AI Agent的KVM众筹265万后，有人用ESP32-P4全开源复刻：自组还是买成品，先算这笔账

一、一条4分23秒的视频，把KVM变成了AI Agent的"手"

8月23日，B站出现了一条只有4分23秒的视频：作者把一台自制的黑色小盒子接到一台Linux主机上，然后让AI Agent Codex自己"看着屏幕、敲键盘动鼠标"，完成了一整串操作——登录系统、配置串口、安装curl、jq、JDK这些基础依赖，最后直接从Mojang官方清单下载Minecraft原版1.20.1，创建隔离用户和systemd服务，把服务器跑起来做启动验收，还顺手开放了局域网、让客户端连进来。视频简介里作者特意强调，装Minecraft这一段"完全没有使用任何预先准备的流程作为提示词，所有思路均由Codex提出并执行"。哔哩哔哩

视频里的这台小盒子叫ExoAnchor，是一套基于ESP32-P4加MS2109的完整开源IP-KVM方案，作者自己的定位，是"算是比较早一批使用MCU做完整KVM的方案"。哔哩哔哩发布4天，播放约1800，点赞344、收藏264——收藏几乎追着点赞跑，这是硬件区典型的"先码住、回头照着折腾"的数据形态。评论区虽然只有12条，但含金量不低：有人直接说自己已经做过一版P4 KVM，有人把乐鑫和嘉立创的官方账号@进了评论区。

二、风向不是"远控"，是"Agent的硬件入口"

ExoAnchor不是凭空冒出来的。最近半年，IP-KVM这个原本属于机房运维的小众品类，方向明显变了：从"人在远程操作机器"，转向"AI来操作机器"。声量最大的样本是矽速科技（Sipeed）的NanoKVM-Go：这台45×40×15mm的开源KVM在Kickstarter众筹超过265万元人民币，官方资料排在第一位的卖点，就是"加入了 MCP 支持，让 AI Agent 可以获取屏幕信息并执行操作"。知乎

再往上一档，Go+（也就是NanoKVM-Go Pro版）干脆把AX620QE的3.2TOPS NPU用满，做纯离线本地OCR和机内结构化记忆整理，再把记忆和KVM操作能力封装成MCP开放给Agent。知乎

成品侧同样在跟进：NanoKVM Pro是PCIe挡板形态，集成12.8TOPS NPU，支持4K采集与环出、延迟低至60ms，可以跑NanoKVM或PiKVM双系统，主打"内置AI Agent，支持自然语言自动化控制电脑"。今日头条

钱和产业也在往这个方向投票。有媒体引用的市场预测认为，全球KVM over IP市场将从2024年的2.46亿美元增至2031年的3.68亿美元。知乎芯片侧也在配合：爱芯元智的社区半年总结里，NanoKVM-GO被列入"进一步降低了开发者上手门槛"的AI硬件清单。今日头条

三、拆解ExoAnchor：视频是门面，串口才是主菜

硬件构成很克制：双核RISC-V单片机ESP32-P4，配一颗MS2109采集芯片，把目标机的HDMI画面变成USB摄像头信号，同时模拟键盘鼠标，画面、键鼠、供电走几根线就齐了，外壳可以直接3D打印。它没有独立显卡那种编码能力，作者选择的路线也很明确：视频流只负责"看见"，重活交给串口。

开源范围是它真正的看点。项目从原理图、PCB工程到源代码从0到1全部公开，硬件工程同步放在立创开源平台，后续的CSI摄像头版本也计划开源。下图是它的PCIe原型板，RJ45网口、双USB和 PCIe金手指都在一块板子上，是很标准的参考设计做法。

四个Demo的编排，其实暴露了作者的技术路线。Demo1让Agent看画面自动登录；Demo2让Agent识别真实串口设备、配置serial-getty，然后从UART独立读到登录提示，完成从"视觉操作"到"终端通道"的切换；后面的装软件、建Minecraft服务器，全部走UART。为什么从屏幕退到串口？作者说得很直白：“对于大部分命令行系统，Video Input本身就是救急和首次安装才会使用”，因为设备用Linux通过UART串口输出终端，已经可以满足大部分情况下的使用。哔哩哔哩画面流解决"知道机器现在什么状态"，串口解决"真正把活干完"，两者效率完全不是一个量级——这也是它和"远程桌面替代品"的本质区别。

四、冷水要先泼：作者自己都承认的坑

第一个坑是带宽。作者没有回避：这个方案最大的瓶颈就是P4性能和网络带宽有限，“MS2109输出RGB会受USB2.0HS带宽影响”，直出MJPEG导致码率变大、对网络要求高，遇到极端复杂的画面还会掉帧。哔哩哔哩翻译一下：它做不到成品方案那种H.264硬编码的流畅度，高码率MJPEG本身就是取舍，复杂画面掉帧是已知代价。

第二个坑是成熟度。固件仍在开发中，作者明确要求复刻前先咨询本人；演示里用到的内置Agent Runtime也还没做完，与DS harness的兼容性测试还要再补。换句话说，视频展示的是"方向上的完成态"，不是"日常的稳定态"，现在下手等于参与共建，不是开箱即用。

第三个坑藏在芯片版本里。ESP32-P4有x和non-x两个版本，外围略有差异，对应的ESP-IDF版本也不同，买错版本或者固件不对应，烧录环节就会先给你上一课。这不是纸面警告，B站已经专门有烧录教程在讲这个事故场景：“最新固件默认适配新版芯片（v3.x）目前市售为v1.3版本”，一步设置没做对就报错。哔哩哔哩现在入手板子，烧录前务必先核对手上芯片的版本。

好消息是，ESP32-P4的板卡生态已经在成形。今年3月以来，各家厂商的开发板接连上市：微雪推出了3.5英寸触屏的ESP32-P4视觉开发板，官方描述是一款"微雪(Waveshare)设计的基于ESP32-P4芯片的双核加单核RISC-V高性能开发板"。哔哩哔哩鱼鹰光电做了P4+C6双核模组板，启明云端把板子做到33×69mm，还有人把Quake原生移植到P4板上、无显卡跑出1024×600显示。复刻ExoAnchor不需要自己画板，选现成核心板或开发板的门槛已经不高。

即便如此，评论区的质疑仍然值得听。一位自称做过P4 KVM的开发者留言说，自己也做了一版，却没想到使用场景：设备本身没法跑p2p，只能局域网用，或者还要再搭一个设备做透传，“好像不如市面产品”。哔哩哔哩这两句基本都戳在ExoAnchor的现状上：目前没有原生P2P内网穿透，外网访问要自己搭桥；买了或做了之后"拿它干什么"，确实需要每个用户自己想清楚。

作者的回应则把方向说得更明白了。他说不打算走frp透传那套方案，因为"设计的时候就打算带着CUA深度结合"，最终想做到的是"通过qq wx自然语言交流就让agent通过kvm，ssh，uart串口自主完成某项任务"，目前Linux侧没什么问题，Windows也可以开发第三方软件通过UART和系统交互。哔哩哔哩也就是说，这个项目从第一天起就不是奔着"远程桌面平替"去的，它想做的是Agent的物理执行层。

五、四条路线一笔账：自组还是买，先看你要什么

PiKVM这条路线，先要算的不是钱而是时间：需自备树莓派主板、SD卡、电源等全套配件，“整体拥有成本未必低于成品方案”。知乎它的真正价值在别处：社区文档和插件生态是目前所有方案里最厚的，遇到任何问题基本都有现成答案。

预算再往下压，社区还有更硬核的玩法：有人总结为"再加点钱都可以PiKVM了"，而会折腾的话，“用玩客云之类的玩意儿可以更便宜”。知乎不过这两种自组路线本质都是用时间换钱，不适合想开箱即用的人。

反过来，如果需求只是"服务器救急、进BIOS、远程装系统"，其实不必为Agent概念买单：这类需求成熟成品早就覆盖了，贝锐向日葵的无网远控IPKVM在京东、天猫等主流电商平台的销量份额已经达到66.1%。知乎而ExoAnchor的真正价值也不是省钱——JetKVM也开源、NanoKVM Pro也内置Agent，但它们都没开源从原理图到固件的完整参考设计：采集走哪颗芯片、键鼠模拟怎么实现、Agent接口留在哪里，想一眼看明白、还能上手改，目前只有这一条路。

六、直接建议，和三个值得盯的信号

分三类人说。想这个月就用上Agent远控的，直接选NanoKVM-Go或JetKVM——NanoKVM-Go官方资料把它定位为"可以作为 CUA（Computer Use Agent）的硬件入口"，买它等于为这个方向投了成品票。知乎有嵌入式和串口基础、想从底层看懂并改造的，去跟ExoAnchor的仓库，先咨询作者再动手，把它当学习项目而不是现成工具。只是围观的，先别急着买料，下面三个信号决定跟进节奏。

信号一：乐鑫的产能动作。8月4日乐鑫在机构调研中披露，“ESP32-P4已进入市场推广和销售爬坡阶段”。今日头条对自组党来说，这意味着板卡供货和价格会继续稳定，复刻的物料成本还有下行空间。

信号二：版本切换。同期还有另一条公告：ESP32-P4系列芯片已全面升级至v3.2 X版本，“此次更新涉及底层硬件调整与开发环境适配”。今日头条新旧版本会共存一段时间，下单前问清版本、烧录前核对固件，能省掉大量排错时间。

信号三：作者的TODO清单就是项目里程碑——CSI摄像头版本开源、内置Agent Runtime补齐、DS harness兼容性测试、Windows侧UART交互开发。每勾掉一项，这条路线的自组风险就降一档；等CSI版和Agent Runtime都落地，再评估"要不要从围观转自组"也不迟。

KVM过去是"机房运维的最后手段"，现在正在变成"AI的手"。这条4分23秒的视频和它12条评论，是眼下对"Agent接管电脑之后，第一步到底从哪来"这个问题最具体的回答之一。值得追更，值得等，也值得在动手前先把这笔账算清楚。