ESP32 能讓 AI 開口說話、讀取感測器，甚至控制馬達或手機上的指標，它的價值，是用一塊小型、容易擴充的控制板，把模型回應接到真實世界：你說一句話，裝置就能收音、傳送資料，再播放聲音或執行動作。
這也解釋了為什麼同一個 ESP32 家族，會出現在語音玩具、桌面機器人、天氣時鐘、掌機與手機 Agent 裡。以下整理公開案例。
內容目錄
ESP32 是什麼？先分清楚晶片、模組與開發板
ESP32 是樂鑫科技 Espressif 推出的微控制器系列。你可以把微控制器理解成專門管理裝置的小型控制中心，負責讀取按鈕、感測器、網路資料，再控制燈號、螢幕或其他周邊。它通常執行針對任務寫好的韌體，也可能搭配即時作業系統。
買東西時，名稱裡都有 ESP32，實際拿到的東西卻可能不同：晶片是核心元件，模組通常把晶片、記憶體和無線相關電路整合好，開發板則再加上供電、USB 和接腳等方便開發的設計。有螢幕、麥克風和喇叭的整合裝置，成本與可直接使用的程度又會不同。
一般可安裝 Linux 的樹莓派單板電腦，適合跑完整應用與較重的程式，ESP32 則適合小型裝置的連線、感測與控制。
為什麼小板子能跟 AI 對話？關鍵在分工
以典型的雲端語音裝置來看，麥克風先收音，ESP32 將聲音傳出去，後端處理語音與模型回應，再把聲音送回裝置播放。模型可以部署在雲端，也可以是你另外架設的主機，實際架構由專案決定。
| 元件或層次 | 負責的事 | 角色 |
|---|---|---|
| 麥克風與感測器 | 取得聲音或環境狀態 | 硬體輸入 |
| ESP32 與韌體 | 連線、資料傳送與控制 | 裝置介面 |
| 模型與後端程式 | 理解內容並產生回應 | 語意與任務 |
| 喇叭、螢幕與驅動器 | 播放、顯示與動作 | 硬體輸出 |
這不代表 ESP32 完全不能在本機做 AI。ESP-SR 提供喚醒詞與語音指令等功能，ESP-DL 則用於資源受限裝置的小型神經網路推論。離線喚醒、固定指令與小型辨識模型，和完整的大模型對話，需要分開看。
記憶體也要分清楚晶片內部 SRAM、外接 PSRAM 與儲存韌體的 Flash。
ESP32 能做哪些事？把案例逐個拆開看
1. 會聊天、會動的玩具與機器小狗
麥克風讓小狗聽見你，喇叭播放回應，螢幕顯示表情，伺服馬達則負責走路或做動作。
外殼與機構把這些零件組成一個角色，模型服務再提供對話內容。
小智 AI 是可參考的開源語音入口，能連接大模型，並透過已定義的工具控制裝置。同類的 ESP-Hi 機器狗專案 也公開了語音、表情與動作設計。
這些成果需要整套硬體與韌體，買一顆晶片還不會自動變成機器狗。
2. 能聽指令的卡丁車與可動裝置
語音可以變成控制入口，例如讓玩具車回應前進、停止等已定義指令，再由韌體與馬達驅動電路執行。這種公開原型展示的是語音與控制的整合，不能直接推論它具備自動駕駛或可靠避障能力。
3. 有表情、能辨識人臉的桌面機器人
搭配攝影機、螢幕與合適的模型，可以做出看見人後改變表情、顯示資訊或回應互動的桌面角色。
ESP-WHO 就提供視覺辨識相關框架。某些專案還能顯示電腦資訊或當輔助畫面，能顯示什麼、怎麼與電腦連接，仍取決於各自的程式。
4. 天氣時鐘與家中的資訊顯示器
取得網路上的天氣、時間或其他資料，再顯示在小螢幕上，是很容易理解的用途。
這類裝置本身可以靠固定程式運作，若再加語音問答，才多了 AI 互動層。並不是所有有 ESP32 的產品，都必須呼叫大模型。
5. 刷臉門鎖與其他門禁原型
攝影機辨識到特定對象後，裝置可以接著控制門鎖機構。
從原型走到真的每天使用，還需要處理誤判、斷電與手動開門等情況。
6. 手機遙控的小型無人機
ESP32 可出現在無人機的連線或控制設計中，讓手機指令進入飛行系統。飛行是否穩定，仍依賴感測器、控制程式、動力與結構。
7. 自製遊戲掌機
加上螢幕、按鈕、音訊與合適的程式，可以做出執行部分復古遊戲或模擬器的掌機。可執行的內容會受晶片、記憶體與軟體支援限制，不能把它當成什麼遊戲都能跑的通用主機。
8. 控制燈光、伺服馬達與家中裝置
當模型能呼叫「調整亮度」「轉到指定角度」這些工具，ESP32 就能把語意接到實際動作。小智專案的裝置端 MCP 已列出音量、燈光、馬達與 GPIO 等控制用途，但仍要先有對應的硬體與已實作的功能。
若想看感測與辨識如何落地，站上曾整理過用 ESP32 監看水表、電表與瓦斯表。這類應用也提醒我們，實用的小型辨識任務，未必需要完整聊天模型。
9. 讓 AI 操作 iPhone 的指標與畫面
這是最容易讓人誤會的案例。公開展示包含傳訊息詢問晚餐、接著找外送，並停在付款步驟等待本人確認，也有在備忘錄畫圖、處理寄件流程與傳送單號等操作。這些是個別示範，不能當成對所有 App 都有效的保證。
可核對的開源方案是 ESP32 iPhone Agent by Henry Yuan。它利用螢幕鏡像提供畫面，再讓視覺模型判斷下一步，ESP32-S3 則以 USB 鍵鼠裝置送出點按與輸入。Apple 的 AssistiveTouch 說明也確認 iPhone 支援相容的指標裝置。
目前專案新版由同一台 iPhone 上的 App 執行 Agent，開發板負責鏡像接收與輸入轉接。日常執行可不接電腦，但首次燒錄與編譯 App 仍需 Mac。還需要相容的開發板、手機設定與模型服務，鎖屏、受保護畫面、橫向介面及中文輸入等也有現行限制。
10. 燈帶與離網通訊等固定功能專案
不想先碰複雜對話，可以從固定功能開始，例如用 WLED 做燈帶效果與控制。
離網通訊則要看完整硬體，例如 Meshtastic 的相容裝置會把微控制器與 LoRa 收發器搭配使用。單有一塊普通 ESP32 開發板，不會因此自動具備遠距離通訊能力。
便宜的是哪一部分？看整套成本才不會買錯
ESP32 的吸引力，在於把連線、輸入輸出與控制能力放進小型硬體，並且有成熟的工具與大量可參考的專案。
我的看法是，這降低了做出原型的門檻，讓創作者能把力氣放在互動方式與實際用途。
不過晶片、裸板和完整套件的價格不能混算。
語音裝置還可能需要麥克風、音訊放大器、喇叭、螢幕與電源。機器人再加上馬達、驅動器、電池與機構，使用雲端模型也可能有後續費用。
耗電也一樣。低功耗睡眠和持續連 Wi-Fi、收音、播放或驅動馬達，是不同工作狀態。要估續航，必須看整機的使用方式，不能只拿晶片睡眠時的數字推算。
想自己開始，先選用途，再選板子
- 想做語音、螢幕與鏡頭互動：可從已有範例的 ESP32-S3 板卡研究。做小智 AI 時，優先確認專案支援的確切板型與韌體。
- 想做簡單按鈕、感測與連網：C3 類型常出現在入門專案，但是否合適仍以周邊需求為準，它也不是只能做簡單功能。
- 想研究智慧家庭通訊：ESP32-C6 支援 Wi-Fi 6、Thread 與 Zigbee 相關能力，還要搭配相應協定堆疊與應用。
- 想做 USB 手機控制：先照原專案的原生 USB 與記憶體要求選板，不要只看到商品寫 ESP32 就下單。較新的 S31 等型號，也要先看工具鏈與範例是否支援。
第一次做語音裝置，我會先從已整合麥克風、喇叭與螢幕的板卡開始。
站上的立創實戰派 ESP32-S3 與小智 AI 整理介紹了現成韌體與原始碼開發兩條路，可以依目標選擇。
這是依上手複雜度提出的建議，沒有做品牌效能排名。
若想自己寫程式，可從官方 Arduino ESP32、ESP-IDF 或 MicroPython 資料開始。
AI 可以協助解讀範例與修改程式，接腳、供電和實際行為仍要用硬體確認。還沒買板子時，也能先透過Wokwi 模擬器熟悉按鈕與燈號等基本互動，模擬結果仍不能取代整機測試。
我的看法：先讓一件小事真的動起來
ESP32 最有意思的地方，是把 AI 的回應變成看得見、聽得到、碰得到的互動。你可以先做一個會回話的小盒子，或只讓語音控制一盞燈，再決定是否需要螢幕、鏡頭、馬達與更多工具。
先驗證一個明確用途，通常比一次把聊天、手機控制、機器人和家電都接起來更容易找到問題。模型提供理解能力，硬體與韌體決定能把理解落實成什麼動作，這才是「AI 的身體」真正值得看的分工。
常見問題
ESP32 可以直接執行大型語言模型嗎？
一般 ESP32 對話裝置會把完整大模型交給雲端或其他主機。板上仍可執行符合資源限制的喚醒詞、固定指令與小型辨識模型，要依晶片、記憶體與模型確認。
做一個 AI 語音盒子，只要買 ESP32 就好嗎？
還需要相容韌體、麥克風、喇叭與音訊電路、電源及可用的模型後端，螢幕則依設計選擇。整合式開發板可能已具備部分零件。
ESP32 離線還能做事嗎？
固定程式、感測控制與支援的離線辨識可以繼續。若完整對話仰賴雲端服務，則需要可用網路。離網遠距通訊還要看是否具備所需無線收發器。