# 用 10 小时 AI 协作、30 分钟人工，在拇指大的单片机上跑神经网络识别车库门

> 原标题：10 Hours of AI Collaboration, 30 Mins of Dev Time: Running a Neural Network on a Thumb-Sized Microcontroller for Garage Door Recognition

- 来源：Computing Life · 鸭哥
- 发布时间：2026-08-02T05:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48400
- 原文：https://yage.ai/esp32-garage-door-ai-en.html

## 摘要

作者用 GPT-5.6 SOL 把一段监控录像变成了能在 ESP32-CAM 上跑的推理程序。AI 先用本地视觉大模型标了一小批种子数据，接着训练一个 ViT 从几十万帧里挖出车库门打开的罕见正样本，反复几轮凑齐了平衡的训练集。然后选了只有约 90 万参数的 MobileNetV4 做微调，单次推理约 200 毫秒。

## 推荐理由

作者用 GPT-5.6 SOL 把监控录像变成 ESP32-CAM 上的推理程序，完整走通数据挖掘、ViT 筛选与 MobileNetV4 微调，单次推理约 200 毫秒。

## 锐评

90 万参数的 MobileNetV4 在 ESP32-CAM 上跑 200 毫秒，这个量级才是端侧该有的样子。花时间的是数据那一段，几十万帧里挖车库门打开的正样本，还得靠 ViT 反复筛几轮才凑出平衡集，10 小时里大半都耗在这。模型和推理都是现成的，脏活全在数据挖掘上，这跟做 agent 的体感一样，prompt 和 scaffold 都好抄，难的是把长尾样本捞出来。个人项目做到这个程度已经挺能打，换个场景种子数据还得重来一遍。
