最流行的开源硬件平台
黑胡桃实验室推出的TinyML-ESP32开源项目，将ESP32开发板的性能发挥到极致。该项目集成陀螺仪、麦克风及LED灯组，无需依赖云端计算，直接在设备端完成机器学习推理。核心功能涵盖手势识别、语音唤醒与运动计数三大场景。通过TensorFlow Lite模型训练，系统能毫秒级响应挥手动作，精准识别预设关键词，甚至区分跳绳波形特征。项目整合了ArduinoJson、arduinoWebSockets等六大核心库，支持数据实时可视化推送。所有代码与模型完全开源，为智能家居、语音交互及健康监测提供了开箱即用的边缘AI解决方案，真正实现了“小身材大能量”的边缘智能应用。
Beetle是一个开源的边缘AI Agent固件，运行在ESP32-S3芯片上。它不是简单的聊天机器人，而是实现了完整的ReAct推理循环和工具调用能力。支持飞书、钉钉、Telegram等六个即时通讯平台，所有通道共享同一个Agent实例和记忆体系。芯片功耗不到一瓦，全年电费仅几块钱，却能实现7×24小时无人值守运行。项目内置网页抓取、定时任务、键值存储等多种工具，以及人格设定、用户偏好、长期记忆三层持久化记忆体系。通过将LLM推理交给外部API，芯片专注运行Agent逻辑，实现了低成本、低功耗、数据不出设备的私人AI助手方案。
TinyML-ESP32开源项目将ESP32开发板性能压榨到极致，集成陀螺仪、麦克风等硬件，实现毫秒级手势识别、95%准确率语音唤醒、误差小于2%的跳绳计数三大AI功能。无需云端，纯边缘计算，六大开源库加持，代码模型全开源，为智能家居、运动健康等场景提供开箱即用的边缘AI解决方案。
微软研究院开源EdgeML库，通过Bonsai、ProtoNN、FastGRNN等算法级创新，将AI模型压缩至KB级别，实现超低功耗、零延迟的边缘智能。支持TensorFlow/PyTorch双框架，已在智能家居、工业检测、医疗监护等场景落地，让摄像头、传感器等IoT设备拥有自主决策的「微型大脑」。
Broccoli是一款专为ESP32集群设计的分布式任务队列系统，旨在实现低延迟、高效率的边缘计算。该系统支持任务分发与执行、分布式队列管理、优化低延迟通信，并提供灵活的配置与监控功能。Broccoli能够将任务动态分配到多个ESP32节点，实现并行处理和负载均衡，提高系统容错性。适用于智能家居安全监控、工业自动化生产线、环境监测等物联网场景，为构建智能边缘计算系统提供高效解决方案。
BerryNet项目突破性地将深度学习模型直接部署在树莓派等边缘设备，实现完全本地化的AI推理。通过Node.js/Python双语言架构结合MQTT协议，构建分布式AIoT网络，支持Inception v3、TinyYOLO、MobileNet SSD等模型，无需互联网即可进行目标检测与分类。内置Freeboard可视化仪表盘，提供数据收集与模型再训练工具，适配树莓派3B+/4、Jetson Nano等多款硬件，为智能安防、工业质检、智慧农业等场景提供开箱即用的边缘智能解决方案。
BerryNet项目实现了将深度学习模型直接部署在树莓派等边缘设备上，通过Node.js/Python双语言架构和MQTT通信协议，构建分布式AIoT网络。系统支持Inception v3、TinyYOLO、MobileNet SSD等多种模型，可实现目标识别与精准定位，无需联网即可完成本地化AI推理。内置Freeboard可视化仪表盘，支持摄像头实时分析、告警通知功能，适用于智能安防、工业质检、智慧农业等场景，为边缘智能提供开箱即用的解决方案。
Broccoli是一款专为ESP32集群设计的分布式任务队列系统，旨在实现边缘计算场景下的低延迟、高效率数据处理。该系统支持任务分发与执行、分布式队列管理、优化低延迟通信，并提供灵活的配置与监控功能。适用于智能家居安全监控、工业自动化生产线、环境监测与预警等物联网应用场景，为构建智能边缘计算系统提供了高效、灵活的解决方案。
BerryNet项目实现将深度学习模型直接部署在树莓派等边缘设备，完成本地化AI推理，无需依赖云端。采用Node.js/Python双语言架构，结合MQTT通信协议构建分布式AIoT网络。支持Inception v3分类模型及TinyYOLO、MobileNet SSD目标检测，集成Freeboard可视化仪表盘，配备数据收集与模型再训练功能，三条命令即可完成部署，为智能安防、工业质检、智慧农业等场景提供开箱即用的边缘智能解决方案。
TinyML-ESP32是一个在ESP32-WROOM-32开发板上实现边缘机器学习的开源项目。通过集成陀螺仪、麦克风和LED灯组，实现了手势识别、语音唤醒和跳绳计数三大AI功能。项目利用TensorFlow Lite在设备端完成机器学习推理，无需云端计算，模型仅占用几十KB存储空间即可实现毫秒级响应。该项目整合了espressif/arduino-esp32、Adafruit_NeoPixel、TensorFlowLite_ESP32等六大核心库，为智能家居、手势控制、运动健康监测等场景提供了开箱即用的边缘AI解决方案。