝对干不了？

断网就聊不了云端 AI：它装不下 ChatGPT 那样的大模型，离开网络，云端的聪明大脑就叫不来了。
离线认不出你说的一大段话：光靠它自己，把一大段话听写成文字太吃力。
算不动复杂的看图分析：想让它看懂复杂画面，得传给云端，或者交给更强的设备。

💡 本质一句话升华：

现在的轻量 AI 硬件是云端大模型的"对讲机（耳朵和嘴巴）"。在只需要传话的场景里，ESP32 是开发者常用的轻便桥梁。

04. 新手落地指南：从挑零件到闭眼下单

面对购物页面里让人眼花缭乱的选项，我们按照新手买东西的正常顺序，把复杂概念全部重新拆解为清晰明了的对照表。

先看商品形态，再看参数。同样写着 ESP32-S3，左边是需要进一步集成的模组，右边才是方便接电脑的开发板；图中尺寸不按同一比例展示。

表 1：挑主板（只要认准 3 个词，别被字母忽悠）

买板子就像买电脑，别管商家写了多少花哨词，只看这几项核心参数：

拿真实标题练一次：S3 是芯片型号，N16 是装程序、声音和表情的大仓库，R8 是运行程序时用的大内存。仓库越大，能存的东西越多；内存越大，程序跑起来越宽裕。

表 2：挑五官和四肢（你想让它能干啥，才买啥）

想让这块板子变成实体宠物，你需要按需给它接上"五官"：

先决定要哪种互动，再核对零件是否已包含。屏幕负责显示表情，摄像头才负责看东西。

防忽悠避坑：分清硬件、程序和云服务

很多新手容易产生误解，以为把板子买回来接通电就能像真人一样聊天。记住以下几个事实：

已接入 AI / 预刷系统（固件）

固件就是装在硬件里的小系统。预刷系统，就是商家提前帮你装好了，省去自己第一次安装的麻烦。买前记得问：以后还能不能自己换系统、写代码？

小智 AI (Xiaozhi)

目前全网最火的开源聊天小系统之一。新手拿它跑通对话最快，它只是软件，硬件以后还能换别的系统。

大模型 / 云服务

硬件本身装不下聪明大脑。所有回答都是联网向云端大模型请教的，断了网就无法对话。

长期记忆 / 帮你控制电脑办事

硬件不自带这些能力。记住你说过的话、帮你控制电脑，都得靠云端软件支持，看具体方案有没有做。

截图里的"已接入 AI"和"成品发货"要分开问。先确认账号、收费与刷机权限，再确认屏幕、麦克风、喇叭、电池和外壳；截图价格不代表实时售价。

表 4：五官与身体全景能力大点兵（谁长齐了，谁是半成品？）

先数数它长了哪些"器官"。能不能听、说、看、动，对着图就明白了。

注：AI Passport 出厂自带身份卡和小游戏，若想用于 AI 聊天需另刷对应程序并配置云服务。

M5Stack 家族：方盒、圆屏和小栈

M5Stack 这一家可以先记成三种模样：CoreS3 是桌上的小方盒，StopWatch 是随身的小圆屏，StackChan 小栈则是带上电机底座、能转头点头的小机器人。

StopWatch 适合做随身 AI 挂件或电子徽章。想和它聊天，照官方教程刷好小智，再配好网络和云服务就行。

CoreS3 的 Lite、SE，差在哪？

三款的芯片和内存一样，主要差在身上装了哪些零件：

CoreS3 标准版：配较厚的底座和较大电池。
CoreS3 Lite：摄像头、麦克风和晃动感应都保留，换成薄磁吸背盖，电池更小。
CoreS3 SE：能听能说、有触屏；省掉摄像头和晃动感应等，官方这款不带电池底座。

CoreS3 系列官方对比 · StopWatch 官方介绍 · 小智刷机教程。

StackChan 小栈：让小方盒动起来

CoreS3 可以当小栈的脑袋，底座里的电机当脖子。你可以直接买 M5 的小栈成品，也可以按社区方案给 CoreS3 配合适的舵机底座，装好并刷上对应程序，让它转头、点头。

深度决战：一体机双雄怎么选？立创·实战派 vs M5Stack CoreS3

不想自己焊线，立创·实战派和 CoreS3 都能省不少事。怎么选，看你想拿它干什么：

立创·实战派：像个紧凑的口袋小实验室，带着屏幕和各种零件，适合照着中文教程一项项动手玩。
M5Stack CoreS3：像个精致的乐高小掌机，想接 M5 现成配件或给小栈机器人当脑袋都很方便。

上方为两款设备的官方产品图，大小未按统一比例展示。

价格参考：立创官网 · M5Stack 官方海外店。

表 5：抄作业！根据你的钱包与目的直接下单

理清了前面的所有差异，别再纠结，对号入座直接选：

参考文档：FoloToy AI Passport 规格 · FoloToy 官网 · 立创·实战派 ESP32-S3 文档 · M5Stack CoreS3 官网文档 · StackChan 机器人介绍

💡 闲聊两句：我最后自费买了哪一款？

列了这么多路线，大家肯定好奇我自己到底掏钱下单了哪一个。

直接坦白：我最后买的是 M5Stack CoreS3。

我之前确实认真纠结过要不要选随身的小圆屏 StopWatch，但最后还是决定选 CoreS3，原因有三点：

先做我最想玩的：CoreS3 配上相应舵机底座和程序，就能做会转头的小栈机器人，正合我这次的打算。
3D 打印 + 电机的上限非常高：社区里有全世界极客开源的无数 3D 打印图纸，完全可以自己打印做外壳。从装两个小舵机让它转头点头，到装上轮子做遥控小车、甚至联动微型机械臂，电机领域的玩法上限高得多，可玩性远胜单功能设备。
省心与生态成熟：三百多块钱，外壳、彩屏、双麦、喇叭、摄像头、晃动感应器、电池全装好了，省去到处飞线的烦恼；而且全球开源项目最多，玩腻了一个随时换个小系统玩下一个。

当然，这纯属我个人的折腾偏好。

说句大实话：咱们现在折腾的所有 AI 硬件，其实都是在提前"玩未来"。未来真正成熟的消费级巨头产品一旦砸下来，大部分现在的 DIY 小玩意注定都会被降维打击。

但那又怎样呢？探索的乐趣就在当下。大家各取所需，挑个适合自己的，玩得尽兴、折腾得开心，才是最重要的。

05. 抬头看世界：AI硬件还能长成什么样？

除了我们在桌面上用 ESP32 折腾，全世界商业化产品还把 AI 装进了眼镜、录音卡片和毛绒玩具里：

01｜帮你做事

Meta Ray-Ban

把超轻摄像头、隐形耳机做进时尚太阳镜里。看到眼前的路标问它"这是啥"，它悄悄在耳边告诉你。

大家愿意买它，首先是因为它本身就是一副好看舒适的墨镜，AI 只是顺手加分项，平时戴出门也不突兀。

Plaud Note

薄薄一片磁吸在手机背面，开会时一键录音，云端 AI 自动帮你整理成规整的思维导图和会议纪要。

不搞花哨的闲聊陪伴，专门帮上班族解决不想手写记笔记的麻烦，实用性很强。

02｜陪你聊天

Friend 吊坠

挂在脖子上的小圆盘，收录平时说话内容，通过手机消息与你交流互动。

硬件门槛不高，主要卖的是随身陪伴的情绪价值。

FoloToy Teddy (Kumma)

把能说话的小芯片装进泰迪熊肚子里，让普通的毛绒熊变成能陪你聊天、讲故事的小伙伴。

给传统旧玩具加上能对话的脑子，立刻有了很高的吸引力。

03｜试着替代手机

Rabbit r1 / Humane Pin

它们一开始雄心勃勃，想让人少掏手机：一个做成手持小掌机，一个做成胸针，想让你动动嘴就能查信息、办事情。

实际体验反应慢、发热明显，常用功能还不如掏出手机点两下顺手，现阶段想做独立小设备消灭手机还太早。

产品图片为公开资料图，非本人实拍；图片来源。

06. 总结：你的第一个 AI 实体作品

别被网上的各种专业参数劝退，更别以为做硬件是工程师的专属特权。

我在开头说"小学生都能一眼看懂"，真不是一句夸张的修辞。AI 正在把过去几十页天书般的芯片手册、晦涩难懂的工科黑话，一层层翻译成最直白的常识。理解的门槛被彻底抹平，真正的创造力才开始平权。

只要花一两顿饭钱买回一套配套完善的小板子，借着全世界极客写好的开源成果，花上一个周六下午：当你第一次按下按钮对它说话，小屏幕上亮起你画的那对小眼睛，喇叭里传出它带着稚气的回答

那种真真切切在现实中"给一个物体注入生命"的快乐，远比隔着冰冷屏幕敲回车要动人得多。

如果这篇文章恰好被某个好奇的小朋友看到，或者让某位家长、大朋友心里的创造火苗动了一下，激发起把玩实体硬件的兴趣，甚至让他们未来有一天真正走上创造属于自己硬件的道路，那这篇文字的所有折腾，就已经有了它最大的意义。