开源RK3588 AI Module7,并与Jetson Nano生态兼容的低功耗AI模块

RK3588 AI Module7 搭载瑞芯微 RK3588,提供强大的 64 位八核处理器,最高时钟速度为 2.4 GHz,6 TOPS NPU,并支持高达 32 GB 的内存。它与 Nvidia 的 Jetson Nano 接口兼容,具有升级和改进的 PCIe 连接。由于该模块的多功能性,它适用于边缘计算、云服务器、AI、VR/AR、区块链和智能 NVR 安全系统等应用,更不用说通用计算了。

AIM核心模块

  • CPU:瑞芯微 RK3588 四核 ARM Cortex-A76 + 四核 ARM Cortex-A55
  • 显卡:ARM Mali-G610 MP4
  • 内存:8 GB 或 32 GB LPDDR4x,2112 MHz
  • 存储:64 GB 或 128 GB eMMC 5.1 闪存
  • 视频编码:高达 8K@30 fps H.265 / H.264 250 MP/秒
  • 视频解码:高达 8K@60 fps H.265/VP9/AVS2,8K@30 fps H.264 AVC/MVC
  • USB 端口:1 个 USB 3.0、3 个 USB 2.0
  • 以太网:1x 10/100/1000 BASE-T
  • CSI 接口:12 通道 (4x2) MIPI CSI-2 D-PHY1.1 (18 Gbps)
  • I/O 接口:3 个 UART、2 个 SPI、2 个 I2S、4 个 I2C、多个 GPIO
  • PCIe:1x 1/2/4通道PCIe 3.0 & 1x 1通道PCIe 2.0
  • HDMI 输出:1 个 HDMI 2.1 / 1 个 eDP 1.4
  • DisplayPort 接口:1 个 DP 1.4a 1 个 DP 1.2
  • eDP/DP 接口:1 个 eDP 1.4 / 1 个 HDMI 2.1 输出
  • DSI 接口:1x DSI (1x2) 2x 同步
  • 操作系统支持:Debian、Ubuntu、Armbian、Linux 内核 5.10
  • 尺寸:69.6 x 45 毫米(2.74 英寸 x 1.77 英寸)
  • 外形尺寸:260 针边缘连接器,与 Nvidia Jetson Nano 兼容

AIM-IO 载板

AIM-IO 板是 AIM 模块的配套板,旨在帮助使用 AIM 模块的开发人员完成系统和嵌入式板卡开发。与 Jetson Nano 开发套件 (B01) 相比,AIM-IO 板的尺寸相同,但具有更广泛的扩展选项。与当前的 Jetson Nano 核心模块兼容。安装 RK3588 AI Module7 后,它将成为一款专为创客、学习者和开发人员设计的迷你 AI 计算机,能够在各种智能设备中快速实施机器学习技术。

  • USB 端口:4 个 USB 3.0 Type-A
  • 显示:1 个 DisplayPort,1 个 HDMI 输出
  • 网络:千兆以太网
  • GPIO:40 针扩展接头
  • 电源连接器:用于 5V 电源输入的 DC 桶形插孔,通过以太网供电 5 V
  • 扩展:M.2(E-key、PCIe/USB/SDIO/UART)、microSD
  • MIPI DSI:1 个 4 通道 MIPI DSI,最高 4K@60 fps (x4)
  • MIPI CSI0/1:2x 2 通道 MIPI CSI,每通道最大 2.5Gbps。
  • MIPI CSI2/3:1x 4 通道 MIPI CSI,每通道最大 2.5Gbps。
  • 固件:通过 USB Type-C 闪烁和设备模式
  • 尺寸:100 x 80 x 29 毫米(3.94 x 3.15 x 1.14 英寸)

解锁 NPU 性能

凭借其 Jetson Nano 风格的边缘连接器,RK3588 AI Module7 可以巧妙地融入现有的、广泛的载体和其他兼容配件生态系统。凭借其强大的 NPU,它非常适合密集型 ML/AI 任务。ArmSoM RK3588 AI Module7 的其他用例包括:

  • 需要高性能计算能力的本地服务器。
  • 需要以超低功耗运行的 HPC 集群节点。
  • 专为自定义处理任务而设计的紧凑型计算集群。
  • 高密度服务器集成非常适合部署 MLOps。
  • 大数据存储和处理,尤其是 3D 图形和 AI 应用程序。
  • 板载视频编码器和解码器使实时视频流成为可能。

性能比较

RK3588 AI Module7对比Jetson Nano优势比较明显。

RK3588 AI Module7在单核和多核的Geekbench跑分上与Raspberry pi 5 和Jetson Nano相比依然有优势。​

​开源

固件源和电路板原理图将在众筹活动期间提供。

相关推荐
Kenneth風车6 分钟前
【机器学习(五)】分类和回归任务-AdaBoost算法-Sentosa_DSML社区版
人工智能·算法·低代码·机器学习·数据分析
AI小白龙*9 分钟前
大模型团队招人(校招):阿里巴巴智能信息,2025届春招来了!
人工智能·langchain·大模型·llm·transformer
空指针异常Null_Point_Ex30 分钟前
大模型LLM之SpringAI:Web+AI(一)
人工智能·chatgpt·nlp
Alluxio1 小时前
选择Alluxio来解决AI模型训练场景数据访问的五大理由
大数据·人工智能·分布式·ai·语言模型
AIPaPerPass写论文1 小时前
写论文去哪个网站?2024最佳五款AI毕业论文学术网站
人工智能·深度学习·chatgpt·powerpoint·ai写作
唯创知音1 小时前
电子烟智能化创新体验:WTK6900P语音交互芯片方案,融合频谱计算、精准语音识别与流畅音频播报
人工智能·单片机·物联网·音视频·智能家居·语音识别
5pace1 小时前
PyTorch深度学习快速入门教程【土堆】基础知识篇
人工智能·pytorch·深度学习
aWty_2 小时前
机器学习--卷积神经网络(包括python实现)
人工智能·机器学习·cnn
wx7408513262 小时前
小琳AI课堂:大语言模型如何符合伦理限制
人工智能·语言模型·自然语言处理
5pace2 小时前
机器学习(西瓜书)第 14 章 概率图模型
人工智能·机器学习