1. 从硬纸板到智能硬件：这个套件到底在玩什么
第一次看到“用硬纸板打造智能硬件”这个说法，我脑子里蹦出来的画面是小时候手工课上用鞋盒做的小房子。但仔细琢磨了一下谷歌这个AIY套件（Artificial Intelligence Yourself），发现事情没那么简单——它本质上是在用最低的硬件门槛，让你亲手摸到人工智能的完整链路。核心逻辑就一句话：把AI的算力交给树莓派，把AI的交互交给纸板结构，把AI的“灵魂”交给云端或本地模型。
这个套件最早推出过两个版本，一个是Vision Kit（视觉套件），一个是Voice Kit（语音套件）。Vision Kit里最经典的就是那个纸板相机盒子，里面塞一块树莓派Zero W、一个Pi Camera模块，外加一个按钮和几根杜邦线。你把它组装起来，烧录官方镜像，开机就能做图像识别——比如识别你手里拿的是苹果还是香蕉，或者做一个“智能门铃”，有人经过就拍照并语音播报。Voice Kit则是一个纸板音箱外壳，配一个麦克风阵列板（Voice HAT），能实现语音唤醒、语音命令控制。听起来好像没什么了不起，但你要知道，这套东西把“人工智能”从屏幕里的抽象概念，变成了你桌面上一个能看、能听、能说话的实体。
为什么值得关注？因为绝大多数人学AI的路径是：装Python、配环境、跑MNIST手写数字识别、然后卡在“我训练了个模型但不知道能干嘛”。AIY套件的价值在于它把“感知-推理-执行”这个闭环压缩到了一个周末就能跑通的尺度。你不需要懂反向传播，不需要调参，甚至不需要写多少代码，就能让一个纸板盒子认出你比的手势。这对于想入门嵌入式AI、想给孩子做STEM教育、或者单纯想找个周末项目折腾的开发者来说，是一个非常友好的切入点。
适合谁来参考？三类人：第一类是有树莓派但吃灰很久的，这个套件能让你重新找到折腾的理由；第二类是做创客教育或亲子活动的，纸板+树莓派的组合成本低、安全性高、成就感强；第三类是想理解AI硬件产品原型怎么搭的工程师，AIY套件的架构设计其实很值得借鉴——它把复杂的AI流水线拆成了可替换的模块，你完全可以基于它做二次开发。
2. 核心硬件选型与纸板结构的工程逻辑
2.1 为什么是树莓派而不是Arduino或ESP32
这个问题我被问过很多次。Arduino和ESP32便宜、省电、实时性好，但它们跑不动神经网络。树莓派本质上是一台完整的Linux电脑，有CPU、GPU、内存、USB、HDMI，能跑TensorFlow Lite、OpenCV、Python。AIY套件里的视觉识别用的是MobileNet SSD这类轻量级模型，在树莓派Zero W上大概能做到每秒几帧的推理速度，虽然不快，但做demo完全够用。如果你用树莓派4B或5，速度会流畅很多，甚至能跑YOLOv5的量化版本。
树莓派的另一个优势是生态。你遇到问题，搜“树莓派 摄像头 配置”能出来几万条结果；你搜“某国产开发板 摄像头 配置”，可能只有几十条。AIY套件官方提供了完整的SD卡镜像，烧录后开机即用，省去了装系统、配驱动、装依赖的繁琐过程。对于新手来说，这个“开箱即用”的体验至关重要——很多人放弃一个项目，不是因为难，而是因为前30分钟就卡住了。
2.2 纸板外壳不是偷懒，是刻意设计
很多人觉得纸板外壳太简陋，像个半成品。但从产品设计角度看，纸板有三个不可替代的优势：成本极低、加工极快、修改极容易。你不需要3D打印机，不需要激光切割机，一把美工刀、一把热熔胶枪就能搞定。而且纸板不导电、不屏蔽信号、重量轻，对于原型验证阶段来说，它比任何塑料或金属外壳都合适。
更重要的是，纸板外壳传递了一个信号：这个项目的重点不在外观，在功能。它鼓励你拆开、剪开、重新粘合，而不是小心翼翼地供着。我见过太多人买了一个精致的开发板套件，因为怕弄坏，一直放在盒子里没动过。纸板消除了这种心理负担——剪坏了再找一块快递盒就行。
2.3 关键组件清单与选型建议
以Vision Kit为例，核心组件包括：
| 组件 | 型号建议 | 作用 | 注意事项 |
|---|---|---|---|
| 主控板 | 树莓派Zero W / 4B / 5 | 运行AI模型和系统 | Zero W够用但慢，4B以上体验更好 |
| 摄像头 | Pi Camera v2 或 v3 | 图像采集 | 注意排线方向，接反会烧 |
| 存储卡 | 16GB以上Class 10 | 烧录系统 | 建议32GB，镜像+模型占空间 |
| 电源 | 5V 2.5A Micro USB / Type-C | 供电 | 供电不足会导致摄像头识别失败 |
| 按钮 | 轻触开关 | 触发拍照 | 接GPIO，注意上拉电阻 |
| 纸板 | 快递盒即可 | 结构支撑 | 厚度1.5-2mm最佳 |
如果你用的是树莓派5，注意它的引脚定义和4B有所不同，供电接口也换成了Type-C，需要5V 5A的电源。摄像头接口变成了两个mini HDMI旁边的窄口，需要买对应的排线。这些细节在采购时一定要确认清楚，否则买回来插不上会很尴尬。
3. 从零搭建：系统烧录到第一个AI应用的完整流程
3.1 系统镜像的选择与烧录
AIY套件官方提供了预配置的镜像，基于Raspberry Pi OS Lite，已经装好了Python、TensorFlow Lite、OpenCV、AIY库。你可以直接从AIY官网下载，也可以用Raspberry Pi Imager选择“AIY Vision Kit”或“AIY Voice Kit”选项。如果官方镜像下载慢，也可以自己装Raspberry Pi OS，然后手动安装AIY库，但那样会多花至少一个小时。
烧录步骤：
- 下载Raspberry Pi Imager，安装到电脑。
- 插入SD卡，选择“Choose OS” -> “AIY Vision Kit”镜像。
- 选择SD卡，点击“Write”，等待完成。
- 烧录完成后，在boot分区新建一个空文件命名为
ssh，再新建一个wpa_supplicant.conf填入WiFi信息，这样开机就能自动连网。
注意：如果你用的是树莓派Zero W，烧录后第一次开机可能需要等3-5分钟才能连上WiFi，因为Zero W的CPU比较慢，启动服务多。别急着拔电，耐心等。
3.2 组装纸板外壳与连接硬件
Vision Kit的纸板外壳组装大概需要20分钟。官方提供了切割好的纸板，你只需要按折痕折叠，用胶水或双面胶固定。关键步骤是摄像头的位置——它必须正对前方，且不能被纸板边缘遮挡。我建议先用胶带临时固定，测试识别效果后再用热熔胶永久固定。
接线部分：
- 摄像头排线插入树莓派的CSI接口，注意金属触点朝向HDMI口方向（Zero W）或朝向USB口方向（4B）。
- 按钮一端接GPIO 23，另一端接GND，使用内部上拉电阻。
- 如果用的是Voice HAT，直接插在GPIO排针上即可，注意对齐引脚1。
实操心得：树莓派的GPIO引脚很脆弱，插拔杜邦线时一定要断电。我见过有人带电插拔，结果GPIO烧了，整个板子报废。另外，纸板外壳的按钮孔位可能偏小，用美工刀稍微扩一下，别硬塞。
3.3 第一个AI应用：物体识别
开机后，通过SSH登录树莓派，默认用户名pi，密码raspberry。进入AIY示例目录：
cd ~/AIY-projects-python/src/examples/vision python3 object_detection.py这个脚本会启动摄像头，实时识别画面中的物体，并在终端打印标签和置信度。第一次运行会加载模型，大概需要10-20秒。识别效果取决于光照和物体与摄像头的距离，官方模型支持90类常见物体（人、猫、狗、杯子、手机等）。
如果你想做一个“智能门铃”，可以修改脚本，让按钮按下时拍照并保存，同时用语音播报识别结果。代码逻辑大概是：
from aiy.vision.inference import CameraInference from aiy.vision.models import object_detection from aiy.board import Board def main(): with Board() as board: with CameraInference(object_detection.model()) as inference: for result in inference.run(): objects = object_detection.get_objects(result) if objects: board.led.state = Board.LED_ON print(objects) else: board.led.state = Board.LED_OFF这段代码用到了AIY的Board库来控制LED，用CameraInference来跑模型。你可以在此基础上加一个按钮回调，按下时保存图片并调用语音合成播报。
4. 进阶玩法：从Demo到可用项目的跨越
4.1 自定义模型训练与部署
官方模型只有90类，如果你想识别特定物体（比如识别你家猫和狗的区别），就需要自己训练模型。流程是：收集数据 -> 标注 -> 训练 -> 转换为TensorFlow Lite -> 部署到树莓派。
数据收集可以用树莓派摄像头拍几百张照片，然后用LabelImg标注。训练可以在Colab上做，用MobileNet V2做迁移学习，大概半小时能跑完。转换TFLite时注意量化，把浮点模型转成int8，体积缩小4倍，速度提升2-3倍。部署时把.tflite文件和标签文件放到指定目录，修改AIY的模型加载路径即可。
踩过的坑：树莓派Zero W的内存只有512MB，加载大模型会OOM。建议模型大小控制在10MB以内，输入分辨率用224x224或更小。如果识别精度不够，优先增加数据量和多样性，而不是换更大的模型。
4.2 语音套件的鹦鹉学舌模式
Voice Kit有一个很有趣的功能叫“鹦鹉学舌”——它录下你说的话，然后用TTS（文本转语音）重复出来。这个功能看似无聊，但其实是理解语音交互链路的最好方式：麦克风阵列采集 -> 降噪 -> 语音识别（STT） -> 文本处理 -> 语音合成（TTS） -> 扬声器播放。
你可以基于这个做很多扩展：比如做一个“语音控制灯”，说“开灯”就点亮GPIO上的LED；或者做一个“语音备忘录”，说“记录：明天买牛奶”，就保存到文本文件。关键是理解AIY的语音API：
from aiy.voice import tts from aiy.voice.audio import record_file tts.say('你好，我是你的智能助手') record_file('/tmp/test.wav', 5) # 录5秒4.3 树莓派5上的性能提升与兼容性
如果你用树莓派5跑AIY套件，会发现性能提升明显——物体识别从每秒3帧提升到15帧以上，语音识别响应也更快。但树莓派5的引脚定义和4B不同，AIY的Voice HAT可能插不上，需要转接线或自己飞线。另外，树莓派5默认没有Micro USB供电，需要Type-C 5V 5A电源，否则摄像头和外设可能供电不足。
我实测下来，树莓派5跑YOLOv5n的量化模型，输入320x320，能跑到20FPS左右，做实时目标检测完全够用。但发热也明显，建议加散热片或小风扇。树莓派5的风扇接口是专用的4针，和树莓派4的3针不同，买风扇时注意型号。
5. 常见问题排查与避坑指南
5.1 摄像头识别失败或画面全黑
这是最常见的问题。排查顺序：
- 检查排线是否插紧，金属触点方向是否正确。
- 运行
vcgencmd get_camera，如果返回supported=0 detected=0，说明摄像头没被识别。 - 检查
/boot/config.txt是否启用了摄像头：start_x=1和gpu_mem=128。 - 如果是树莓派5，摄像头接口变了，需要用
libcamera而不是raspistill。
独家技巧：树莓派Zero W的CSI接口很紧，排线插进去后要轻轻拉一下确认卡住。我遇到过排线看起来插好了但实际没接触的情况，折腾了一小时才发现。
5.2 语音识别延迟高或识别不准
Voice Kit的麦克风阵列对环境和距离敏感。建议：
- 在安静环境下使用，远离风扇、空调等噪声源。
- 说话距离麦克风30cm以内，语速适中。
- 如果识别率低，可以调整
voicehat.py里的voice_recognizer参数，增加speech_context。
5.3 系统卡顿或SD卡损坏
树莓派的SD卡是消耗品，频繁读写容易坏。建议：
- 用Class 10以上的品牌卡，容量32GB足够。
- 开启
overlayfs或log2ram减少写入。 - 定期备份镜像，卡坏了直接换。
5.4 常见问题速查表
| 现象 | 可能原因 | 解决方法 |
|---|---|---|
| 开机无显示 | 电源不足 | 换5V 2.5A以上电源 |
| WiFi连不上 | 配置文件格式错误 | 检查wpa_supplicant.conf缩进 |
| 摄像头报错 | 排线接反 | 断电重新插，金属触点朝向正确 |
| 语音无响应 | 麦克风未初始化 | 运行arecord -l检查设备 |
| 模型加载失败 | 内存不足 | 换更小模型或增加swap |
6. 这个套件真正教会我的事
折腾AIY套件的过程中，我最大的收获不是学会了某个API，而是理解了AI硬件产品的原型验证逻辑。你不需要一开始就追求完美的外壳、最快的芯片、最准的模型。先用纸板和树莓派把功能跑通，验证核心交互是否成立，然后再逐步优化。这个思路适用于任何硬件项目——先做出来，再做好。
另一个体会是，纸板外壳其实是一种“邀请”。它不完美，所以你敢动手改。我后来用快递盒给Voice Kit做了一个带提手的便携外壳，用热熔胶粘了一个充电宝，变成了一个可以拎着走的语音助手。虽然丑，但能用，而且每次用都会想起自己剪纸板的那天下午。
如果你手里正好有一块吃灰的树莓派，我建议你别急着买新配件，先翻翻家里的快递盒和旧充电器，说不定就能凑出一套AIY套件。最坏的结果是浪费一个周末，最好的结果是你会对“人工智能”这四个字有完全不同的理解——它不再是新闻里的名词，而是你桌上那个会认东西、会说话的纸板盒子。
