# 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。直接 int8 量化精度掉了超过 3...

## 推荐理由

这篇文章把 AI 协作管线塞进一块 ESP32-CAM 的全过程摊开了，从数据挖掘到模型压缩都有具体数字，不是空谈。但个人项目的气质让它对从业者的冲击力有限，刚好卡在 featured 门槛上。

## 锐评

这篇博客讲了一个挺实在的端侧部署案例。作者让GPT-5.6 SOL主导，从监控录像里自动挖数据、训模型，最后把一个约90万参数的MobileNetV4塞进了ESP32-CAM。整个过程AI跑了10小时，人只介入30分钟。

关键数字值得看：单次推理约200毫秒，比拍张照片（400毫秒）还快，发热也小，说明芯片扛得住。直接int8量化精度掉了超过30%，换成LSQ这种“量化时边训边适应”的方法后，精度损失压到了8个百分点。这个对比很直观，量化方案选错代价很大。

但文章有个明显缺口：没给长期真实环境下的准确率，只说还在收集数据。车库门场景会面临光照变化、阴影、门半开等干扰，实验室几百张测试图跑得好不等于挂上墙后不翻车。另外，整个流程依赖GPT-5.6 SOL的自动化能力，如果换其他模型或自己写pipeline，这30分钟的开发时间可能得翻几倍。