花 149 美元买支电子蜡烛，包装盒里不仅没有内置电池，连根供电的 USB-C 线都不送。卡片式微掌机 Arduboy 创始人 Kevin Bates 刚刚上架了新作 Digital Candle，机身就是一块 10×1 英寸的黑或白色裸露电路板，顶部排布 144 颗琥珀色 LED，底座焊着一颗 ESP32-S3 芯片，专门在本地跑一个 3545 个参数的微型神经网络来模拟烛火摇曳。它对标的从来不是几块钱的塑料假蜡烛，而是极客桌搭与开源硬件开发板，买之前得先分清自己要的是家居氛围还是赛博玩具。
普通人听到 AI 蜡烛，第一反应往往是联网调大模型 API 的智商税，但这支蜡烛的技术底牌刚好相反。它搭载的 ESP32-S3-WROOM-1 处理器在正常运行时直接关掉了无线电模块，不联网、不耗云端算力，板端跑的是一个用真实蜡烛视频训练出来的卷积解码器，带有 8 维潜空间，总计只有 3545 个参数。这个微型模型以 30 fps 的帧率实时生成动画，再通过 IS31FL3731 驱动芯片做 8 位 PWM 调光和 CIE 亮度校正，点亮顶部 9×16 网格、色温约 1900 K 的 LED 阵列，确保每一支蜡烛烧出来的火苗连续且永不重复。
物理机械与赛博点阵的路线分叉
把这支蜡烛放进仿真蜡烛的货架上对比，才能看清它到底贵在哪里、又妥协了什么。传统低端电子蜡烛靠伪随机数闪一颗灯泡，看久了眼晕；高端家居品牌 Luminara 走的是电磁机械路线，用磁铁驱动物理火焰薄片摆动，再打光上去，求的是以假乱真。Kevin Bates 彻底放弃了物理遮罩，直接把 144 颗贴片 LED 焊在裸板上，这决定了它近看就是一块像素屏，离真实烛火的柔和感隔着一层赛博朋克滤镜。
| 对比维度 | Digital Candle | Luminara 仿真蜡烛 | 廉价 LED 蜡烛 |
|---|---|---|---|
| 核心机制 | 3545 参数神经网络 + 144 颗 LED | 电磁铁驱动物理火焰片 + 灯光 | 定时器或伪随机数单灯闪烁 |
| 供电方式 | 5V USB-C 底座有线供电（无电池） | 内置电池无线摆放 | 纽扣电池或干电池 |
| 视觉形态 | 裸露黑白 PCB 板 + 9×16 像素网格 | 仿石蜡外壳 + 立体摇摆火苗 | 塑料外壳 + 单点光源 |
| 扩展能力 | 支持 USB-C 重编程（代码待开源） | 无，纯封闭消费品 | 无 |
最劝退普通家居买家的设计是供电方式。官方规格表里没有任何电池容量指标，它必须垂直插在附带的 5V USB-C 底座上才能亮，而且包装里连根数据线都没给。蜡烛最核心的直觉是随手端走、摆在餐桌中央，一旦栓上一根电源线，它就从生活日用品变成了固定机位的显示器外设。
杀鸡用牛刀的硬件溢价算盘
既然只是在 9×16 的低分辨率网格上画火苗，为什么非要动用神经网络？图形学里早就有柏林噪声（Perlin noise）或者元胞自动机这类轻量算法，几十行代码就能写出相当自然的火焰动画。我更在意的是这背后的商业定价锚点：2014 年 3 月，Kevin Bates 从一块 Arduino 电子名片原型起步做出 Arduboy，那台能玩几百款游戏的微掌机只卖 79 美元；如今一块只显示烛火的电路板却标到了 149 美元，足足贵了将近一倍。
算力过剩的时代，把算法塞进单片机是门手艺，把参数量写成溢价理由则是门生意。
古人讲买椟还珠，说的是楚人把木匣子装饰得珠光宝气，郑人便高价买下匣子、退回了里面的珍珠。放到今天的独立硬件圈，这笔账并没有算错。工业级微控制器产能充足、价格透明，光靠 ESP32-S3 和驱动芯片搭一块点阵板，在创客市场很难卖出高溢价；但套上 TinyML（微型机器学习）的叙事，把真实视频浓缩进 3545 个权重参数里，一块普通的开发板就摇身变成了生成式硬件艺术品。
这跟十九世纪末早期电力进家庭时的情形有几分神似，但不完全一样。当年爱迪生推白炽灯，不少昂贵的枝形吊灯特意做成煤气灯的火苗造型，用新技术去模仿旧媒介的视觉习惯；而 Digital Candle 并不打算骗过你的眼睛，它故意露出焊盘和走线，卖的恰恰是“用硅基神经网络解构碳基火焰”的那点极客虚荣心。
Kevin Bates 本人最近对 AI 工具的依赖度极高。他此前公开提到，自己花两个月时间用 Claude Code、ChatGPT 和 Gemini 生成了约 10 万行代码来搭建 Arduboy Cloud。从写云端架构到训微型卷积模型，AI 显著拉低了单兵开发者跨界做软硬件一体化的门槛，让他能迅速把脑洞变成高客单价的现货商品。
但这套溢价逻辑眼下还缺最后一块拼图。官方把“开源且支持重编程”当成重要卖点，宣称玩家可以把它刷成桌面时钟、通知屏幕，或者跑康威生命游戏（Conway's Game of Life），以此来稀释 149 美元的标价。可如果你现在点进它关联的 GitHub 仓库（bateske/DigitalCandle），会发现里面的固件、模型和开发工具全都挂着即将发布（will be published）的提示。
- 风险.在 GitHub 仓库真正放出固件源码与模型训练工具之前，这支蜡烛只是一件必须插线使用的封闭摆件；冲着二次开发和 TinyML 学习去掏这 149 美元的硬件玩家，不妨等代码落地后再掏钱包。
当大模型在云端卷向万亿参数时，Kevin Bates 证明了三千多个参数只要装对壳子，照样能在桌面上烧出 149 美元的身价。只是那根需要自备的 USB-C 线和空空如也的代码仓库，也在提醒每一个准备付款的极客：为概念买单之前，先看看手里的插座够不够用。