新手做邊緣智慧專案 用這塊開發板快速上手！

本文深入探討了「集中式智慧」到「分散式智慧」的轉變，介紹了TinyML和本地離線AI的應用。文章重點介紹了DFRobot的行空板，以及Gravity離線語音辨識模組、二哈識圖視覺模組等硬體產品，展示如何透過這些硬體實現離線語音控制、陌生人辨識警報、手勢控制等本地AI應用。此外，文章強調了TinyML的易用性。

你敢信嗎？一架能精準辨識目標的無人機，飛到深山峽谷就突然 「變傻」—— 因為沒了網絡，雲端的 「超級大腦」 發不出指令，它連個小樹枝都躲不開。但另一架同款無人機，即使掉進訊號盲區，也能靈活繞過障礙，穩穩落地。

差別就在於：後者把 “大腦” 裝在了自己身上。

「AI共行，智超現在」系列第二集，DFRobot夏青（Rockets Xia）老師會帶著大家一同了解：「集中式智慧」與「分散式智慧」的差別，及一系列有趣的項目。

*******************************************************
主講嘉賓：

夏青（Rockets Xia），DFRobot資深工程師，蘑菇雲創客空間共同創辦人

夏青經常活躍於國內外創客社群。 2008年開始致力於推廣創客文化，促進創客運動在中國的發展，2010年與中國創客教父李大維等打造國內首個創客空間－新工場。 2013年在DFRobot和浦軟集團的支持下建置蘑菇雲創客空間。身為蘑菇雲創客空間共同創辦人，經常鼓勵和推動社區創客計畫的推進。身為DFRobot資深工程師，積極致力於推動人工智慧、物聯網等先進技術在創客及創客教育領域的落地與推廣。

*******************************************************

這兩年我們總說 AI，但多數時候想到的都是雲端數據中心 —— 像搜尋引擎、大語言模型這些 「集中式智慧」，全靠遠方的伺服器集群發力。 可一旦離開網路，這些智慧就成了 「紙上談兵」。 而今天要聊的 「分散式智慧」（也叫邊緣智慧），正在把 AI 從雲端 「拽」 到我們身邊。

當智慧從 “雲端” 走到 “身邊”

集中式智慧和分散式智慧，簡直像兩個性格迥異的 「助手」：

• 集中式智慧像個 「遠端專家」，啥都懂但依賴網路，反應慢半拍（比如需要聯網的語音助手）；
• 分散式智慧像個 「貼身保鏢」，不聯網也能幹活，反應快到毫秒級（比如離線就能識別手勢的智慧手錶）。

為什麼分散式智能這麼 「能幹」？ 關鍵在於它把 AI 模型 「縮水」 了 —— 這就是 TinyML 技術的功勞。 它能把原本需要伺服器才能跑的 AI 模型，壓縮到能在單片機上運行，功耗低到用紐扣電池就能撐幾個月。

給邊緣設備裝上 「聰明的大腦」

要要讓設備本地變智慧，得有兩個硬傢伙：「大腦」（主控晶元）和 「五官」（感測器）。

先說 「大腦」。 邊緣設備的晶片不能像伺服器晶元那樣 「耗電如喝水」，得在算力、功耗、體積間找到平衡。 比如 DFRobot 的行空板 K10 學習主機板，就藏著個 「小而強」 的核心 —— 樂鑫 ESP32-S3 晶片。 這顆晶元是個 「全能選手」，既能處理數據又能跑 AI 模型，關鍵是功耗極低。 更妙的是，行空板 K10 直接把螢幕、感測器、擴展介面全集成了，拿到手就能練 TinyML，新手也能快速上手。

它的 「姊妹款」 行空板 M10 則更側重 Python 程式設計，雖然配置各有側重，但都在踐行一個理念：讓 AI 從 「實驗室」 走到 「手心裡」。

再看 「五官」， 沒有感測器，AI 再聰明也 「看不見、聽不著」。 DFRobot 的感測器家族裡，藏著不少 「高手」：

• Gravity 離線語音辨識模組：不用聯網，喊一句 「開燈」 就能觸發開關。 它會提前 「記住」 你的指令特徵，聽到匹配的聲音就立刻回應，特別適合智慧家居和工業控制；
• SEN0305二哈識圖視覺模組：這可不是普通攝像頭。 按一下按鈕讓它 「看幾眼」 你的臉，它就能記住你，再見到時立刻認出 —— 全程本地運行，隱私安全感拉滿；
• Gravity 語音合成模組：能把文字變成自然語音，搭配語音辨識模組，就能讓設備跟你 “對話”，比如把識別到的物體名稱 “說” 給你聽。

3個小專案，看懂本地 AI 有多實用

光說不練假把式，這幾個用 DFRobot 硬體做的小專案，能讓你秒懂本地 AI 的魅力：

• 離線語音控設備：用Arduino UNO加離線語音模組，不用聯網，喊 「開風扇」 就轉，喊 「關燈」 就滅，延遲幾乎感覺不到；
• 陌生人識別報警：Arduino 接個攝像頭和蜂鳴器，讓二哈識圖 「記住」 家人的臉，陌生人出現就亮紅燈、響警報，看家護院很靠譜；
• 手勢控制 「魔法棒」：在行空板 K10 上裝個加速度感測器，畫個三角形，燈帶就變綠; 水準一揮，魔法帽就停下 —— 全靠本地 AI 實時判斷動作。

這些項目背後，藏著 TinyML 的 「魔法」：用 Edge Impulse 這類工具，普通人也能訓練模型，再把模型 「塞」 進單片機，不用寫複雜代碼也能玩 AI。

從依賴雲端的 「集中式智慧」，到遍佈身邊的 「分散式智慧」，AI 正在變得更普惠、更安全、更靈活。 而 DFRobot 的硬體，就像給想入門的人搭了座橋 —— 不管你是學生、創客還是開發者，都能親手摸到智慧的脈搏。

這是本系列的第二集，下一集我們會聊語音、圖像這些 「多模態交互」 有多奇妙。 關注我們，下期見～

相關產品資訊

小編的話

正如文章所介紹的，用「一塊教學板」的價格，把「算力+感知+軟體棧」一次性打包，以百元級成本解決了邊緣智慧開發中常見的環境搭建難、模型部署繁瑣和硬體碎片化三大痛點，為分散式智慧系統的快速原型開發和小批量部署提供了高效選擇，這正是DFRobot 行空板的核心價值！你覺得本地 AI 最適合用在什麼場景？您是否有使用DFRobot的開源硬體開發AI專案？您對相關開發有哪些經驗或疑問？歡迎到技術論壇留言，和DigiKey的朋友們一起分享交流！