2026 年，AI 和物联网的融合进入了一个新阶段。

不是 PPT 上的融合，而是真实发生在 GitHub 上的融合——大模型跑进了 ESP32，摄像头开始用 AI 识别人和车，边缘设备上的推理框架被 NVIDIA 开源，工业级 MQTT 消息服务器也在拥抱 AI。

这一年，有几个开源项目特别值得关注。不是因为它们最新，而是因为它们代表了 AI+IoT 这条路真正走通的方向。

01 大模型装进了 50 块钱的芯片

项目名字：xiaozhi-esp32
GitHub Stars：25k+
主语言：C / Python
地址：github.com/78/xiaozhi-esp32

2025 年初，这个项目在创客圈炸了。

一块 ESP32 开发板，加上麦克风和小喇叭，接入 DeepSeek 或通义千问的 API，就能实现流畅的多轮语音对话。整套硬件成本不超过 50 元，上线第一周涨了 1500 个 Star，随后持续爆发。

技术架构很清晰：

• • 语音唤醒用 ESP-SR 离线引擎，不依赖云端
• • 语音识别通过 WebSocket 连接 ASR 服务
• • 对话接入 DeepSeek、Qwen、豆包等主流大模型
• • TTS 语音合成后推送到本地喇叭播放

整个链路延迟控制在 1 秒以内，体验接近商业产品。

为什么值得关注？

它证明了一件事：大模型的端侧落地，不需要昂贵的 NPU 或 GPU。ESP32 这颗卖了十几年的廉价芯片，因为 AI 重新焕发生机。

对物联网从业者来说，这个项目的意义不只是"好玩"——它是一个完整的参考架构，展示了如何用最低成本把 LLM 能力嵌入嵌入式设备。

02 本地 AI 摄像头，数据不上云

项目名字：Frigate NVR
GitHub Stars：31k+
主语言：Python
地址：github.com/blakeblackshear/frigate

如果你家里有监控摄像头，Frigate 是目前开源方案里最值得部署的一个。

它是一套基于实时 AI 目标检测的开源 NVR（网络录像机）。所有视频分析都在本地完成，摄像头画面全程不上传云端。

核心能力：

• • 实时识别人、车、宠物、包裹等目标
• • 与 Home Assistant 深度集成，检测到人就触发自动化
• • 只在有目标出现时录制，大幅节省存储空间

为什么值得关注？

传统商业摄像头的 AI 功能依赖云端，数据安全存疑，还要按月付费。Frigate 把这套能力搬到了本地，用一台树莓派或 NUC 就能跑起来。

2025 年，随着 Coral 加速棒和低功耗 AI 芯片的普及，Frigate 的部署门槛进一步降低，社区活跃度持续攀升。这是 AI+IoT 里"隐私优先"方向的最佳实践之一。

03 全球下载超千万的物联网消息中枢

项目名字：EMQX
GitHub Stars：16k+
主语言：Erlang
地址：github.com/emqx/emqx

如果说前两个项目是"终端侧"的 AI+IoT，EMQX 代表的是"平台侧"。

EMQX 是目前全球下载量最大的开源 MQTT 消息服务器，也是博主经常介绍的国内优秀的开源项目了，不过目前开源版本，好像商业不是很友好。它支持单节点千万级并发连接。2025 年，它在 AI 方向做了重要升级——内置了与大模型的集成能力，让物联网数据流可以直接接入 AI 分析管道。

近期关键更新：

• • 内置规则引擎支持调用 LLM API，对设备数据做实时 AI 分析
• • 支持将传感器数据流直接推送到向量数据库，构建 RAG 应用
• • 新增 AI 异常检测模块，可对设备行为做实时预警
• • 与 Kafka、ClickHouse、TimescaleDB 等数据平台深度集成

为什么值得关注？

物联网的核心问题之一是：海量设备产生的数据，如何高效处理和利用？EMQX 给出的答案是：在消息层就做 AI 处理，而不是把数据搬到云端再分析。

这个思路——在数据流动的路径上嵌入 AI——是工业物联网和智慧城市场景的重要方向。

04 让廉价 WiFi 模块变成智能设备

项目名字：Tasmota
GitHub Stars：24.2k+
主语言：C++
地址：github.com/arendst/Tasmota

如果说前三个项目是"应用层"的 AI+IoT，Tasmota 是"固件层"的基础设施。

Tasmota 是一款为 ESP8266 和 ESP32 设计的开源替代固件。它把廉价的 WiFi 模块转换成功能完整的智能设备，支持 MQTT、HTTP、KNX 等多种通信协议，完全本地控制，无需依赖云端。

为什么它对 AI+IoT 这么重要？

• • xiaozhi-esp32 的硬件基础——很多人用 Tasmota 刷 ESP32，然后在上面跑 AI 应用
• • Frigate 摄像头系统的传感器网络——温湿度、门窗传感器都用 Tasmota 固件
• • EMQX 消息平台的数据源——Tasmota 设备通过 MQTT 把传感器数据推送到 EMQX

关键特性：

• • 易于配置的 WebUI，无需编程
• • OTA 无线升级，固件更新不用拆机
• • 定时器和规则驱动的自动化，支持条件判断
• • 支持 200+ 种传感器和设备
• • 完全本地运行，数据不上云

为什么值得关注？

Tasmota 代表了 IoT 硬件的一个重要方向：用开源固件替代厂商私有固件，让用户获得完全的控制权。

24.2k Stars 虽然不如 Ollama 那么耀眼，但在硬件开发者圈子里，Tasmota 的影响力是巨大的。它证明了一件事：廉价的 WiFi 芯片 + 开源固件 + 本地控制，足以支撑整个智能家居生态。

对物联网从业者来说，Tasmota 是最接近"硬件民主化"理想的开源项目。

05 用 Jetson Nano 做一个会"看"会"想"的机器人

项目名字：JetBot
GitHub Stars：3.2k+
主语言：Python / Jupyter Notebook
地址：github.com/NVIDIA-AI-IOT/jetbot

JetBot 是 NVIDIA 官方出品的教育型 AI 机器人开源项目，基于 Jetson Nano 开发板。

它的定位是"AI+IoT 的最佳入门项目"——不只是让机器人动起来，而是让它真正用 AI 来感知和决策。

能做什么：

• • 基于摄像头的实时目标跟踪和避障
• • 道路跟随（用神经网络学习如何沿线行驶）
• • 碰撞检测（用 AI 判断前方是否有障碍）
• • 支持 Jupyter Notebook 交互式开发，边改边看效果

为什么值得关注？

JetBot 的价值不只是"好玩"。它展示了一套完整的 AI+IoT 开发范式：传感器采集 → 边缘推理 → 实时控制。

这套范式，正是工业机器人、自动驾驶、智能仓储背后的核心逻辑。JetBot 把它压缩成了一个任何人都能上手的开源项目。

吴同学Bix

回顾这 5 个项目，可以看到 2026 年 AI+IoT 的几条清晰脉络：

端侧在觉醒。 ESP32 跑大模型、Jetson 做边缘推理，算力正在向设备端下沉。

隐私成为卖点。 Frigate 的本地 AI 摄像头、xiaozhi 的本地语音唤醒，"数据不出家门"正在成为用户的真实需求。

平台层在 AI 化。 EMQX 在消息层嵌入 AI，物联网数据的处理方式正在被重构。

大厂在补基础设施。 NVIDIA 开源 TensorRT Edge-LLM，边缘推理的工具链正在成熟。

这 5 个项目，覆盖了从终端到平台、从消费级到工业级的不同层次。如果你在做物联网相关的产品或研究，它们都值得深入研究。