ESP32-S3
PulseAugur coverage of ESP32-S3 — every cluster mentioning ESP32-S3 across labs, papers, and developer communities, ranked by signal.
- 2026-07-27 research_milestone An AI developer successfully ran a 28.9-million-parameter model on an ESP32-S3 microcontroller. 来源
9 天有情绪数据
-
创客构建7节点ESP32-S3集群以运行3.86亿参数LLM
一位创客成功构建了一个由七个ESP32-S3微控制器组成的定制集群，以运行一个拥有约3.86亿参数的大型语言模型。这是通过将模型的层分布在各个微控制器上并采用激进的量化技术实现的，包括一种新颖的1.58位三元量化用于权重。该项目在GitHub上进行了详细介绍，使用有线SPI连接进行节点间通信，以降低与无线方法相比的延迟。虽然推理速度很慢，大约每九秒生成一个词，但该项目为在资源受限的硬件上运行LLM提供了一个概念验证。
-
Needle 2: 14MB 代理 LLM 针对低功耗硬件上的设备端 AI · 跟踪 4 个来源
Cactus 发布了 Needle 2，这是一款紧凑型 14MB 代理 LLM，专为设备端 AI 应用而设计。该模型拥有 4500 万个参数，压缩至 2 位精度，可在智能手机、可穿戴设备和微控制器等低功耗硬件上高效运行，仅需 28MB RAM。Needle 2 在工具调用和结构化提取任务方面表现出竞争力，可与更大的模型相媲美，同时消耗的功耗和内存却显著减少。该模型在 Apache 2.0 许可下开源，权重可在 Hugging Face…
-
新款“Token Monitor”在桌面设备上显示AI使用情况
Fractal Manifold已为其“Token Monitor”启动了一项Kickstarter众筹活动，这是一款4英寸的显示屏，旨在显示AI编码助手的实时使用情况。该设备早鸟价为99欧元，将估算令牌消耗、会话限制以及令牌刷新前的时间。它通过查询PC上运行的本地代理来工作，该代理处理API交互和日志分析，确保敏感的认证信息保留在用户的计算机上。
-
新研究探索 LLM 代理的无 token 记忆和低成本设备端 SLM
一篇新研究论文介绍了 Zero-Mem，一种 LLM 代理技术，无需额外 token 即可进行记忆操作。该方法旨在通过减少计算开销来提高 LLM 代理的效率。另外，一个小型语言模型 (SLM) 已在 8 美元的 ESP32-S3 微控制器上开发和训练，展示了以最低硬件成本进行设备端 AI 处理的潜力。
-
Espresso 故障排除 AI 在 ESP32-S3 微控制器上离线运行
一位开发者创建了“barista v0.1”，一个小型、离线问答模型，用于故障排除意式浓缩咖啡机，运行在 ESP32-S3 微控制器上。该模型利用逐层嵌入和非对称词汇来处理问题并生成答案，使用有限的输出令牌集。虽然这种方法减小了模型大小和计算需求，但也意味着模型无法物理输出某些字符，可能导致对不相关查询产生无意义的建议。
-
Cactus Compute 发布微型 4500 万参数 Needle 2 模型，适用于设备
Cactus Compute 发布了 Needle 2，这是一款紧凑型、拥有 4500 万参数的开源模型，专为工具调用、设备集成和结构化数据提取而设计。该模型体积小巧，仅需 28MB RAM，且可容纳在 14MB 的二进制文件中，使其能够运行在微控制器和各种消费类设备上。Needle 2 采用了 Simple Attention Network 架构，即使在 Raspberry Pi 5 等低功耗硬件上也能实现令人印象深刻的速度。
-
业余爱好者周末制作了 DIY Codex Micro 设备
一位业余爱好者利用一个 ESP32 S3 微控制器，在周末重现了 Codex Micro 设备的功能。这个 DIY 版本充当 USB 键盘，触发 Codex 应用程序中定义的快捷方式，例如批准或拒绝任务、发送消息、切换任务、调整推理级别旋钮以及一键通话功能。该项目包括一个 3D 打印外壳、手工接线组件和 RGB 照明，所有必要文件、固件和材料清单都可以在公共 GitHub 存储库中找到。
-
AI模型使用谷歌的嵌入技术在10美元的微控制器上运行
一位AI开发者成功在一款低成本的ESP32-S3微控制器上运行了一个拥有2890万参数的语言模型，鉴于该芯片内存有限，这曾被认为是不可能的壮举。这位开发者（代号为'slvDev'）利用了一种受谷歌Gemma启发的名为Per-Layer Embeddings的技术来管理模型的参数。该方法包括将模型量化为4位，并将大型嵌入表存储在较慢的闪存中，同时将核心推理权重保留在有限的快速RAM中。
-
AI 新闻汇总：Google 投资 SpaceX、Agent 工具及 AI 对学术界的影响 · 追踪 10 个来源
本周 AI 新闻汇总涵盖了广泛的主题，从重大的投资和基础设施发展，到实用的 AI Agent 工具，再到关于 AI 对学术界影响的哲学讨论。Google 对 SpaceX 的巨额投资凸显了 AI 资本支出与太空基础设施日益增长的交叉点。涌现了多种管理 AI Agent 会话和增强编码工作流程的新工具和方法，例如用于控制分布式 AI Agent 的 telepty 和用于创建代码感知维基的 CodeAlmanac。此外，该集群还涉及 A…
-
2890 万参数 LLM 在 8 美元微控制器上运行，使用 Google 的逐层嵌入技术 · 跟踪 4 个来源
一位开发者成功地在 8 美元的 ESP32-S3 微控制器上运行了一个拥有 2890 万参数的语言模型，实现了每秒约 9 个 token 的速度，无需云端依赖。这项边缘 AI 的重大进展利用了 Google 的逐层嵌入技术，允许模型的大部分参数驻留在慢速闪存中，同时将核心处理组件保留在芯片有限的 SRAM 中。该模型在 TinyStories 数据集上进行训练，能够生成简短、连贯的叙事，展示了低成本、离线生成式 AI 应用的新能力。
-
13M ASR Conformer 模型在低成本微控制器上运行
一位开发者成功地在低成本 ESP32-S3 微控制器上实现了一个拥有 1310 万参数的自动语音识别 (ASR) conformer 模型。通过蒸馏和量化，该模型被压缩到仅占用 14MB 的闪存和 256KB 的 SRAM，使其能够转录 8 秒的音频。尽管推理速度仍然较慢，但这比之前的尝试有了显著的进步，开发者提倡进行更多关于模型效率的研究，以使人工智能在经济实惠的硬件上更加普及。
-
AI助手Copilot助力基于微控制器的本地云应用服务器项目
一位用户描述了一个涉及Copilot和ESP32-S3微控制器创建本地云应用服务器的项目。目标是通过Wi-Fi将AI生成的Web应用程序共享到本地网络上的多台计算机。微控制器的作用是通过Wi-Fi将这些Web应用程序提供给本地PC，而不是运行应用程序本身。
-
紧凑型Nano-U地形分割模型增强了微型机器人导航
研究人员开发了Nano-U，一个专为低成本微控制器上高效地形分割而设计的紧凑型神经网络。该方法通过使用量化感知蒸馏来训练一个只有几千个参数的模型，解决了当前小型机器人平台模型的局限性。量化后的Nano-U模型在基准数据集上取得了强大的性能，并已成功部署在ESP32-S3微控制器上，使用了MicroFlow推理引擎，为资源受限的机器人的感知提供了可行的解决方案。
-
E-Ink 开发板重获新生，成为 60Hz Game Boy 模拟器
一位名叫 Wenting Zhang 的爱好者成功地将一款停产的 E-Ink 开发板改造成了一个功能齐全的 Game Boy 模拟器。这个项目被称为“Paper Boy S3”，使用了 ESP32-S3 微控制器和一个高分辨率的电子墨水显示屏，将双核芯片推向极限以实现 60Hz 的刷新率。虽然模拟器存在一些限制，例如声音不完美和依赖触摸屏控制，但它代表了一项重大的硬件黑客成就，尤其是在将电子墨水技术应用于游戏方面。
-
ESP32-S3 板提供经济实惠的广告屏蔽替代树莓派方案
作者正在寻找比树莓派板子更经济实惠的广告屏蔽替代品。他们发现了一款小巧的 ESP32-S3 板，能以更低的成本有效地实现这一目的。
-
开发者使用 Claude AI 构建开源硬件仪器
一位开发者利用 Claude AI 作为主要编程伙伴，构建了一个名为 BugBuster 的开源仪器。这个复杂的软硬件项目包括一个逻辑分析仪、SWD 探头和可调电源轨，Claude 在调试固件、开发线协议和创建基于 Web 的前端方面提供了帮助。虽然 Claude 在理解 RTOS 状态和管理多文件协议一致性方面表现出色，但在平台特定细节和重构建议方面需要监督。
-
TinyML 模型实现设备端心律失常检测
研究人员开发了 ArrythML，一种使用自编码器模型的设备端心律失常检测 TinyML 方法。这些 INT8 量化模型专为资源受限的嵌入式系统设计，可在 ESP32-S3 微控制器上处理超过 95,000 个 ECG 片段。性能最佳的模型尺寸为 180 KB，推理延迟为 9 毫秒，达到了 84% 的召回率和 79% 的 F1 分数，展示了低功耗、注重隐私的可穿戴系统的潜力。
-
Wi-Fi 黑客 USB 线缆 Hacknect 超越 Kickstarter 目标
一款名为 Hacknect 的新型 Wi-Fi USB 线缆已在 Kickstarter 上成功发布，集成了 ESP32-S3 微控制器和 microSD 存储。这款不起眼的设备可以通过 Web 浏览器界面远程执行负载、注入键盘操作并自动化鼠标操作。该项目面向创客和网络安全爱好者，是开源的，并计划于 8 月发货，但众筹存在风险。
-
全三元视觉Transformer实现微控制器的高压缩率
研究人员开发了FTerViT，一种全三元视觉Transformer，它压缩了所有权重矩阵和归一化参数。这种方法显著减小了模型的内存占用，使其更容易部署在资源受限的设备上，如微控制器。FTerViT在ImageNet上实现了具有竞争力的准确率，同时与标准的浮点模型相比提供了大幅压缩。
-
开发者使用 AI 在 ESP32-S3 上构建自定义 meme 显示板
一位个人开发者详细介绍了使用 ESP32-S3 微控制器构建“meme 显示板”的经历，并利用 AI 工具辅助嵌入式开发过程。该项目涉及集成 AI 辅助来简化该设备的创建，该设备可作为 meme 显示器。作者分享了他们在此类 AI 增强的嵌入式开发项目中的旅程和见解。