硬件套件
本节介绍 TinyML 课程精选的四款硬件平台。每个平台代表了嵌入式计算能力光谱上的不同位置，从超低功耗微控制器到功能齐全的边缘计算机，充分体现了功耗、算力与开发复杂度之间的工程权衡。
这些平台广泛应用于实际商业场景，确保通过本课程获得的技能能够直接迁移到真实的嵌入式系统开发中。
重点推荐平台
XIAOML Kit 是我们最新引入的教育硬件平台（2025 年 7 月 31 日发布）。它为 ML 系统学习提供了完整的 TinyML 开发环境，集成无线连接、摄像头、多种传感器及丰富文档。该小巧开发板充分展示了现代嵌入式系统如何在低成本框架下高效实现先进的机器学习能力。
系统要求与前置条件
在选择硬件平台前，请确保你的开发环境满足以下要求：
开发电脑要求：
- 操作系统：Windows 10/11、macOS 10.15+ 或 Linux（Ubuntu 18.04+）
- 内存：至少 8GB（Raspberry Pi 开发建议 16GB）
- 存储空间：至少 10GB 可用空间用于开发工具和库
- USB 接口：至少一个 USB 2.0/3.0 接口
- 网络连接：需联网以安装软件和下载库
软件依赖：
- Arduino IDE 2.0+（适用于 Arduino 平台）
- Python 3.8+（适用于 Raspberry Pi）
- Git（版本管理与示例代码获取）
- 文本编辑器/IDE（如 VS Code、PyCharm 等）
硬件配件：
- USB-C 或 Micro-USB 数据线（需支持数据传输）
- SD 卡（Raspberry Pi 推荐 32GB+ Class 10）
- 各平台适配电源
- 摄像头模块（大多数套件已包含或可单独购买）
硬件平台概览
本课程精选四大平台，覆盖嵌入式计算能力的全谱系。表 1 展示了各平台的工程权衡与学习侧重点。
| 平台 | 主要学习方向 | 价格 | 功耗特性 | 最佳应用场景 |
|---|---|---|---|---|
| XIAOML Kit | IoT 与无线 ML | $15-50 | 低功耗 | 成本敏感型部署 |
| Arduino Nicla | 超低功耗设计 | $120 | 超低功耗 | 电池供电设备 |
| Grove Vision AI | 硬件加速 | $30 | 中等 | 工业级应用 |
| Raspberry Pi | 完整 ML 框架 | $60-150 | 高功耗 | 高级边缘计算 |
平台对比
表 2 对四个平台的关键技术参数进行了详细对比。
| 参数 | XIAOML Kit | Raspberry Pi | Arduino Nicla | Grove Vision AI V2 |
|---|---|---|---|---|
| 价格区间（美元） | $15-50 | $60-150 | $120 | $30 |
| 功耗 | 低 | 高 | 超低 | 中等 |
| 算力 | 中等 | 极高 | 低 | 高（NPU） |
| 内存容量 | 8MB | 1-16GB | 2MB | 16MB |
| 主要应用场景 | IoT 网络 | 边缘计算 | 电池设备 | 工业 AI |
| ML 框架 | TF Lite | TensorFlow, PyTorch | TensorFlow Lite | SenseCraft AI |
| 开发环境 | Arduino/PlatformIO | Python/Linux | Arduino IDE | 可视化/代码 |
平台选型指南
平台选择需结合具体学习目标和项目需求。表 3 为常见目标与平台适配关系。
| 学习目标/应用场景 | XIAOML Kit | Ras Pi | Arduino Nicla | Grove Vision AI V2 |
|---|---|---|---|---|
| 嵌入式系统基础 | ✓ | 有限 | ✓ | ✓ |
| 无线连接 | ✓ | ✓ | ✓ | |
| 超低功耗设计 | ✓ | |||
| 完整 ML 框架 | ✓ | |||
| 硬件加速 | ✓ | |||
| 实时视觉 | 有限 | ✓ | ✓ | ✓ |
| 边缘 - 云集成 | ✓ | ✓ | ✓ | |
| 生产级部署 | ✓ | ✓ | ✓ |
硬件平台规格
本节详细介绍各平台的技术规格，包括处理器架构、内存体系、传感器能力及开发工具链要求。
XIAOML Kit (Seeed Studio)
最佳应用：IoT 与无线 ML
XIAOML Kit 擅长无线连接与成本敏感型部署，非常适合学习 IoT 传感网络、远程监控系统及无线 ML 推理。XIAO ESP32S3 代表超小型、无线能力强的 IoT 微控制器，“XIAO”意为“小”，板载尺寸仅 21×17.5mm。
处理器架构： ESP32-S3 双核 Xtensa LX7，主频 240MHz
内存体系： 8MB PSRAM + 8MB Flash
连接能力： WiFi 802.11 b/g/n，蓝牙 5.0
集成传感器： OV2640 摄像头、数字麦克风、6 轴 IMU
供电特性： 3.3V 工作，支持多种低功耗模式
开发环境： 支持 Arduino IDE、PlatformIO，丰富的 C/C++ 库，进阶可用 ESP-IDF
应用方向： IoT 传感网络、远程监控、无线 ML 推理、成本敏感型部署
Arduino Nicla Vision
最佳应用：超低功耗设计
Arduino Nicla Vision 针对电池供电与常开感知场景优化，适合学习超低功耗设计、图像分类与目标检测等应用。该平台基于 STM32H7 微控制器，展示了专业级嵌入式视觉系统如何在极端资源约束下实现复杂 ML 推理。
处理器架构： STM32H747 双核 ARM Cortex-M7/M4，主频 480MHz
内存体系： 2MB RAM + 16MB Flash
集成传感器： GC2145 摄像头、MP34DT05 数字麦克风、6 轴 IMU
供电特性： 3.3V，专为电池供电优化
开发环境： 支持 Arduino IDE、OpenMV IDE，内置视觉库，支持 MicroPython 快速原型开发及 C/C++ 生产部署
应用方向： 电池供电设备、图像分类、目标检测、常开感知
Grove Vision AI V2
最佳应用：硬件加速
Grove Vision AI V2 配备专用神经网络处理器（NPU），大幅提升推理性能。适合学习工业检测、实时视频分析及高阶目标检测等场景，充分体验 NPU 加速的优势。
处理器架构： ARM Cortex-M55 + Ethos-U55 NPU
内存体系： 16MB 外部存储
神经网络处理器： 专用 NPU 加速 ML 推理
摄像头接口： 标准 CSI，支持多种摄像头模块
音频输入： 板载数字麦克风
开发环境： SenseCraft AI 可视化编程平台，无代码开发，支持 Arduino IDE 进行自定义应用，兼容图形化与传统 C/C++ 工作流
应用方向： 工业检测、实时视频分析、高级目标检测、NPU 加速推理
Raspberry Pi（4/5 代及 Zero 2W）
最佳应用：完整 ML 框架
Raspberry Pi 兼具嵌入式与传统计算能力，提供完整 Linux 环境，适合学习边缘 AI 网关、高级视觉系统、语言模型部署及多模态 AI 应用。该平台展示了算力提升如何拓展 ML 应用边界。
处理器架构： ARM Cortex-A76（Pi 5）或 Cortex-A53（Zero 2W）
内存体系： 1-16GB DDR4（视型号而定）
存储： MicroSD 卡为主存储，支持 USB 3.0 扩展
连接能力： 千兆以太网、WiFi、蓝牙、多 USB 接口
摄像头接口： 专用 CSI + USB 摄像头支持
操作系统： 基于 Debian 的 Raspberry Pi OS（完整 Linux）
开发环境： 原生 Python、C/C++、JavaScript，apt/pip 包管理器，支持 TensorFlow、PyTorch、OpenCV 等主流 ML 库
应用方向： 边缘 AI 网关、高级视觉系统、语言模型部署、多模态 AI 应用
入门指南
如需购买本课程所用硬件套件，可通过以下官方渠道获取：
- Seeed Studio – XIAOML Kit 及 Grove Vision AI V2 模块
- Arduino Store – Nicla Vision
- Raspberry Pi Foundation – 官方板卡与套件
- DigiKey 、 Mouser 、 SparkFun — 其他元器件与套件分销商
请关注各渠道的教育优惠、套装组合及地区供货情况。大多数套件均有包含主板及基础配件的入门包可选。