MCU程式語言比一比：MicroPython vs. CircuitPython

Posted By owenou on 7 月 21, 2025 in CircuitPython, MicroPython, 技術導讀 | 0 comments

作者：歐敏銓

MicroPython 以其精簡和高效著稱，適合資源有限的設備，而 CircuitPython 則由 Adafruit 開發，強調易用性，並內建了對多種感測器和週邊設備的支援，是初學者的理想選擇，最終的選擇取決於專案需求和個人偏好。本文將介紹廣受歡迎MicroPython 和 CircuitPython，比較這兩種基於Python程式語言的特點、差異定位和適用領域。

主要區別是什麼？

在微控制器程式設計中，MicroPython 與 CircuitPython 是兩種流行的選擇，旨在易於使用並提供大量功能。它們之間的主要區別可以歸納如下：

1. 開發與設計理念：

MicroPython：由 Damien P. George 開發，是一種精簡且高效的 Python 程式語言實作以其小巧的佔用空間 (small footprint) 和低開銷 (low overhead) 而聞名，目標是支援多種微控制器並具備高度靈活性。
CircuitPython：由 Adafruit 公司基於 MicroPython 開發的另一種流行的微控制器 Python 實作，設計上更強調易用、友善新手、教育應用以及自家硬體的即插即用。

2. 編輯檔案及上傳方式：

MicroPython：多用 REPL 互動或透過專屬 IDE（如 Thonny）傳送程式碼，需串口或網路傳輸。
CircuitPython：裝置插上電腦直接變成 U 盤（USB Mass Storage），可以像U盤一樣拖拉 .py 檔案，且每次儲存自動重啟執行，極適合新手。

3. 標準函式庫與 API 差異：

MicroPython：提供很多接近底層的類別和函式（如 machine、utime、network等），更靈活，對專案遷移較友善。
CircuitPython：把底層做了封裝（如 busio、digitalio、microcontroller等），API風格更統一、出錯提示更明確，但部分低層控制權被屏蔽（為簡化新手開發）。

4. 文件資源與社群：

MicroPython：全球用戶眾多，論壇、教學、範例豐富，支援廣泛硬體與自訂方案。

CircuitPython：由 Adafruit 官方推廣，文件教學完善，新手友善，但社群與第三方中文資源相對較少，多著重於 Adafruit 生態系。

5. 適用場景：

MicroPython：是資源受限設備的絕佳選擇，因為它注重效率。它支援廣泛的微控制器，包括來自流行製造商的產品。它也適合需要多平台支援、進階硬體控制、客製化功能的開發者和工程專案。
CircuitPython：極適合教學、入門者、原型開發，以及需要快速搭建 Adafruit 周邊的應用場合。

6. 其他差異：

代碼相容性：雖然 CircuitPython 基於 MicroPython，但兩者 API 存在差異，程式移植時有時需手動修改。

內建功能與周邊支援：CircuitPython 提供大量內建功能，包括支援廣泛的感測器和周邊設備。這一點使其在初學階段或需要快速整合多種硬體時更具優勢。

對 AI / ML 的支援性比較

MicroPython 與 CircuitPython 在人工智慧（AI）與機器學習（ML）方面的支援各有不同，主要差異反映於設計目標及生態系的定位。MicroPython 被視為嵌入式開發的強大工具，它以接近原生 Python 語法為基礎，經過高度剪裁以適合微控制器的資源限制。這使得 MicroPython 可支援即時交互式開發與測試，方便開發者快速構建物聯網感測設備與簡單的機器學習原型。

社群上已有像 uTensor 這類輕量級 AI 框架成功移植到 MicroPython，能執行基本的感應器數據分析與推論。藉由 Arduino 推出的 MicroPython 套件安裝工具，也進一步簡化在 Arduino 平台上使用，促進 AI/ML 應用的快速開發。不過，MicroPython 在運算效率上仍有限，不適合執行複雜或大規模神經網路，主要適用於基礎感測與邏輯判斷。

source

相較之下，CircuitPython 則是由 Adafruit 透過 MicroPython 分支打造，強調使用者的易用性與快速原型開發。它內建了 ulab 這套模擬 NumPy 的數值運算庫，提供基本線性代數計算能力，適合進行簡單的機器學習模型操作和推論。CircuitPython 在教學與硬體互動方面表現傑出，尤其適合入門者和教育環境中進行輕量 AI/ML 的概念驗證。然而，由於其設計中抽象層較高和解譯器負擔較重，運算效率相較 MicroPython 較低，不適合低延遲或效能要求高的專案。

在硬體加速方面，無論 MicroPython 還是 CircuitPython，都只能處理簡易且已經訓練完成的小型模型，無法直接訓練大型深度神經網路。MCU 的算力限制使得這兩者通常通過在 PC 端進行訓練，然後部署推論模型於裝置上。未來若要在 MCU 上執行更複雜的 AI，可能需搭配專門的神經網路加速硬體（如 NPU）或採用多核心設計才能實現。

總體而言，MicroPython 在 AI/ML 支援上偏向靈活性與更高效能，適合需要更多硬體控制與快速迭代的嵌入式人工智慧開發；CircuitPython 則以更簡單易用且完善的使用者體驗為主，適合教育教學與初階機器學習推論。選擇時應視專案對效能需求與開發便利性的平衡而定。

小結

整體來說，MicroPython 更像是一個注重核心效率和資源優化的版本，適合對資源有嚴格要求或希望深入控制硬體的進階使用者。而 CircuitPython 則更注重開箱即用、簡化操作的體驗，為初學者提供了一個更容易入門的平台，並且內建了對多種硬體的高度支援。

您可以將 MicroPython 想像成一台輕量級的賽車，它被設計成在資源有限的賽道上跑得最快、最有效率，適用於那些對性能和資源利用有嚴格要求的「賽道」裝置。而 CircuitPython 則更像是一輛配備了自動變速箱和許多便利功能的家庭轎車，它讓駕駛變得非常簡單和直接，即使是新手也能輕鬆上路，適用於那些希望快速、方便地實現功能的「日常代步」微控制器裝置。