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
学术头条15 分钟前
AI 的「phone use」竟是这样练成的,清华、智谱团队发布 AutoGLM 技术报告
人工智能·科技·深度学习·语言模型
准橙考典17 分钟前
怎么能更好的通过驾考呢?
人工智能·笔记·自动驾驶·汽车·学习方法
ai_xiaogui20 分钟前
AIStarter教程:快速学会卸载AI项目【AI项目管理平台】
人工智能·ai作画·语音识别·ai写作·ai软件
孙同学要努力24 分钟前
《深度学习》——深度学习基础知识(全连接神经网络)
人工智能·深度学习·神经网络
喵~来学编程啦1 小时前
【论文精读】LPT: Long-tailed prompt tuning for image classification
人工智能·深度学习·机器学习·计算机视觉·论文笔记
深圳市青牛科技实业有限公司1 小时前
【青牛科技】应用方案|D2587A高压大电流DC-DC
人工智能·科技·单片机·嵌入式硬件·机器人·安防监控
水豚AI课代表2 小时前
分析报告、调研报告、工作方案等的提示词
大数据·人工智能·学习·chatgpt·aigc
几两春秋梦_2 小时前
符号回归概念
人工智能·数据挖掘·回归
用户691581141653 小时前
Ascend Extension for PyTorch的源码解析
人工智能
用户691581141653 小时前
Ascend C的编程模型
人工智能