Teniendo como objetivo principal la exploración de la eficiencia energética de microcontroladores que ejecutan modelos de aprendizaje automático, este manuscrito contrasta el rendimiento de dos tipos de microcontroladores de última generación, a saber, el ESP32 con un núcleo LX6 y el ESP32-S3 con un núcleo LX7, centrándose en el impacto de tecnologías de aceleración de procesos como la memoria caché y el vectorizado. La investigación emplea métodos experimentales, donde se ejecutan modelos de aprendizaje automático idénticos en ambos microcontroladores bajo diversas condiciones, prestando especial atención a la optimización de la caché y la utilización de instrucciones vectoriales. Los resultados indican una diferencia notable en la eficiencia energética entre los dos microcontroladores, vinculada directamente a sus respectivas capacidades de aceleración de procesos. El estudio concluye que, si bien ambos microcontroladores muestran eficacia en la ejecución de modelos de aprendizaje automático, el ESP32-S3 con un núcleo LX7 demuestra una superior eficiencia energética, atribuible a su conjunto avanzado de instrucciones vectoriales y al uso optimizado de la memoria caché. Estos hallazgos proporcionan valiosos conocimientos para el diseño de sistemas embebidos energéticamente eficientes que soporten el aprendizaje automático para una variedad de aplicaciones, incluyendo IoT y dispositivos portátiles, inteligencia ambiental y computación en el borde, y allanan el camino para futuras investigaciones en la optimización de modelos de aprendizaje automático para entornos embebidos de bajo consumo.