桌上那种会听你说话、再用小喇叭回答的 AI 小设备，通常不是把大模型塞进一块板子里。设备负责收音、联网和播放，云端服务负责识别语音、生成回答。先弄清这条链路，再挑 ESP32-S3 开发板，商品页上的一串参数就没那么容易把人绕晕。
AI 为什么要走出屏幕
云端模型可以处理文字、语音和图片，但屏幕不是每个场景都顺手。免手操作、随手记录想法，或让桌面设备有声音和表情，都需要把输入输出部件放到手边：麦克风、扬声器、按钮、屏幕，有时还加摄像头或电机。
常见的联网语音方案可以简化成一条线：麦克风收音，开发板把音频送到云端，服务完成语音识别和回答生成，再把结果传回设备播放。按钮、屏幕表情等简单交互可以留在本地。具体哪一步在设备上做，取决于硬件和固件。
ESP32-S3 管设备，云端模型管回答
ESP32-S3 是乐鑫的微控制器系列，支持 2.4 GHz Wi-Fi 和 Bluetooth LE。它可作联网设备的控制器，连接麦克风、扬声器、屏幕和传感器，并按程序处理输入输出。
ESP32-S3 的资源适合设备控制和部分本地语音处理，不足以运行 ChatGPT 这类云端大模型。它可以运行唤醒词或简单命令识别。
长对话和复杂的语音、图像理解通常依赖云端服务或更强的计算设备。断网后仍可用哪些功能，要看固件有没有本地方案。
“已接入 AI”只说明设备可以连接某项服务，不能据此判断模型跑在板上。断网后还能做什么，要看固件里保留了哪些本地功能。
买板先分清模组、开发板和内存
ESP32-S3 是芯片系列，不是一个固定配置的成品板。选购时要看完整型号和板上已经集成的东西。
以乐鑫的 ESP32-S3-WROOM-1-N16R8 模组为例，官方规格列出 16 MB Flash 和 8 MB PSRAM。Flash 用来存程序和文件，PSRAM 给运行中的程序留工作空间。N16R8 是这个具体模组的配置，不代表每块 ESP32-S3 开发板都有相同容量。接屏幕、摄像头或音频缓冲时，内存余量会更重要；只做简单传感器项目，未必需要最大配置。
还要分清“模组”和“开发板”。模组是集成了主控及无线部分的小组件，通常需要焊到自己的电路板上；开发板通常会加上 USB、电源电路和可接线接口，有些还带排针、屏幕或麦克风。刚入门，选接口说明清楚、排针已焊好、能用 USB 数据线连接电脑的开发板，不用先处理焊接，也更容易确认怎么烧录程序。
外设按想做的事来配
做语音对话，先看麦克风和扬声器有没有集成。单买开发板时，可能还要配数字麦克风、音频功放和小喇叭；一体化板则可能已经把这些装好。
屏幕可以显示表情、菜单和状态，语音对话不一定要屏幕。摄像头适合拍照，或把画面交给更强的设备分析；它也会增加内存、软件和隐私方面的考虑。想让小设备点头或转头，还得另配舵机、机械底座和合适的供电。IMU 惯性传感器可以检测摇晃或倾斜。不必因为商品页把配件列得齐全就一次买齐，先定下要做哪种互动。
几条入门路线，差别在要不要自己接线
想学接线和编程，可以从带排针的 ESP32-S3 开发板开始，再按项目增加麦克风、喇叭或屏幕。配件决定最终成本，买前核对完整型号与接口。
立创·实战派 ESP32-S3 的官方资料列有 2 英寸触摸屏、摄像头、双麦克风、1W 扬声器和姿态传感器，适合跟配套教程做实验。它仍是开发板，AI 对话需要匹配的固件、网络和服务。
M5Stack CoreS3 官方规格列有 2 英寸触摸屏、摄像头、双麦克风、扬声器和传感器。CoreS3、Lite、SE 的外设配置不完全相同，下单要核对具体版本。要做会转头的小机器人，还得加 StackChan 机器人身体或匹配的舵机底座，CoreS3 主机本身没有电机。
随身路线可以看 M5Stack StopWatch 或 FoloToy AI Passport。StopWatch 是带 1.75 英寸圆形 AMOLED 触控屏、音频和 450 mAh 电池的开发板；AI Passport 则是可穿戴、卡片外形的 AI 设备。它们能不能刷入目标程序、是否需要云端账号，要看各自说明。
眼镜、录音卡、陪伴吊坠、毛绒玩具和手持 AI 终端，分别面向免手操作、录音整理、陪伴或随身问答等场景。例子有 Meta Ray-Ban、Plaud Note、Friend 吊坠、FoloToy Teddy 和 Rabbit r1。Humane Ai Pin 也曾尝试把语音、摄像头和 AI 助手放进可穿戴终端。它们各自面向特定场景，不是通用开发板。录音和摄像头设备还要留意数据存在哪里、是否上传云端，以及周围人的知情与同意。
“已接入 AI”和“成品发货”要分开问
商品页写“已接入 AI”，先问清固件装了什么、绑定哪个账号或服务器、使用是否有额度或后续费用、能不能自行刷机。“成品发货”则要问硬件装到了哪一步：屏幕、麦克风、喇叭、电池和外壳是否都包含。两句话说的是软件状态和硬件交付，不是同一项保证。
小智 AI（Xiaozhi ESP32）是开源软件项目，不是一块特定开发板。项目支持多种硬件，实际功能还要看板型、固件和服务端配置。长期记忆不是 ESP32 硬件自带的功能。MCP 是连接 AI 应用与外部工具、数据的协议；工具调用和记忆功能还需要额外的软件、服务及权限设置。
先决定要学接线、少折腾外设，还是做会动的桌面设备，再选板子。云端账号、断网表现、后续费用和隐私处理，也要跟硬件清单一起核对。
规格与项目文档：
乐鑫 ESP32-S3 概览与 WROOM-1 模组规格： https://docs.espressif.com/projects/esp-hardware-design-guidelines/en/latest/esp32s3/product-overview.html ； https://documentation.espressif.com/esp32-s3-wroom-1_wroom-1u_datasheet_en.pdf
乐鑫 ESP-SR 本地唤醒词与命令识别： https://docs.espressif.com/projects/esp-sr/en/latest/esp32s3/speech_command_recognition/README.html
立创·实战派 ESP32-S3： https://wiki.lckfb.com/zh-hans/szpi-esp32s3/
M5Stack CoreS3 与 StopWatch： https://docs.m5stack.com/en/core/CoreS3 ； https://docs.m5stack.com/en/core/StopWatch
FoloToy AI Passport： https://ai-passport.folotoy.cn/en
Xiaozhi ESP32、StackChan 与 MCP： https://github.com/78/xiaozhi-esp32 ； https://github.com/m5stack/StackChan ； https://modelcontextprotocol.io/
