小智怎么选硬件与配 BOM：三条路和一张清单
本文讲解原理与流程、引用关键片段并注明出处，版权归原作者，遵循其开源协议；一切以上游仓库最新版本为准。
| 器材 | 数量 | 参考 |
|---|---|---|
| ESP32-S3-BOX / BOX-3（开箱即用整机方案） | 1 | —整机方案，以商城标价为准 |
| 或 M5Stack Core / AtomS3R + 语音配件（模块化方案） | 1 | —模块化组合，以商城标价为准 |
| 或 ESP32-S3 开发板（自制方案，须带 PSRAM） | 1 | —以商城标价为准 |
| INMP441 I2S 数字麦克风模块（自制方案用） | 1 | —以商城标价为准 |
| MAX98357 I2S 功放模块 + 小喇叭（自制方案用） | 1 | —以商城标价为准 |
| 小屏（SSD1306 OLED 或 ST7789 LCD，可选） | 0-1 | —可选，以商城标价为准 |
价格随渠道波动，以购买页实时为准。
上一节小智是什么我们把"它是什么、为什么拆它"想清楚了。现在你手痒了，想真正下场。下场第一步不是刷代码，是先有块能跑它的板子。 这一节就干一件事：帮你把硬件选明白，把该买的东西列成一张能照着下单的清单——选错了，后面刷固件、接麦克风每一步都会加倍难受。
先说个让你松口气的前提：小智官方适配 70 多款开源硬件，你不用为它去找什么稀有型号。真正要你拿主意的，是走哪条路。
三条路：你到底想省时间还是想练手
给小智配硬件，摆在你面前的是三条路。它们不是"好中差"，而是对应三种不同的你——先看清自己是哪一种，再往下选。
第一条 · 买整机方案，开箱即用。 最省心的一条：直接买一块乐鑫官方的 ESP32-S3-BOX / BOX-3 这类整机开发套件。它出厂就把主控、麦克风阵列、喇叭、屏幕、外壳全焊好装好了——你拿到手，刷进小智固件就能对话，中间不用碰一根杜邦线。小智对这类主流盒子适配得最成熟，社区踩过的坑最多、文档最全。
代价是：贵一些，而且你学不到"怎么把麦克风接到主控"这一段——因为别人替你接好了。适合只想快点看到小智活过来、先建立成就感的人，也适合想把它当成品用、不打算深挖硬件的人。
第二条 · 买模块化方案，搭积木。 中间路线：M5Stack 这类模块化生态。主机（比如 Core 系列、AtomS3R）是一块，麦克风、喇叭、屏幕做成能磁吸或插拔的配件，你像搭积木一样按需拼。它比自制干净（没有飞线），又比整机灵活（能换配件、能加传感器往下扩）。
代价是配件生态有门槛，得先摸清哪块配哪块。适合想动手但不想焊、还想给项目留扩展余地的人。
第三条 · 面包板自制，从零攒。 最硬核也最长知识的一条：买一块光板 ESP32-S3 开发板，自己另配 INMP441 麦克风、MAX98357 功放加喇叭，用面包板和杜邦线一根根接起来。每一根线你都亲手接过，I2S 到底怎么走、哪个脚是时钟哪个脚是数据，你会刻进脑子里。
代价是最容易翻车：接错一根线、配错一个引脚，麦克风就一片噪声、喇叭就不出声，而你还不知道错在哪。适合已经跨过 L1、想把音频链路彻底搞懂的人——它是三条路里最像"真做硬件"的一条。
三条路不是让你选一次定终身，而是可以走完一条再走下一条。 最舒服的进阶节奏是：先用整机方案让小智活过来、尝到甜头，等你想搞懂"它凭什么能听会说"，再用自制方案把音频那段亲手接一遍。第一次就上自制、一堆线缠在一起又不出声，是新手最容易被劝退的坑。
核心器件：认清这几块，你就看懂了 BOM
不管走哪条路，小智这台机器的核心器件就那么几块。把每一块是干嘛的、为什么非它不可搞清楚，你再看任何一份 BOM 或任何一款支持板子，都能一眼看穿它的构成。
主控：ESP32-S3，别用低配芯片凑。 小智推荐用 ESP32-S3 当主控。原因很实在：唤醒词要在本地芯片上实时判断、音频要编码要流式收发，这些活儿吃算力也吃内存，S3 的双核和 AI 指令扩展扛得住。虽然小智也适配 C3、P4 等其它型号，但对第一次做的人，S3 是踩坑最少、社区样例最多的稳妥选择。选型的通盘权衡（S3 和别的型号怎么取舍、要不要屏、WiFi 还是 4G）在 L1 选板那节讲得更细，拿不准先去补一课。
PSRAM：这块是硬门槛，缺了直接卡死。 这是新手最容易忽略、也最致命的一条：你选的 S3 板子必须带 PSRAM。PSRAM 是片外扩展的运行内存——小智要缓存音频流、跑唤醒模型、维持网络长连接，芯片自带的那点内存根本不够用，没有 PSRAM 它会因为内存不足直接崩掉或反复重启。买板子时务必确认规格里写着带 PSRAM（常见是 8MB），别贪便宜买没 PSRAM 的版本，这是省不得的钱。
麦克风：INMP441，小智的"耳朵"。 自制方案里的收音器件，标配是 INMP441——一颗 I2S 接口的数字麦克风。为什么不用随手买的三脚模拟麦？因为模拟麦读出来全是噪声嗡嗡声，AI 根本听不清人话；INMP441 在芯片内部就把声音转成了干净的数字信号，沿三根线直接灌进主控。它的接线、引脚、为什么是它，INMP441 图鉴那页拆得很细，配它之前值得先读。整机和 M5 方案里，等价的数字麦已经替你焊好了。
功放加喇叭：MAX98357，小智的"嘴"。 光有喇叭不够——主控吐出的 I2S 数字音频信号很弱，直接接喇叭几乎没声。MAX98357 是一颗 I2S 数字功放：它一边收主控的数字音频，一边把信号放大到能推动小喇叭发声。所以自制方案里，喇叭前面得垫一块 MAX98357。整机和 M5 方案同样已经内置了功放。
屏：可选，不是必需。 小智能在屏上显示一张会变的表情，挺讨喜，但它不是让小智能听会说的必要件。没有屏，小智照样能唤醒、能对话——屏只负责"好看和有反馈"。所以第一次做，屏可以先不上，等对话链路跑通了再加也不迟，别让它拖累你上手。
这里的器件解读是帮你看懂选型逻辑，具体哪些板子、哪些麦克风被官方支持，一律以小智仓库的支持清单为准——上游会持续新增和调整适配，本页讲的是原理和思路，不是替代那份清单。买之前对着仓库最新的支持列表核一遍，最稳妥。
一张能照着下单的 BOM
把上面的器件落到三条路上，就是下面三份清单。价格我不写死具体数字——ESP32 类硬件的价格随渠道和批次浮动，写死了反而误导你，报价一律以你下单的商城标价为准，这里只给你"该买什么、大概什么档位"。
方案 A · 整机开箱（最省心）
- ESP32-S3-BOX / BOX-3 一块（主控、麦克风、喇叭、屏、外壳全含）。
- 就这一件。到手刷固件即可，无需另配。属于三条路里单价最高、但省下最多折腾时间的一档。
方案 B · M5 模块化（可扩展）
- M5Stack 主机一块（Core 系列或 AtomS3R 等，认准带 PSRAM 的 S3 型号）。
- 对应的语音配件（数字麦克风 + 功放喇叭模块）。
- 屏按需，很多主机自带。
- 单价中等，好处是往后想加传感器、换配件都方便。
方案 C · 面包板自制（最练手）
- ESP32-S3 开发板一块，务必带 PSRAM（认准 8MB PSRAM 字样）。
- INMP441 I2S 数字麦克风模块一个。
- MAX98357 I2S 功放模块一个，配一个小喇叭。
- 面包板、杜邦线若干。
- 屏可选（SSD1306 OLED 或 ST7789 LCD）。
- 单价最低，但要自己接线，翻车成本也最高。
BOM 里最贵的坑，往往不是漏买件，而是买错件。 两个高频翻车点：一是买了没 PSRAM 的 S3 板，刷进去反复重启还查不出原因；二是自制时省掉 MAX98357 直接把喇叭接主控，结果喇叭不响或声音极小。下单前对着清单逐条核，尤其把"带 PSRAM""带功放"这两条圈出来重点确认，能帮你省下最冤枉的返工。
给新手最要紧的一句：先买现成的，别急着自制
如果这一节你只记一句话，记这句：第一次做小智，别自制，去买现成的整机或 M5 方案。
道理很简单。自制方案里，你要同时面对两件难事——硬件接线（麦克风、功放、主控的 I2S 线一根不能错）和软件环境（ESP-IDF 工具链、编译烧录，第一次刷固件本身就够折腾）。两件难事叠在一起，一旦不出声，你根本分不清是线接错了还是固件没刷对，排查起来两眼一抹黑，很多人就是卡在这里放弃的。
买现成的，等于先把"硬件接线"这道难关替你消掉了。你只需专心过"刷固件、连网、对话"这一关，先让小智活过来。有了一台能跑的实物当参照，你再回头走自制这条路，心里就有底了——接对了该是什么样、接错了对照着查也快。这也正是我们整套系列一贯的姿势：先求跑起来，再求懂透。
小结 · 下一步
这一节把选硬件讲完了，收束成三点：
- 三条路：整机开箱（最省心）、M5 模块化（可扩展）、面包板自制（最练手）——按"你想省时间还是想练手"来挑，也可以走完一条再走下一条。
- 核心器件：主控认 ESP32-S3 且必须带 PSRAM；自制方案里 INMP441 当耳朵、MAX98357 加喇叭当嘴；屏是可选，不影响能听会说。
- 一句忠告：新手第一台先买现成的，别急着自制——把硬件难关和软件难关拆开过，成功率高得多。
板子和料都备齐了，下一步：去刷固件那节，装好 ESP-IDF 工具链，把小智固件编译烧进板子，让它第一次开机、连网、出现在你眼前。选型上还想再吃透，回看 L1 选板 和 L1 阶梯；想细究那颗麦克风，翻 INMP441 图鉴；需要回到全局，随时看上一节。