Shanghai Neardi Technology Co., Ltd.

Neardi Pi 4-3588: رهاسازی هوش فوق سریع 8K، توانمندسازی عصر جدید محاسبات لبه در سطح سازمانی

.gtr-container-q2w3e4 { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 16px; max-width: 100%; box-sizing: border-box; } .gtr-container-q2w3e4 p { margin: 0 0 16px 0; padding: 0; text-align: left; font-size: 14px; word-break: normal; overflow-wrap: normal; } .gtr-container-q2w3e4 .gtr-heading { font-size: 18px; font-weight: bold; margin: 24px 0 16px 0; color: #0056b3; } .gtr-container-q2w3e4 ul { list-style: none !important; margin: 0 0 16px 0; padding: 0; } .gtr-container-q2w3e4 ul li { position: relative; padding-left: 20px; margin-bottom: 12px; font-size: 14px; text-align: left; list-style: none !important; } .gtr-container-q2w3e4 ul li::before { content: "•" !important; position: absolute !important; left: 0 !important; color: #0056b3; font-size: 18px; line-height: 1; } .gtr-container-q2w3e4 ul li p { margin: 0; padding: 0; display: inline; list-style: none !important; } .gtr-container-q2w3e4 strong { font-weight: bold; } .gtr-container-q2w3e4 img { display: block; margin: 16px 0; height: auto; /* Per instructions, no max-width: 100% or width: auto; to preserve original width attribute */ /* This means images with width="800" will overflow on screens smaller than 800px */ } @media (min-width: 768px) { .gtr-container-q2w3e4 { padding: 24px; } .gtr-container-q2w3e4 .gtr-heading { margin: 32px 0 20px 0; } } در چشم انداز به سرعت در حال تکامل AIoT و محاسبات لبه ای امروز ، توسعه دهندگان و شرکت ها خواسته های بیشتری در مورد عملکرد ، ثبات و مقیاس پذیری سخت افزار اصلی دارند. The Neardi Pi 4-3588 development board makes its official debut — it is not only an open-source hardware platform but also a powerful engine for you to transform cutting-edge algorithms into mass-produced products. حداکثر عملکرد: معماری هشت هسته ای، قدرت پرچمدار Neardi Pi 4-3588 مجهز به تراشه پرچمدار Rockchip RK3588 است که یک فرآیند پیشرفته 8nm را اتخاذ می کند و عملکرد بالا را با کنترل مصرف انرژی شدید ترکیب می کند. پردازنده قوی: دارای یک معماری چهار هسته ای Cortex-A76 و چهار هسته ای Cortex-A55 big.LITTLE است که از تخصیص کار پویا برای مدیریت آسان سناریوهای کامپیوتری پیچیده پشتیبانی می کند. پردازش گرافیک سطح بالا: این یکپارچه سازی ARM Mali-G610 MP4 GPU ، پشتیبانی کامل از رابط های گرافیکی اصلی مانند OpenGL ES 3.2 و Vulkan 1.2، پاسخگویی به نیازهای کیفیت بصری با دقت بالا. افزایش قدرت محاسباتی هوش مصنوعی: دارای یک NPU یکپارچه با قدرت محاسباتی تا 6TOPS است ، پشتیبانی از عملیات مخلوط INT4 / INT8 / INT16 ، سرعت کامل نتیجه گیری مدل از چارچوب هایی مانند TensorFlow ، PyTorch و Caffe. جشن بصری: رمزگذاری و رمزگشایی 8K با صفحه نمایش نهایی Neardi Pi 4-3588 برای کاربردهای بصری طراحی شده است. این دستگاه از رمزگشایی سخت افزاری 8K@60fps H.265/VP9 و رمزگذاری 4K@60fps در ترکیب با پردازش HDR پشتیبانی می کند و کیفیت بصری سطح سینما را ارائه می دهد. اتصال چند صفحه: دارای خروجی HDMI داخلی است (حامی تا 8K@30fps یا 4K@120fps) و یک رابط MIPI-DSI را فراهم می کند که برنامه های نمایش چند صفحه ای را تسهیل می کند. خرید چند کانال: آن را با سه رابط دوربین MIPI-CSI مجهز می کند، که یک پایه سخت افزاری محکم برای بینایی ماشین و خیاط چند دوربین فراهم می کند. اتصال جامع: رابط های صنعتی غنی به عنوان یک پلت فرم "درجه سازمانی"، Neardi Pi 4-3588 در مقیاس پذیری سازش نمی کند و رابط هایی را ارائه می دهد که اکثریت قریب به اتفاق سناریوهای صنعتی را پوشش می دهد: ذخیره سازی با سرعت بالا: پشتیبانی از پروتکل خارجی NVMe M.2 Key M (SSD 2242) گسترش ذخیره سازی. ارتباطات شبکه ای کامل: دارای پورت های دو گیگابیت اترنت، دو باند وای فای 6، بلوتوث 5 است.4، و یک رابط PCIe کوچک برای پشتیبانی از ماژول های 4G/5G. پوشش کامل پروتکل صنعتی: دارای CAN FD ، RS485 ، UART ، I2C ، SPI و سایر رابط های ارتباطی رایج است که به راحتی با سنسورها و دستگاه های محیطی صنعتی مختلف متصل می شود. توسعه دهنده دوستانه: منبع باز کامل، تولید انبوه سریع ما به طور کامل اهمیت چرخه توسعه را درک می کنیم Neardi Pi 4-3588 نه تنها سخت افزار بلکه یک اکوسیستم نیز فراهم می کند: پشتیبانی چند سیستم: این به طور کامل با سیستم های اندروید، Buildroot، دیبیان و اوبونتو مطابقت دارد. کد منبع باز: به کاربران کد سیستم منبع باز، مستندات کامل ویکی، درایورهای هسته و ابزارهای درخشان را ارائه می دهد. حمایت جامع: Lindi Technology از مشاوره فنی تا توسعه سفارشی پشتیبانی عمیق ارائه می دهد و به شما کمک می کند تا چرخه را از نمونه اولیه تا تولید انبوه به طور قابل توجهی کوتاه کنید. کیفیت صنعتی: آن را ارائه می دهد درجه تجاری (-20 ° C ~ 75 ° C) و درجه صنعتی (-40 ° C ~ 85 ° C) نسخه برای پاسخگویی به الزامات عملکرد پایدار در محیط های خشن. طیف گسترده ای از سناریوهای کاربرد به لطف عملکرد بالا و قابلیت اطمینان، Neardi Pi 4-3588 به طور گسترده ای در: هوش مصنوعی و بینایی: تشخیص اشیاء، دید ماشینی، نظارت امنیتی. صفحه نمایش هوشمند: تبلت های هوشمند، صفحه نمایش های تجاری. صنعت و حمل و نقل: کنترل صنعتی، انرژی، ترمینال های داخل خودرو، لجستیک هوشمند. با تکیه بر عملکرد قدرتمند تراشه Rockchip RK3588 و تجربه عمیق صنعت Lindi Technology، عملکرد عالی از اصلاح هر جزئیات حاصل می شود؛تولید انبوه سریع از حمایت یک اکوسیستم بالغ و پایدار حاصل می شود. Neardi Pi 4-3588 حالا رسما در فروش است، با یک SDK کامل، اسناد فنی، و پشتیبانی فنی سطح متخصص آماده است.

تفسیر عمیق از گلوگاه 6TOPS RK3588 و حقیقت در مورد توان محاسباتی NPU

.gtr-container-7f3e9a { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 15px; box-sizing: border-box; overflow-wrap: break-word; word-break: normal; } .gtr-container-7f3e9a .gtr-heading-main { font-size: 18px; font-weight: bold; margin-top: 2em; margin-bottom: 1em; color: #0056b3; text-align: left; } .gtr-container-7f3e9a .gtr-heading-sub { font-size: 16px; font-weight: bold; margin-top: 1.5em; margin-bottom: 0.8em; color: #007bff; text-align: left; } .gtr-container-7f3e9a p { font-size: 14px; margin-bottom: 1em; text-align: left !important; } .gtr-container-7f3e9a strong { font-weight: bold; } .gtr-container-7f3e9a ul, .gtr-container-7f3e9a ol { list-style: none !important; padding-left: 25px; margin-bottom: 1em; } .gtr-container-7f3e9a li { position: relative; margin-bottom: 0.5em; font-size: 14px; text-align: left; list-style: none !important; } .gtr-container-7f3e9a ul li::before { content: "•" !important; position: absolute !important; left: 0 !important; color: #007bff; font-size: 1.2em; line-height: 1.6; } .gtr-container-7f3e9a ul ul li::before { content: "◦" !important; color: #007bff; } .gtr-container-7f3e9a ol { counter-reset: list-item; } .gtr-container-7f3e9a ol li { counter-increment: none; list-style: none !important; } .gtr-container-7f3e9a ol li::before { content: counter(list-item) "." !important; position: absolute !important; left: 0 !important; color: #007bff; width: 20px; text-align: right; margin-left: -25px; line-height: 1.6; } .gtr-container-7f3e9a img { margin-bottom: 1.5em; } @media (min-width: 768px) { .gtr-container-7f3e9a { max-width: 960px; margin: 0 auto; padding: 20px; } .gtr-container-7f3e9a .gtr-heading-main { font-size: 20px; } .gtr-container-7f3e9a .gtr-heading-sub { font-size: 18px; } } تصور کنید که شما در حال کار بر روی یک پروژه هوش مصنوعی با RK3588 هستید: جریان ویدئویی دوربین نیاز به انجام تشخیص چهره در زمان واقعی و تشخیص خودرو دارد، در حالی که از نمایش UI، آپلود داده،و پردازش منطق تجاریمتوجه می شوید: سقوط قاب زمانی رخ می دهد که اشیاء زیادی در قاب وجود داشته باشند، مدل های بزرگ به راحتی کار نمی کنند و دمای آن به شدت افزایش می یابد. در این مرحله، مردم معمولا می گویند: "مدل شما خیلی بزرگ است" 6TOPS RK3588 کافی نیست. " اما آیا این واقعاً کمبود قدرت محاسباتی است؟ آیا تا به حال تعجب کرده اید: چرا یک NPU 6TOPS هنوز هنگام اجرای یک مدل 4TOPS دچار کاهش فریم و تاخیر می شود؟پاسخ در سه ابعاد قدرت محاسباتی NPU نهفته است:حداکثر عملکرد (TOPS),دقت (INT8/FP16)وبهره وری (عرض باند). شما خواهید دید که تراشه های مختلف بر مشخصات NPU خود تأکید می کنند، با یک پارامتر اصلی که به وضوح نشان داده شده است: قدرت محاسباتی NPU: X TOPS. نمونه هایی از RK3588-6TOPS، RK3576-6TOPS،RK1820-20TOPS، Hi3403V100-10TOPS، Hi3519DV500-2.5TOPS، Jetson Orin Nano-20/40TOPS، Jetson Orin NX-70/100TOPS، و غیره... TOPS چیست؟ چرا همه در مورد آن صحبت می کنند؟ "ترا": نمایانگر 1012 است عملیات در ثانیه: به تعداد کل عملیات هوش مصنوعی اشاره دارد که NPU می تواند در یک ثانیه انجام دهد. به عبارت ساده، 1 TOPS به این معنی است که NPU می تواند 1 تریلیون (1012) عملیات در ثانیه را انجام دهد. TOPS چگونه محاسبه می شود؟ تعداد کل واحدهای MAC هسته محاسبات شبکه عصبی است در لایه های پیچیدگی و لایه های کاملا متصلمحاسبات اصلی شامل ضرب داده های ورودی با وزنه ها و سپس جمع آوری نتایج است. فلسفه طراحی یک NPU این است که دارای مجموعه ای بسیار بزرگ از واحدهای موازی MAC باشد. یک تراشه NPU ممکن است هزاران یا حتی ده ها هزار واحد MAC داشته باشد.که می تواند به طور همزمان کار کند تا به محاسبات موازی در مقیاس بزرگ برسد. هرچه واحدهای MAC بیشتر باشند، مقدار محاسباتی که NPU می تواند در یک چرخه ساعت انجام دهد بیشتر است. فرکانس ساعت: تعداد چرخه هایی را که تراشه NPU و واحدهای MAC آن در ثانیه کار می کنند تعیین می کند (در هرتز، هرتز اندازه گیری می شود).فرکانس بالاتر اجازه می دهد تا آرایه MAC برای انجام عملیات چند برابر بیشتر در هر واحد زمانهنگامی که تولید کنندگان TOPS را اعلام می کنند، از حداکثر فرکانس عملیاتی NPU استفاده می کنند (یعنی حداکثر فرکانس قابل دستیابی). عملیات در هر MAC: یک عملیات کامل MAC در واقع شامل یک ضرب و یک جمع است. برای هماهنگی با روش سنتی FLOPS (عملیات نقطه شناور در هر ثانیه) ،بسیاری از استانداردهای محاسباتی یک عملیات MAC را به عنوان 2 عملیات اساسی (1 برای ضرب و 1 برای جمع) حساب می کنند. فاکتور دقت: واحدهای MAC یک NPU برای پردازش داده های کم دقت (به عنوان مثال، INT8) بهینه شده اند. نسبت سرعت افزوده ساده INT8 در مقابل FP32: از آنجایی که 32 بیت / 8 بیت = 4 ، یک واحد FP32 واحد می تواند از نظر نظری 4 برابر بیشتر عملیات را در یک چرخه انجام دهد ، هنگامی که به محاسبات INT8 تغییر می کند.,اگر TOPS تولید کننده بر اساس INT8 محاسبه شود، باید با نسبت سرعت مرتبط با دقت ضرب شود. به همین دلیل TOPS INT8 بسیار بالاتر از TOPS FP32 است. TOPS حداکثر قدرت محاسباتی نظری را اندازه گیری می کند. در کاربردهای عملی، با توجه به عواملی مانند انتقال داده ها، محدودیت های حافظه و ساختار مدل،قدرت محاسباتی واقعی یک NPU اغلب کمتر از این مقدار اوج است. قدرت محاسباتی در مورد سرعت است؛ دقت در مورد "دقيق بودن" است. قدرت محاسباتی به ما می گوید که NPU چقدر سریع کار می کند، در حالی که دقت محاسباتی به ما می گوید که چقدر دقیق کار می کند. دقت یکی دیگر از ابعاد کلیدی عملکرد NPU است،تعیین تعداد بیت های مورد استفاده و محدوده نمایش داده ها در طول محاسبه. در همان سطح TOPS، سرعت محاسباتی واقعی INT8 بسیار سریعتر از FP32 است. این به این دلیل است که واحدهای MAC NPU می توانند داده های 8 بیتی را به طور همزمان پردازش کنند و عملیات بیشتری انجام دهند. NPU TOPS که توسط تولید کنندگان ادعا می شود معمولاً بر اساس دقت INT8 است. هنگام مقایسه، اطمینان حاصل کنید که TOPS را با همان دقت مقایسه می کنید. دقت بالا (معمولا برای آموزش استفاده می شود) FP32 (فقط دقیق شناور نقطه، 32 بیتی): بزرگترین محدوده عددی و دقت را ارائه می دهد. به طور معمول در پردازنده های سنتی GPU و PC استفاده می شود. مدل ها به طور معمول FP32 را در طول مرحله آموزش برای اطمینان از دقت اتخاذ می کنند. FP16/BF16 (نصف دقت نقطه شناور، 16-bit): حجم داده ها را به نصف کاهش می دهد در حالی که سطح خاصی از دقت را حفظ می کند، امکان محاسبه سریعتر و صرفه جویی در حافظه را فراهم می کند. دقت پایین (معمولا برای نتیجه گیری استفاده می شود) INT8 (8-bit Integer): در حال حاضر استاندارد صنعت برای ارزیابی عملکرد استنباط NPU های لبه.FP32) به اعداد صحیح 8 بیتی به نام کوانتیزاسیون. INT4 (بیت عرض پایین تر): دارای فشرده سازی بیشتر، مناسب برای سناریوهای با الزامات بسیار بالا برای مصرف برق و تاخیر، اما الزامات بیشتری را برای کنترل از دست دادن دقت مدل اعمال می کند. چگونه عملکرد واقعی یک NPU را درک کنیم؟ وقتی یک NPU را می بینید که ادعا می کند 20 TOPS (INT8) است، باید درک کنید: حداکثر قدرت محاسباتی 20 تریلیون عملیات در ثانیه است. این قدرت محاسباتی با دقت 8 بیتی (INT8) اندازه گیری می شود. این بدان معنی است که عمدتا برای نتیجه گیری هوش مصنوعی (مانند تشخیص تصویر، پردازش گفتار و غیره) استفاده می شود، نه آموزش. عملکرد نهایی به برنامه بستگی دارد: تجربه کاربر واقعی (مانند سرعت باز کردن قفل چهره، تاخیر ترجمه در زمان واقعی) نه تنها به TOPS NPU بلکه به: کیفیت کوانتوزاسیون مدل: اینکه آیا مدل INT8 کوانتوز شده دقت کافی را حفظ می کند. پهنای باند حافظه: سرعت ورودی و خروجی داده. مجموعه نرم افزاری و درایورها: سطح بهینه سازی زنجیره ابزار و درایورهای ارائه شده توسط سازنده تراشه برای استقرار مدل. قدرت محاسباتی NPU (TOPS) شاخص سرعت آن است، در حالی که دقت محاسباتی (به عنوان مثال، INT8) کلید کارایی و کاربرد آن است.تولید کنندگان به طور کلی با هدف به حداکثر رساندن INT8 TOPS در حالی که حفظ از دست دادن دقت قابل قبول، برای دستیابی به عملکرد نتیجه گیری هوش مصنوعی با قدرت کم و کارایی بالا.

نوآوری و پیشرفت تراشه های هوش مصنوعی داخلی: فرصت ها و چالش ها در عصر انتهای محوطه

.gtr-container-ai-insights-7f3d { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 16px; box-sizing: border-box; max-width: 100%; overflow-x: hidden; } .gtr-container-ai-insights-7f3d p { font-size: 14px; margin-bottom: 1em; text-align: left !important; word-break: normal; overflow-wrap: normal; } .gtr-container-ai-insights-7f3d .gtr-title-main { font-size: 18px; font-weight: bold; margin-top: 2em; margin-bottom: 1em; color: #0056b3; text-align: left; } .gtr-container-ai-insights-7f3d .gtr-title-sub { font-size: 16px; font-weight: bold; margin-top: 1.5em; margin-bottom: 0.8em; color: #0056b3; text-align: left; } .gtr-container-ai-insights-7f3d .gtr-image-wrapper-7f3d { margin: 2em 0; text-align: center; } .gtr-container-ai-insights-7f3d img { max-width: 100%; height: auto; display: block; margin-left: auto; margin-right: auto; } @media (min-width: 768px) { .gtr-container-ai-insights-7f3d { padding: 24px 40px; max-width: 960px; margin: 0 auto; } .gtr-container-ai-insights-7f3d p { margin-bottom: 1.2em; } .gtr-container-ai-insights-7f3d .gtr-title-main { font-size: 24px; margin-top: 2.5em; margin-bottom: 1.2em; } .gtr-container-ai-insights-7f3d .gtr-title-sub { font-size: 20px; margin-top: 2em; margin-bottom: 1em; } } پس از انفجار مدل های بزرگ هوش مصنوعی، محاسبات دیگر به ابر محدود نمی شوند؛ الگوریتم های هوشمندانه تر و هوشمندانه تر در حال حاضر به صورت محلی در دستگاه های لبه ای اجرا می شوند.دوربین های هوشمند شکل و رفتار انسان را تشخیص می دهند، ترمینال های داخل خودرو رانندگی را در زمان واقعی نظارت می کنند، دوربین های صنعتی نقص ها را به طور خودکار تشخیص می دهند و جاروبرقی های رباتیک اهداف را در حالت آفلاین شناسایی می کنند.و قوی ترین میدان نبرد جایگزین خانه، به فروشندگان SoC داخلی پنجره ای در پردازش چند رسانه ای و هوش مصنوعی می دهد. بازار هوش مصنوعی لبه: سریع ترین رشد و متراکم ترین میدان نبرد هوش مصنوعی به طور دقیق، بازار هوش مصنوعی لبه به بخش های ترمینال لبه و سرور لبه تقسیم می شود. سرورهای لبه بزرگ، گران قیمت و محاسبات بالا هستند و به پارک های هوشمند و گره های لبه کارخانه خدمت می کنند.ترمینال های لبه ای (که در این مقاله مورد توجه قرار می گیرند) دارای حجم جرم هستندآنها محیط را حس می کنند و فیلم / صدا را در محل پردازش می کنند، عملکردهای AI را ارائه می دهند و سخت افزار را تقویت می کنند. کدام دستگاه ها به عنوان ترمینال های لبه ای محسوب می شوند؟ دوربین های هوشمند (IPC، زنگ درب هوشمند، دوربین های داشبورد) ، دوربین های بینایی صنعتی و ترمینال های QC، ماژول های داخل خودرو (AVM، DMS، DVR، کمک ADAS) ،کیوسک های خرده فروشی خود سرویس، دستگاه های خانه هوشمند (اسپیکرها، جاروبرقی ها، کنترل دستگاه ها) و گره های لبه شهر هوشمند باید پردازش را به صورت محلی اجرا کنند. دو مسیر فنی برای تراشه های هوش مصنوعی لبه ای: ادغام SoC در مقابل شتاب دهنده AI جداگانه تراشه های هوش مصنوعی دو مسیر را دنبال می کنند: یک SoC با NPU ساخته شده برای هوش کامل کم هزینه و کم مصرف، یا یک شتاب دهنده هوش مصنوعی جداگانه که محاسبات را برای نتیجه گیری حرفه ای چند مدل و سنگین اضافه می کند. SoC (سیستم روی تراشه) یکپارچه سازی CPU، GPU، AI، ویدئو، صوتی و وسایل محیطی در یک قالب است. Rockchip RK3576 ، یک SoC AI کناری عمومی: CPU 8 هسته ای (4 × A72 + 4 × A53) ؛ 6-TOPS NPU (INT4/8/16 ، FP16) ؛ GPU Mali-G52؛ 8-K decode ، 4-K encode؛ چند MIPI-CSI برای چند دوربین ، چند صفحه نمایش (DSI),هدف ها تبلت های صنعتی، دوربین های هوش مصنوعی، DVR خودرو، دید روبات است. HiSilicon Hi3403V100 AI-ISP (بهبودی تصویر + بهینه سازی مشترک AI) را ترکیب می کند. یک SoC pro-vision با quad A55 ، 10-TOPS NPU که به شدت با ISP ادغام شده است. ISP با مشخصات بالا در پس زمینه و کم نور برجسته است.ورودی و خروجی ویدئویی چندگانه 4K· بهره وری بالا برای شناسایی و ردیابی. چگونگی تقسیم وظایف به طور کارآمد بین CPU، GPU، NPU و شتاب دهنده ی جداگانه ◄ پیش پردازش بر روی GPU/CPU، نتیجه گیری بر روی NPU/ شتاب دهنده، پس پردازش بر روی CPU ◄ چالش اصلی عملکرد است.از این رو شتاب دهنده های هوش مصنوعی متولد شدند.، اختصاص داده شده به استنتاج و به SoC اصلی از طریق PCIe متصل است. SoC برنامه ریزی سیستم، ویدیو، گرافیک، UI را مدیریت می کند؛ شتاب دهنده مدل ها را اجرا می کند و محاسبات هوش مصنوعی را تامین می کند. Rockchip RK1820، یک NPU coprocessor برای هوش مصنوعی لبه با عملکرد بالا، به عنوان مغز دوم عمل می کند. 20-TOPS NPU، اجرای مدل مستقل، INT8/16/FP16؛جفت با RK3576/3588 از طریق PCIe برای نتیجه گیری بالاتر. موقعیت گذاری تراشه هوش مصنوعی داخلی: با انتخاب مسیر درست برنده شوید، نه با جمع کردن مشخصات در هوش مصنوعی کناری، TOPS، هسته های CPU و گره های فرآیند اهمیت دارند، اما زنده ماندن به انتخاب مسیر درست بستگی دارد. راک چیپ: گسترده ترین نمونه کارها، قوی ترین اکوسیستم “پلتفرم عمومی چشم انداز-AI ” هدف راک چیپ سریع ترین چیپ نیست بلکه غنی ترین اکوسیستم است.نردبان محاسبات کامل: RV1103/1106 برای دوربین های سبک؛ RV1126/1109 برای پیش فرض امنیتی؛ RK3576 برای ترمینال های متوسط / بالا؛ RK3588 برای لبه پرچمدار؛ RK3688 برای هسته محاسبات پیشرفته نسل بعدی.این ماتریس پایه ی جهانی برای تجهیزات خانگی از IPC با قدرت کم تا دروازه های صنعتی است.، عینک های AR، روبات ها، جعبه های آموزشی، DMS/CMS خودرو.لبه تکنولوژی: چند رسانه ای متعادل + ISP + AI؛ کدک های قوی، ISP و زنجیره ابزار RKNN بالغ. استراتژی پوشش کامل صحنه است، نه یک نقطه پیشرفت. همه برنده: هوش مصنوعی بسیار سبک + اینترنت اشیا بسیار کم مصرف نه برای مدل های بزرگ بلکه برای دستگاه های بزرگ اینترنت اشیا و مصرف کنندگان.موقعیت: کم مصرف، حجم بالا، حساس به هزینه ها. بلندگوهای هوشمند (حمایت I2S / PDM / مایک غنی) ، دوربین های هوش مصنوعی لایت، کنترل دستگاه های کوچک، ترمینال های TTS / صوتی. V853/V831: SoC هوش مصنوعی فوق العاده سبک.سری R: کنترل MCU-SoC. همه برنده ها دنبال سناریوهای 10 میلیون واحد هستند، نه TOPS. املوژيک: پادشاه چند رسانه ای، هوش مصنوعی به عنوان پاداش رهبر جهانی در جعبه های OTT و SoC های تلویزیون هوشمندموقعیت: هاب رسانه های خانگی + دستگاه هوشمند مصرف کننده. هوش مصنوعی یک تقویت کننده است؛ نقاط قوت اصلی رمزگشایی ویدیو، HDR، همگام سازی A / V، اکوسیستم تلویزیون / OTT است. قوی در پروژکتورهای هوشمند، میله های کنفرانس،AIOهای سرگرمی خانگی. متخصص امنيت و چشم انداز تقریباً به طور انحصاری دوربین های نظارتی.موقعیت: SoC اختصاص داده شده به امنیت. نقاط قوت: ISP قوی، فشرده سازی قوی، کنترل دقیق هزینه ها، هماهنگی نزدیک با اکوسیستم های Hikvision / Dahua. پرچمداران: FH8856 ، FH8852.فولهن عميقي به يه مسير نظارتی بزرگ مي گرده، در ثبات و هزینه برنده می شود. اينجنيک: قدرت فوق العاده کم + هوش مصنوعی فوق العاده سبک مبتنی بر MIPS، پوشیدنی ها و خانه های هوشمند.موقعیت: دستگاه های هوشمند با وزن پر، بسته های کوچک. برنامه ها: زنگ درب هوشمند، IPC سبک، ساعت های بچه ها، گره های لبه کوچک. ویژگی ها: کمترین قدرت، ادغام بالا، اثر کوچک.سری AISoC برای نتیجه گیری بینایی نور. نیازهای واقعی هوش مصنوعی لبه ای: نه TOPS بیشتر، بلکه ️ متریکس رابط + مناسب سناریو ️ برای دو سال همه صحبت ها درباره TOPS3، 6، 12 بود، چون اگر اعداد بزرگتر به تراشه های بهتر معادل باشند. مهارت های اصلی هرگز TOPS خام نیستند؛ این "ماتریس رابط + تناسب سناریو" است. در دوربین های امنیتی، دوربین های صنعتی، زنگ های درب هوشمند، DMS / ADAS خودرو، آنچه مهم است: پورت های دوربین کافی؟ (MIPI-CSI، DVP) ، چند جریان ویدیویی؟ کد گذاری زمان واقعی؟ (H.264/H.265/8K/4K)کیفیت تنظیم ISPدر صنعت DTU، دروازه هوشمند، ربات، سناریوهای انرژی، دستگاه های محیطی TOPS را مغلوب می کنند: دو GbE / 2.5G / RGMII / SGMII، RS232 / 485 / CAN / UART، Wi-Fi / BT، ماژول های 4G / 5G، چند USB / SPI / I2C.در پانل های کنترل هوشمند، نمایشگرهای اتومبیل، AR / VR، POS هوشمند، تغییر اولویت به پورت های نمایش (MIPI-DSI، HDMI، eDP) ، پشتیبانی از چند صفحه نمایش، عملکرد UI (GPU / گرافیک) ، با هوش مصنوعی به عنوان دستیار، نه ستاره. کلمات کلیدی بازار خودرو: مقاومت در برابر شوک، نوسان ولتاژ، -40-85 °C، عمر eMMC، CSI چندگانه برای DMS/OMS/ADAS، تاخیر ویدیویی در سطح ms. هوش مصنوعی کناری بهترین مسیر برای تراشه های خانگی است؛ فرصت از انباشت TOPS نیست بلکه از دانستن صحنه و گرفتن تقاضا است.و دستگاه های خانگی مرحله ای خواهد بود که تراشه های داخلی خود را ثابت می کنند..

راهنمای جامع تکامل پروتکل Wi-Fi—به اوج عملکرد با Wi-Fi 6 برسید!

.gtr-container-w7x8y9 { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 20px; max-width: 100%; box-sizing: border-box; } .gtr-container-w7x8y9 p { font-size: 14px; margin-bottom: 1em; text-align: left !important; word-break: normal; overflow-wrap: normal; } .gtr-container-w7x8y9 .gtr-heading-main { font-size: 18px; font-weight: bold; color: #0056b3; margin-top: 2em; margin-bottom: 1em; text-align: left; } .gtr-container-w7x8y9 .gtr-heading-sub { font-size: 16px; font-weight: bold; color: #0056b3; margin-top: 1.5em; margin-bottom: 0.8em; text-align: left; } .gtr-container-w7x8y9 .gtr-protocol-item { margin-bottom: 1em; padding-left: 15px; position: relative; } .gtr-container-w7x8y9 .gtr-protocol-item::before { content: "•"; color: #0056b3; position: absolute; left: 0; font-size: 1.2em; line-height: 1; } .gtr-container-w7x8y9 .gtr-protocol-item strong { font-weight: bold; color: #333; font-size: 14px; } .gtr-container-w7x8y9 .gtr-tech-explanation { margin-bottom: 1.5em; } .gtr-container-w7x8y9 .gtr-tech-explanation strong { font-weight: bold; color: #333; font-size: 14px; display: block; margin-bottom: 0.5em; } .gtr-container-w7x8y9 .gtr-feature-block { margin-bottom: 1.5em; } .gtr-container-w7x8y9 .gtr-feature-block .gtr-feature-title { font-size: 14px; font-weight: bold; color: #333; margin-bottom: 0.5em; text-align: left; } .gtr-container-w7x8y9 .gtr-image-wrapper { margin-top: 2em; margin-bottom: 2em; text-align: center; } @media (min-width: 768px) { .gtr-container-w7x8y9 { padding: 30px 50px; } .gtr-container-w7x8y9 .gtr-heading-main { font-size: 20px; } .gtr-container-w7x8y9 .gtr-heading-sub { font-size: 18px; } } از اولین اتصالات شماره‌گیری تا عصر امروزی که همه چیز به هم متصل است، تلاش ما برای سرعت و پایداری هرگز متوقف نشده است. هر نوآوری در پروتکل Wi-Fi یک جهش بزرگ در زندگی هوشمند ما است. این پروتکل‌ها همگی از خانواده استانداردهای IEEE 802.11 منشا می‌گیرند و از 802.11b به Wi-Fi 4/5/6 امروزی تکامل یافته‌اند. توسعه اولیه و جهش‌های عملکردی: از 802.11b/g تا 802.11ax 802.11b – باند 2.4 گیگاهرتز، حداکثر سرعت 11 مگابیت بر ثانیه؛ پایه و اساس را بنا نهاد و Wi-Fi را به بازار انبوه آورد. 802.11a – باند 5 گیگاهرتز، حداکثر 54 مگابیت بر ثانیه؛ اولین بار از OFDM استفاده کرد، اما تجهیزات 5 گیگاهرتز کمیاب بود، بنابراین هرگز گسترش نیافت. 802.11g – باند 2.4 گیگاهرتز، حداکثر 54 مگابیت بر ثانیه؛ بهترین‌های هر دو را ادغام کرد—از OFDM در 2.4 گیگاهرتز برای سرعت بالاتر استفاده کرد در حالی که با 802.11b سازگار بود. 802.11n (Wi-Fi 4) – باندهای 2.4 و 5 گیگاهرتز، حداکثر 600 مگابیت بر ثانیه (4×4 MIMO، 40 مگاهرتز)؛ MIMO را معرفی کرد، از سد 100 مگابیت عبور کرد و پشتیبانی از دو باند را اضافه کرد. 802.11ac (Wi-Fi 5) – فقط باند 5 گیگاهرتز، حداکثر 6.9 گیگابیت بر ثانیه (8×8 MIMO، 160 مگاهرتز)؛ MU-MIMO (DL) را وارد کرد، کانال‌ها را گسترش داد و پهنای باند را افزایش داد. 802.11ax (Wi-Fi 6) – باندهای 2.4 و 5 گیگاهرتز، حداکثر 9.6 گیگابیت بر ثانیه (8×8 MIMO، 160 مگاهرتز، 1024-QAM)؛ راندمان بالا (ظرفیت)، تأخیر کم، مصرف کم انرژی و ضد تداخل قوی را ارائه می‌دهد. MIMO (802.11n): قبلاً داده‌ها از طریق یک کانال واحد منتقل می‌شدند. MIMO از آنتن‌های متعدد برای انتقال و دریافت داده‌ها به طور همزمان استفاده می‌کند و امکان انتقال موازی چند کاناله را فراهم می‌کند و سرعت و پوشش داده‌ها را به طور قابل توجهی افزایش می‌دهد. MU-MIMO (DL) (802.11ac): برای اولین بار، به روتر اجازه می‌دهد تا داده‌ها را به چندین دستگاه ترمینال به طور همزمان (downlink) ارسال کند و به طور موثر راندمان شبکه را در سناریوهای چند دستگاهی بهبود بخشد. Wi-Fi 5: فقط از DL MU-MIMO پشتیبانی می‌کند. Wi-Fi 6: به uplink و downlink گسترش می‌یابد. Wi-Fi 6: اوج راندمان و پایداری Wi-Fi 6 (802.11ax) چیزی بیش از افزایش سرعت است—این یک انقلاب در راندمان است که با ازدحام، تأخیر و تخلیه انرژی مقابله می‌کند و زمینه را برای نسل بعدی IoT فراهم می‌کند. MU-MIMO «جریان‌های داده با حجم بالا و بسته‌های بزرگ» را مدیریت می‌کند. OFDMA «سناریوهای چند دستگاهی و بسته‌های کوچک» را مدیریت می‌کند. OFDMA (دسترسی چندگانه تقسیم فرکانس متعامد): اصل: Wi-Fi سنتی فقط به یک دستگاه در یک زمان سرویس می‌دهد. OFDMA کانال را به چندین RU تقسیم می‌کند و می‌تواند داده‌ها را به چندین دستگاه به طور همزمان تحویل دهد. یک کانال داده واحد را به بسیاری از زیرحامل‌های کوچک (واحدهای منبع) تقسیم می‌کند و بسته‌های کوچک را به چندین دستگاه مختلف به طور همزمان منتقل می‌کند. مزیت: تأخیر را به شدت کاهش می‌دهد، به ویژه در سناریوهای IoT با حجم کم داده اما دستگاه‌های زیاد، و راندمان را تا 4 برابر بهبود می‌بخشد. UL/DL MU-MIMO (uplink/downlink multi-user MIMO): Wi-Fi 5 فقط از downlink (روتر به دستگاه) پشتیبانی می‌کند. Wi-Fi 6 MU-MIMO دو جهته را اضافه می‌کند و به دستگاه‌ها اجازه می‌دهد تا به طور همزمان به روتر منتقل شوند و تاخیرهای صف را از بین ببرند. TWT (زمان بیداری هدف): اصل: روتر زمان ارتباط بعدی را با هر دستگاه مذاکره می‌کند. دستگاه می‌تواند خارج از پنجره برنامه‌ریزی شده وارد حالت خواب عمیق شود.مزیت: تخلیه باتری را به شدت کاهش می‌دهد و عمر باتری دستگاه‌های IoT را 2 تا 10 برابر افزایش می‌دهد. BSS Coloring & Spatial Reuse: با افزودن یک «برچسب رنگی» به بسته‌های BSS، سیستم به طور هوشمند تداخل از شبکه‌های همسایه را شناسایی و نادیده می‌گیرد و پایداری و توانایی ضد تداخل را در محیط‌های مسکونی متراکم به طور قابل توجهی بهبود می‌بخشد. عملکرد و ادغام دو حالته: راه‌حل Wi-Fi 6 FD7352S ماژول FD7352S Neardi بر اساس آخرین پروتکل Wi-Fi 6 Wave 2 ساخته شده است و تمام فناوری‌های پیشرفته را ادغام می‌کند—یک انتخاب ایده‌آل برای محصولات IoT با عملکرد بالا و قابلیت اطمینان بالا. معماری 2T2R 2T2R MIMO: FD7352S از دو آنتن انتقال (2T) و دو آنتن دریافت (2R) برای انتقال با عملکرد بالا استفاده می‌کند.نرخ‌های نظری: 2.4 گیگاهرتز – 572.4 مگابیت بر ثانیه، 5 گیگاهرتز – 1.2 گیگابیت بر ثانیه؛ توان عملیاتی اندازه‌گیری شده تا 550 مگابیت بر ثانیه.مدولاسیون: 1024-QAM داده‌های بیشتری را در هر نماد بسته‌بندی می‌کند و جریان‌های ویدیویی HD روان و پایدار را تضمین می‌کند. Wi-Fi 6 & BT 5.4 Coexistence Perfect FD7352S نه تنها یک ماژول Wi-Fi 6 است، بلکه یک ترکیب دو حالته 802.11ax + Bluetooth 5.4 نیز هست.مکانیزم همزیستی: در باند 2.4 گیگاهرتز، Wi-Fi و بلوتوث اغلب تداخل دارند. داوری سطح سخت‌افزار FD7352S به طور هوشمند داده‌های Wi-Fi و بسته‌های صوتی/کنترلی بلوتوث را برنامه‌ریزی می‌کند و هر دو را پایدار نگه می‌دارد—ایده‌آل برای جفت‌سازی سریع بلوتوث به علاوه ویدیوی Wi-Fi با کیفیت بالا.بلوتوث 5.4: از آخرین BT v5.4 پشتیبانی می‌کند، با BR/EDR/LE 1M/LE 2M/LE LR سازگار است و اتصال حسگر قابل اعتماد، کم مصرف و برد بلند را فراهم می‌کند. رابط‌های با ادغام بالا از SDIO 3.0 (داده‌های پرسرعت) + HS-UART (کنترل) + PCM (صدای HD) پشتیبانی می‌کند و از سازگاری گسترده اطمینان می‌دهد.FD7352S با عملکرد برجسته 2T2R، راندمان UL/DL OFDMA، عملکرد کم مصرف TWT و همزیستی دو حالته بلوتوث 5.4، یک راه‌حل یک‌جا برای محصولات هوشمند نسل بعدی ارائه می‌دهد.

تحلیل معتبر | چرا ماژول‌های اصلی بیشتر و بیشتری اتصالات برد به برد (B2B) را انتخاب می‌کنند؟

.gtr-container-x7y2z9 { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 15px; box-sizing: border-box; } .gtr-container-x7y2z9 p { font-size: 14px; margin-bottom: 1em; text-align: left !important; } .gtr-container-x7y2z9-title-main { font-size: 18px; font-weight: bold; margin-top: 1.5em; margin-bottom: 1em; text-align: left; color: #0056b3; /* A subtle industrial blue for main titles */ } .gtr-container-x7y2z9-title-sub { font-size: 16px; font-weight: bold; margin-top: 1.2em; margin-bottom: 0.8em; text-align: left; color: #007bff; /* A slightly lighter blue for sub-titles */ } .gtr-container-x7y2z9 .gtr-table-wrapper { overflow-x: auto; margin-top: 1.5em; margin-bottom: 1.5em; } .gtr-container-x7y2z9 table { width: 100%; border-collapse: collapse !important; border-spacing: 0 !important; margin: 0 !important; padding: 0 !important; table-layout: fixed; /* Ensures columns are evenly distributed */ min-width: 600px; /* Ensure table is scrollable on small screens if content is wide */ } .gtr-container-x7y2z9 th, .gtr-container-x7y2z9 td { border: 1px solid #ccc !important; padding: 10px !important; text-align: left !important; vertical-align: top !important; font-size: 14px !important; word-break: normal !important; overflow-wrap: normal !important; } .gtr-container-x7y2z9 th { font-weight: bold !important; background-color: #f0f0f0; /* Light gray background for headers */ color: #333; } .gtr-container-x7y2z9 tr:nth-child(even) { background-color: #f9f9f9; /* Zebra striping */ } .gtr-container-x7y2z9 img { height: auto; /* Allow images to scale proportionally */ display: block; /* Ensure images are block-level for proper spacing */ margin: 1.5em 0; /* Add vertical spacing around images */ } @media (min-width: 768px) { .gtr-container-x7y2z9 { padding: 25px; max-width: 960px; /* Constrain width on larger screens for readability */ margin: 0 auto; /* Center the component */ } .gtr-container-x7y2z9 table { min-width: auto; /* Remove min-width on larger screens */ table-layout: auto; /* Allow table to adjust column widths naturally */ } } در طراحی یک ماژول اصلی، روش اتصال اغلب نادیده گرفته می‌شود، با این حال ثبات ساختاری، یکپارچگی سیگنال و قابلیت نگهداری کل سیستم را تعیین می‌کند. در چند سال گذشته، تعداد فزاینده‌ای از ماژول‌های اصلی، بردهای توسعه و حتی سیستم‌های کنترل اصلی کل دستگاه‌ها شروع به تکامل به سمت اتصالات برد به برد کرده‌اند. چرا تعداد بیشتری از تولیدکنندگان به این راه‌حل روی می‌آورند؟ آیا واقعاً برتر است؟ امروز، ما همه چیز را از طراحی ساختاری تا تمرین تولید انبوه به طور کامل توضیح خواهیم داد. تجزیه و تحلیل کامل اتصالات متداول: چه کسانی از آنها استفاده می کنند و مزایا و معایب آنها چیست؟ در سیستم‌های SoC با محاسبات بالا و تراکم رابط بالا، کانکتورهای برد به برد به راه‌حل ترجیحی تبدیل شده‌اند که یکپارچگی سیگنال را با قابلیت اطمینان مکانیکی متعادل می‌کند. اتصال متقابل کاربرد معمول مزایا معایب LCC ماژول‌های با فاکتور فرم کوچک هزینه کم، لحیم‌کاری آسان غیر قابل جابجایی، قابلیت اطمینان ضعیف در درازمدت لبه-کارت برنامه‌های اتصال داغ با سرعت بالا تماس قابل اعتماد، فرآیند حجم بالغ محدودیت‌های مکانیکی شدید، طرح کلی PCB محدود کابل انعطاف‌پذیر FPC دستگاه‌های فوق‌العاده نازک یا تاشو مسیردهی انعطاف‌پذیر، پروفایل نازک محافظت ضعیف EMI، پایداری مکانیکی محدود کانکتور برد به برد بردهای مادر صنعتی، ماژول‌های محاسباتی هوش مصنوعی جفت‌گیری با چگالی بالا، قوی، قابل سرویس در میدان هزینه کمی بالاتر، تحمل قرارگیری دقیق چرا کانکتورهای برد به برد را انتخاب کنیم؟ تجزیه و تحلیل نقاط قوت کلیدی انتقال سیگنال با چگالی بالا: مهندسی شده برای SoCهای تشنه سرعت. با SoCهای با کارایی بالا مانند RK3588 و RK3576 که به جریان اصلی می‌روند، سیگنال‌دهی ماژول به حامل دیگر یک کار «چند دوجین خطی» نیست - این یک مشکل کانال با سرعت بالا با بیش از صد خط است. کانکتورهای برد به برد به راحتی 40 تا 120 پین سیگنال با سرعت بالا را ارائه می‌دهند و در عین حال کنترل امپدانس دقیق و عملکرد یکپارچگی سیگنال (SI) عالی را حفظ می‌کنند. برد حامل LKB3576 از چهار کانکتور برد به برد Panasonic AXK5F80537YG استفاده می‌کند - 80 موقعیتی، 0.5 میلی‌متر گام - که با چهار پیچ M2 محکم شده‌اند. در مقایسه با FPC یا سوراخ‌های LCC castellated، کانکتورهای برد به برد ارائه می‌دهند:- افت سیگنال کمتر، به ویژه در 2 تا 5 گیگابیت بر ثانیه؛- محافظت EMI قوی‌تر از طریق ایزولاسیون پین به پین با زمین خوب؛- تحمل جفت‌گیری قابل کنترل - تراز دقیق پین و سوکت در ±0.05 میلی‌متر. بردهای مادر هوش مصنوعی، دروازه‌های صنعتی، واحدهای سر خودرو و میزبان‌های دید ماشینی همگی چندین پیوند MIPI، USB 3.0، PCIe و Gigabit-Ethernet را به طور همزمان اجرا می‌کنند. اتصالات برد به برد پایداری و یکنواختی این سیگنال‌های پرسرعت را بهتر از هر جایگزینی حفظ می‌کنند. استحکام مکانیکی برتر و مقاومت در برابر لرزش در تنظیمات خودرو و صنعتی، لرزش طولانی مدت و چرخه حرارتی به راحتی اتصالات را شل می‌کند. کابل‌های انعطاف‌پذیر FPC در این محیط‌ها اغلب از تداخل EMI، انحراف سیگنال یا تماس‌های متناوب رنج می‌برند. کانکتورهای برد به برد، که با پین‌های فلزی و سوکت‌های پرس‌فیت ساخته شده‌اند، سه لبه مکانیکی را ارائه می‌دهند: - ایمنی در برابر لرزش بالا: نیروی وارد کردن 60 تا 80 نیوتن از ضربه و لرزش مکرر جان سالم به در می‌برد- کنتاکت‌های روکش طلا: مسیرهای با مقاومت کم را در هزاران چرخه حرارتی حفظ می‌کنند- نصب سفت و سخت: پیچ‌ها و پست‌های موقعیت‌یابی اختیاری، جفت متصل شده را به شاسی قفل می‌کنند و از ریزحرکت جلوگیری می‌کنند مونتاژ و سرویس میدانی سریع‌تر: ساده‌سازی تولید انبوه برای مهندسان خط تولید، بزرگترین مزیت برد به برد، جفت‌گیری بدون لحیم + قابل استفاده مجدد است.- ماژول‌های اصلی در عرض چند ثانیه وصل و بیرون کشیده می‌شوند. نیازی به رفلاو نیست.- هنگامی که یک برد خراب می‌شود، ماژول بالایی را تعویض کنید - حامل در شاسی باقی می‌ماند.- هزینه SMT و هزینه خدمات مادام‌العمر را کاهش می‌دهد.- چرخه دمای بالا صفر، بنابراین هیچ آسیب ناشی از استرس حرارتی وجود ندارد.- توان عملیاتی مونتاژ / جداسازی 3 تا 5 برابر افزایش می‌یابد.- پنجره تراز بزرگتر، درج نیمه خودکار را امکان‌پذیر می‌کند و خطاهای جابجایی معمولی را می‌بخشد. راندمان بالای فضا: بهینه شده برای طرح‌های فشرده از آنجایی که دستگاه‌های تعبیه‌شده به سمت فاکتورهای فرم کوچک‌تر و نازک‌تر پیش می‌روند، کانکتورهای برد به برد یک پشته عمودی را فعال می‌کنند: دو PCB تقریباً رو به رو قرار می‌گیرند و راندمان حجمی را به حداکثر می‌رسانند. - ضخامت ماژول به 2 تا 6 میلی‌متر کاهش می‌یابد- ردیابی‌های داخلی کوتاه‌تر، مسیرهای سیگنال تمیزتری را ارائه می‌دهند- محفظه مرتب‌تر، طراحی پخش حرارت و محافظ را آسان می‌کند مطالعه موردی محصول - برد توسعه LKD3576 SoC: RK3576، هشت هسته‌ای 64 بیتی (4*A72 + 4*A53)، GPU ARM Mali-G52 MC3، 6 TOPS NPUکدک: رمزگشایی 4K60 فریم در ثانیه H.264/AVC، رمزگشایی 8K30 فریم در ثانیه یا 4K120 فریم در ثانیه H.265/HEVC؛ رمزگذاری 4K60 فریم در ثانیه H.264/H.265حافظه: RAM از LPDDR4/4X/5 پشتیبانی می‌کند، ROM از eMMC 5.1 پشتیبانی می‌کند. گزینه‌ها 4 گیگابایت + 32 گیگابایت، 8 گیگابایت + 64 گیگابایت، 16 گیگابایت + 128 گیگابایتپشتیبانی از سیستم عامل: Android، Ubuntu، Buildroot، Debian، openEuler، Kylinاتصال متقابل: چهار پین 80، 0.5 میلی‌متر گام، 2 میلی‌متر ارتفاع؛ سوکت AXK5F80537YG، هدر AXK6F80347YG، کانکتور برد به برد Panasonic اتصال برد به برد: مونتاژ و نگهداری آسان، رابط‌های غنی درجه صنعتی، پشتیبانی از توسعه چند نوع، طراحی ضد لرزش و ضد تداخل، عملکرد پایدار در درازمدت، مناسب برای کنترل داخل خودرو، ترمینال‌های محاسباتی لبه هوش مصنوعی و دروازه‌های هوشمند صنعتی. اتصال برد به برد در حال تبدیل شدن به استاندارد جدید در طراحی سخت‌افزار تعبیه‌شده است و راه‌حلی متعادل بین عملکرد، قابلیت اطمینان و قابلیت نگهداری ارائه می‌دهد.

شاخص محاسبات لبه‌ای 3TOPS | تحلیل کامل سری Rockchip RV1126

.gtr-container-x7y3z1 { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 20px; max-width: 1200px; margin: 0 auto; box-sizing: border-box; } .gtr-container-x7y3z1 p { font-size: 14px; margin-bottom: 16px; text-align: left; word-break: normal; overflow-wrap: normal; } .gtr-container-x7y3z1 .gtr-section-title { font-size: 18px; font-weight: bold; margin-top: 30px; margin-bottom: 15px; color: #0056b3; text-align: left; } .gtr-container-x7y3z1 .gtr-subsection-title { font-size: 16px; font-weight: bold; margin-top: 20px; margin-bottom: 10px; color: #007bff; text-align: left; } .gtr-container-x7y3z1 ul, .gtr-container-x7y3z1 ol { list-style: none !important; margin: 0 0 16px 0; padding: 0; } .gtr-container-x7y3z1 ul li, .gtr-container-x7y3z1 ol li { position: relative; padding-left: 25px; margin-bottom: 8px; font-size: 14px; text-align: left; list-style: none !important; } .gtr-container-x7y3z1 ul li::before { content: "•" !important; position: absolute !important; left: 0 !important; color: #007bff; font-size: 16px; line-height: 1.6; } .gtr-container-x7y3z1 ol li::before { content: counter(list-item) "." !important; position: absolute !important; left: 0 !important; color: #007bff; font-weight: bold; font-size: 14px; line-height: 1.6; width: 20px; text-align: right; } .gtr-container-x7y3z1 strong { font-weight: bold; color: #0056b3; } @media (min-width: 768px) { .gtr-container-x7y3z1 { padding: 30px 40px; } .gtr-container-x7y3z1 .gtr-section-title { font-size: 20px; margin-top: 40px; margin-bottom: 20px; } .gtr-container-x7y3z1 .gtr-subsection-title { font-size: 18px; margin-top: 25px; margin-bottom: 12px; } .gtr-container-x7y3z1 p, .gtr-container-x7y3z1 ul li, .gtr-container-x7y3z1 ol li { font-size: 14px; } } راک‌چيپ مجموعه‌ای جامع از تراشه‌های محاسبات بصری را ایجاد کرده است که از 0.5T تا 6T را شامل می‌شود و از دوربین‌های هوشمند پایه تا سیستم‌های دید صنعتی پیشرفته را پوشش می‌دهد. یک محصول برجسته در این مجموعه، سری RV1126 است، به‌ویژه RV1126B و RV1126B-P. این نسخه‌ها به‌طور گسترده در امنیت هوشمند (IPC، زنگ درهای هوشمند، دوربین‌های داشبورد)، دید صنعتی (دوربین‌های کارخانه، تجهیزات بازرسی)، خودروهای هوشمند و برنامه‌های خانگی، شهرهای هوشمند و سناریوهای هوش مصنوعی لبه استفاده می‌شوند. RV1126B، با قدرت محاسباتی 3TOPS، معماری AI-ISP سفارشی، دوخت پویا، تثبیت، رمزگذاری پیشرفته و امنیت در سطح سخت‌افزار، راه‌حل‌های با کارایی بالایی را ارائه می‌دهد که دستگاه‌های AIoT را از صرفاً «دیدن» به واقعاً «فهمیدن» ارتقا می‌دهد. RV1126B-P یک نسخه بهینه شده از نظر هزینه و بسته بندی RV1126B است که قدرت محاسباتی کامل هسته (CPU/GPU/VPU/NPU) را حفظ می‌کند، در حالی که پین‌ها را کاهش می‌دهد، USB 3.0 را حذف می‌کند و رابط‌های کمکی (CAM_CLK/SARADC) را برای کاهش هزینه‌ها اصلاح می‌کند. این محصول، برنامه‌هایی با ذخیره‌سازی کم و پهنای باند سبک مانند دوربین‌های داشبورد و دستگاه‌های DMS را هدف قرار می‌دهد. مزایای کلیدی عبارتند از: سازگاری پین به پین: جایگزینی مستقیم برای RV1126 بدون نیاز به طراحی مجدد سخت‌افزار عملکرد هسته یکسان: قابلیت‌های محاسباتی، ISP و هوش مصنوعی معادل RV1126B ارتقاء یکپارچه: حداقل تغییرات نرم‌افزاری مورد نیاز برای محصولات موجود مبتنی بر RV1126 برای دستیابی به عملکرد سطح RV1126B این امر، RV1126B-P را به یک ارتقاء ایده‌آل برای تولیدکنندگانی تبدیل می‌کند که به دنبال ارتقاء محصولات با حداقل سرمایه‌گذاری تحقیق و توسعه هستند. RV1126B، که بر اساس معماری چهار هسته‌ای Cortex-A53 (1.5 گیگاهرتز) ساخته شده است، NPU 3TOPS داخلی Rockchip را ادغام می‌کند. این از کوانتیزاسیون دقت مختلط W4A16/W8A16 و شتاب‌دهی بهینه شده برای Transformer پشتیبانی می‌کند و اجرای کارآمد مدل‌های بزرگ و مدل‌های چندوجهی با پارامترهایی تا 2B را امکان‌پذیر می‌کند. برای تصویربرداری، دارای یک موتور AI-ISP اختصاصی با فناوری AI Remosaic برای «تصویربرداری تطبیقی روز و شب» است که به تصویربرداری واضح در شرایط نور بسیار کم (0.01Lux) دست می‌یابد. این مشکل نویز شبانه را برطرف می‌کند و همراه با تثبیت دیجیتال 6-DOF و دوخت پویا دوربین دوگانه/چهارگانه، تصاویر پایدار و زاویه‌باز را حتی در حین حرکت تضمین می‌کند. در سطح سیستم، معماری کم‌مصرف AOV3.0 RV1126B، توان آماده به کار را به 1 میلی‌وات کاهش می‌دهد. این از بیدار شدن صوتی 24/7 ناهنجار (به عنوان مثال، پارس کردن، شکستن شیشه، شلیک اسلحه) پشتیبانی می‌کند و تعادل بین صرفه‌جویی در انرژی و هشدارهای بی‌درنگ را برقرار می‌کند. موتور رمزگذاری Super Engine یکپارچه، نرخ بیت را تا 50٪ بدون از دست دادن وضوح کاهش می‌دهد و هزینه‌های انتقال و ذخیره‌سازی را کاهش می‌دهد. برای امنیت، رمزگذاری SM2/SM3/SM4، جداسازی TrustZone و یک سیستم مدیریت کلید را ارائه می‌دهد و حفاظت end-to-end را از ضبط داده‌ها تا استنتاج فراهم می‌کند. معماری پردازنده RV1126B و RV1126B-P: پیکربندی هسته: چهار هسته‌ای ARM Cortex-A53، معماری 64 بیتی، از مجموعه دستورالعمل ARM v8-A پشتیبانی می‌کند. مشخصات حافظه پنهان: 32 کیلوبایت L1 I-Cache + 32 کیلوبایت L1 D-Cache در هر هسته، با 512 کیلوبایت L2 Cache مشترک. ویژگی‌های توسعه‌یافته: Neon Advanced SIMD و FPU یکپارچه، از فناوری TrustZone پشتیبانی می‌کند. RV1126: پیکربندی هسته: چهار هسته‌ای ARM Cortex-A7، معماری 32 بیتی، از مجموعه دستورالعمل ARM v7-A پشتیبانی می‌کند، با Neon Advanced SIMD و FPU یکپارچه. مشخصات حافظه پنهان: 32 کیلوبایت L1 I-Cache + 32 کیلوبایت L1 D-Cache در هر هسته، با 512 کیلوبایت L2 Cache یکپارچه مشترک. عملکرد NPU RV1126B و RV1126B-P: قدرت محاسباتی: 3.0 TOPs INT8 (بهینه‌سازی پراکنده پشتیبانی می‌شود)، سازگار با عملیات INT4/INT8/INT16/FP16. پشتیبانی از چارچوب: TensorFlow، Caffe، Tflite، Pytorch، Onnx NN، Android NN و غیره. RV1126: قدرت و دقت محاسباتی: 2.0 TOPs با عملیات ترکیبی INT8/INT16، پشتیبانی از کانولوشن عدد صحیح 8/16 بیتی. سازگاری با چارچوب: TensorFlow، TF-lite، Pytorch، Caffe، ONNX، MXNet، Keras، Darknet و غیره، با پشتیبانی از API OpenVX. ویژگی‌های ISP RV1126B & RV1126B-P: موتور گرافیکی 2D (RGA) فرمت‌های داده پشتیبانی شده: ورودی: فرمت‌های سری ARGB/RGB/YUV (شامل بسته‌بندی TILE4X4) خروجی: ARGB/RGB/YUV420/422 و سایر فرمت‌های 8 بیتی عملکردهای اصلی: مقیاس‌بندی: مقیاس‌بندی غیرصحیح 1/16× تا 16× (کاهش نمونه‌برداری با میانگین‌گیری/فیلتر دوخطی، افزایش نمونه‌برداری با فیلتر سه‌بعدی) چرخش: 0/90/180/270 درجه با آینه‌سازی اضافی: ترکیب آلفا، پر کردن رنگ، همپوشانی OSD محدودیت‌های وضوح: حداکثر ورودی: 8192×8192 حداکثر خروجی: 4096×4096 رمزگذاری و رمزگشایی ویدیو هر دو RV1126 و RV1126B از رمزگذاری و رمزگشایی ویدیو H.265/H.264 پشتیبانی می‌کنند و فشرده‌سازی، ذخیره‌سازی و انتقال کارآمد ویدیوی 4K UHD را امکان‌پذیر می‌کنند. RV1126B به‌طور خاص از رمزگذاری چند جریانی پشتیبانی می‌کند، با یک موتور رمزگذاری هوشمند داخلی برای رمزگذاری فوق‌العاده HD با حداکثر 8 مگاپیکسل @ 45 فریم در ثانیه. همچنین دارای تنظیم نرخ بیت پویا است که نرخ بیت را تا 50٪ در مقایسه با حالت CBR سنتی کاهش می‌دهد. هر دو RV1126B و RV1126 انواع مختلفی از رابط‌های صوتی، ذخیره‌سازی و جانبی را ارائه می‌دهند و از DRAM خارجی با کارایی بالا برای پاسخگویی به نیازهای اساسی چندرسانه‌ای و توسعه جانبی پشتیبانی می‌کنند. RV1126B و RV1126 ماژول‌های عملکردی در سطح سیستم مانند RTC، POR، RMI Ethernet PHY و کدک‌های صوتی را ادغام می‌کنند. RV1126 از حافظه One-Time Programmable (OTP) 12 کیلوبیتی برای شناسایی منحصربه‌فرد و ذخیره‌سازی ایمن پشتیبانی می‌کند. RV1126B AI-ISP را معرفی می‌کند که می‌تواند با NPU کار کند، در حالی که RV1126 از AI-ISP پشتیبانی نمی‌کند. RV1126B و RV1126B-P از CANFD دو کاناله پشتیبانی می‌کنند و آنها را برای برنامه‌های کنترل خودرو و صنعتی مناسب می‌سازد. RV1126 از USB 3.0 پشتیبانی می‌کند، در حالی که RV1126B-P و RV1126 فقط از USB 2.0 پشتیبانی می‌کنند. سری RV1126B، با قدرت هوش مصنوعی 3TOPS و معماری AI-ISP، در صنایع متعدد مستقر شده است و به‌طور گسترده در IPC، زنگ درهای هوشمند و دوربین‌های PTZ هوش مصنوعی استفاده می‌شود. ویژگی‌های یکپارچه‌سازی بالا و کم‌مصرف آن، ضبط ویدیو را به تجزیه و تحلیل هوشمند ارتقا می‌دهد.

محاسبات هوش مصنوعی فراتر از SoC اصلی است! نگاهی روشن به نقش واقعی RK1820 در سیستم RK3588

.gtr-container-7f8d9e { font-family: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; color: #333; line-height: 1.6; padding: 16px; box-sizing: border-box; } .gtr-container-7f8d9e p { font-size: 14px; margin-bottom: 1em; text-align: left !important; } .gtr-container-7f8d9e .gtr-heading-level2 { font-size: 18px; font-weight: bold; margin-top: 2em; margin-bottom: 1em; color: #0056b3; } .gtr-container-7f8d9e .gtr-section-title { font-size: 16px; font-weight: bold; margin-top: 1.5em; margin-bottom: 0.8em; color: #0056b3; } .gtr-container-7f8d9e .gtr-table-wrapper { overflow-x: auto; margin-bottom: 1.5em; } .gtr-container-7f8d9e table { width: 100%; border-collapse: collapse !important; border-spacing: 0 !important; margin-bottom: 1.5em; border: 1px solid #ccc !important; } .gtr-container-7f8d9e th, .gtr-container-7f8d9e td { padding: 8px 12px !important; border: 1px solid #ccc !important; text-align: left !important; vertical-align: top !important; font-size: 14px !important; } .gtr-container-7f8d9e th { font-weight: bold !important; background-color: #f0f0f0; } .gtr-container-7f8d9e tr:nth-child(even) { background-color: #f9f9f9; } .gtr-container-7f8d9e ul, .gtr-container-7f8d9e ol { list-style: none !important; padding-left: 20px !important; margin-bottom: 1em; } .gtr-container-7f8d9e ul li { position: relative !important; padding-left: 15px !important; margin-bottom: 0.5em !important; font-size: 14px !important; list-style: none !important; } .gtr-container-7f8d9e ul li::before { content: "•" !important; position: absolute !important; left: 0 !important; color: #0056b3; font-size: 1.2em; line-height: 1; } .gtr-container-7f8d9e ol { counter-reset: list-item; } .gtr-container-7f8d9e ol li { position: relative !important; padding-left: 25px !important; margin-bottom: 0.5em !important; font-size: 14px !important; counter-increment: none; list-style: none !important; } .gtr-container-7f8d9e ol li::before { content: counter(list-item) "." !important; position: absolute !important; left: 0 !important; color: #0056b3; font-weight: bold; width: 20px; text-align: right; } /* PC layout */ @media (min-width: 768px) { .gtr-container-7f8d9e { padding: 24px; } .gtr-container-7f8d9e .gtr-heading-level2 { font-size: 20px; } .gtr-container-7f8d9e .gtr-section-title { font-size: 18px; } .gtr-container-7f8d9e table { width: auto; min-width: 100%; } } چرا دستگاه‌های لبه‌ای بیشتری در مورد NPUها و پردازنده‌های کمکی صحبت می‌کنند؟ RK3588 در حال حاضر یک SoC قدرتمند 6 TOPS (INT8) است، اما در صحنه‌های پیچیده‌ای مانند استنتاج چند وظیفه‌ای، موازی‌سازی مدل و تجزیه و تحلیل ویدئویی-AI، سقف محاسباتی یک تراشه واحد همچنان وجود دارد. RK1820 دقیقاً برای به عهده گرفتن این بخش از بار و کاهش «اضطراب محاسباتی» SoC اصلی ایجاد شده است. در تجهیزات edge-AI، پردازنده میزبان دیگر به تنهایی مبارزه نمی‌کند. هنگامی که وظایف هوش مصنوعی از ظرفیت زمان‌بندی CPU/NPU سنتی فراتر می‌روند، پردازنده کمکی بی‌صدا وارد عمل می‌شود و بخشی از حجم کاری هوشمند را بر عهده می‌گیرد. پردازنده کمکی RK1820 RK1820 یک پردازنده کمکی است که برای استنتاج هوش مصنوعی و گسترش محاسبات ساخته شده است. این پردازنده به طور انعطاف‌پذیری با SoCهای میزبان مانند RK3588 و RK3576 جفت می‌شود و از طریق رابط‌های PCIe یا USB با آنها ارتباط کارآمدی برقرار می‌کند. دسته بندی قابلیت پارامترها و عملکردهای کلیدی معماری پردازنده 3 هسته RISC-V 64 بیتی؛ 32 کیلوبایت حافظه پنهان L1 I-cache + 32 کیلوبایت حافظه پنهان L1 D-cache در هر هسته، 128 کیلوبایت حافظه پنهان L2 مشترک؛ RISC-V H/F/D-precision FPU حافظه 2.5 گیگابایت DRAM با پهنای باند بالا روی تراشه + 512 کیلوبایت SRAM؛ پشتیبانی خارجی از eMMC 4.51 (HS200)، SD 3.0، SPI Flash کدک رمزگذاری JPEG: 16×16–65520×65520، YUV400/420/422/444؛ رمزگشایی JPEG: 48×48–65520×65520، فرمت‌های YUV/RGB متعدد NPU 20 TOPS INT8؛ دقت ترکیبی INT4/INT8/INT16/FP8/FP16/BF16؛ چارچوب‌ها: TensorFlow/MXNet/PyTorch/Caffe؛ Qwen2.5-3B (INT4) 67 توکن/ثانیه، YOLOv8n (INT8) 125 FPS ارتباطات PCIe 2.1 (2 خط، 2.5/5 گیگابیت بر ثانیه)، USB 3.0 (5 گیگابیت بر ثانیه، مشترک با PCIe) عملکردهای اصلی استنتاج Edge-AI (تشخیص / طبقه‌بندی / LLM)، محاسبات عمومی RISC-V، شتاب‌دهی گرافیکی 2 بعدی (مقیاس / چرخش)، امنیت AES/SM4 از منظر معماری سیستم تقسیم کار: چه کسی چه کاری انجام می‌دهد؟ در سیستم RK3588 + RK1820، خط لوله وظیفه هوش مصنوعی به یک معماری چهار لایه تجزیه می‌شود:برنامه → میان‌افزار → اجرای پردازنده کمکی → کنترل و ارائه.میزبان RK3588: زمان‌بندی وظایف، پیش‌پردازش داده‌ها و خروجی نتایج را انجام می‌دهد و کل گردش کار را مدیریت می‌کند.پردازنده کمکی RK1820: اختصاص داده شده به استنتاج هوش مصنوعی با محاسبات بالا، متصل به میزبان از طریق PCIe، تشکیل یک مدل همکاری «کنترل سبک + محاسبات سنگین». مرحله بازیگر عمل درخواست برنامه RK3588 فراخوانی وظیفه هوش مصنوعی از لایه برنامه (تشخیص/شناسایی) اعزام ارسال کننده RK3588 تصمیم بگیرید که آیا به پردازنده کمکی واگذار شود یا خیر استنتاج RK1820 محاسبات مدل یادگیری عمیق را اجرا کنید بازگشت RK1820 → RK3588 نتایج استنتاج را برمی‌گرداند؛ میزبان نمایش می‌دهد یا منطق را ادامه می‌دهد 1. لایه برنامه: «شروع‌کننده» وظایف هوش مصنوعی لایه برنامه جایی است که هر وظیفه هوش مصنوعی از آن شروع می‌شود. این لایه، الزامات کاربر - تجزیه و تحلیل تصویر، تشخیص اشیاء، پرسش و پاسخ LLM در لبه و غیره - را به دستورات وظیفه قابل اجرا توسط سیستم ترجمه می‌کند و آنها را از طریق APIهای استاندارد شده به لایه میان‌افزار منتقل می‌کند. این لایه کاملاً توسط میزبان RK3588 مدیریت می‌شود که تعامل کاربر، منطق تجاری و داده‌های جانبی را مدیریت می‌کند. دریافت وظیفه: دستورات کاربر را از طریق دوربین‌ها، پنل‌های لمسی، اترنت، UART و غیره دریافت می‌کند. امنیت هوشمند: تشخیص افراد در فریم‌های ویدئویی بازرسی صنعتی: شناسایی عیوب سطحی روی محصولات Edge LLM: ورودی صوتی را به متن تبدیل کرده و یک وظیفه پرسش و پاسخ ایجاد می‌کند استانداردسازی دستور: ورودی غیرساختاری را به پارامترهای وظیفه ساختاری تبدیل می‌کند وظیفه دیداری: وضوح ورودی، نسخه مدل، الزامات خروجی وظیفه LLM: توکن‌های ورودی، نسخه مدل، حداکثر طول خروجی 2. لایه میان‌افزار: «ارسال‌کننده» وظایف هوش مصنوعی لایه میان‌افزار، مرکز همکاری است: هر وظیفه را قضاوت می‌کند، منابع را تخصیص می‌دهد، داده‌ها را از قبل پردازش می‌کند و ترافیک اتوبوس را مدیریت می‌کند. این لایه تصمیم می‌گیرد که آیا وظیفه روی میزبان اجرا شود یا به پردازنده کمکی واگذار شود.فقط RK3588؛ RK1820 هیچ نقشی در پیکربندی PCIe یا مدیریت وقفه ندارد - این پردازنده به سادگی کارهای استنتاجی را که توسط میزبان ارسال شده‌اند، اجرا می‌کند. طبقه‌بندی و زمان‌بندی وظایف پردازش محلی: وظایف با محاسبات کم یا حساس به تأخیر (مقیاس‌بندی تصویر، استنتاج هوش مصنوعی سبک وزن) توسط CPU/NPU/RGA RK3588 انجام می‌شوند. واگذاری به RK1820: وظایف با محاسبات بالا (تشخیص چند کلاسه YOLOv8، استنتاج LLM، تقسیم‌بندی معنایی) به RK1820 ارسال می‌شوند. هنگامی که RK1820 وارد عمل می‌شود، CPU/NPU میزبان برای کارهای دیگر آزاد می‌شود. پیش پردازش داده ها دیداری: برش، حذف نویز، نرمال‌سازی، مرتب‌سازی مجدد کانال. متن: نشانه‌گذاری، پر کردن، رمزگذاری. کنترل ارتباطات اتوبوس پیوند را از طریق PCIe یا USB3 برقرار می‌کند. انتقال داده از DMA استفاده می‌کند، بدون مداخله CPU. دستورات کنترل استنتاج را صادر می‌کند: NPU را راه‌اندازی کنید، دقت را تنظیم کنید، وقفه تکمیل را افزایش دهید. 3. لایه اجرای پردازنده کمکی: «موتور محاسباتی» وظایف هوش مصنوعی این لایه، هسته استنتاج است که منحصراً توسط پردازنده کمکی RK1820 هدایت می‌شود و به استنتاج هوش مصنوعی با محاسبات بالا اختصاص دارد.RK1820 فعال؛ RK3588 در استنتاج دخالت نمی‌کند، فقط منتظر نتایج است. زمان‌بندی یا استثنائات توسط RK3588 از طریق دستورات بازنشانی PCIe مدیریت می‌شوند. دریافت و آماده‌سازی وظیفه داده‌ها، وزن‌های مدل و دستورات ارسال شده توسط RK3588 را دریافت می‌کند. آنها را در DRAM با پهنای باند بالا محلی می‌نویسد، مدل را بارگذاری می‌کند و NPU را پیکربندی می‌کند. محاسبات استنتاج NPU تشخیص اشیاء (YOLOv8n): conv → BN → فعال‌سازی → pool → پس‌پردازش NMS. استنتاج LLM (Qwen2.5 3B): توکن‌های ورودی از پیش پر شده → تولید توکن به توکن رمزگشایی. بهینه‌سازی استنتاج: ادغام اپراتور، فشرده‌سازی وزن. بازگشت نتیجه مختصات کادر محدودکننده، شناسه کلاس‌ها و نمرات اطمینان را برای تشخیص برمی‌گرداند. آرایه توکن را برای LLM برمی‌گرداند. 4. لایه کنترل و ارائه: «خروجی‌دهنده» وظایف هوش مصنوعی این لایه، پایانه هر وظیفه هوش مصنوعی است: نتایج استنتاج خام را از RK1820 به خروجی بصری یا آماده برای کسب و کار تبدیل می‌کند و حلقه را می‌بندد.RK3588 فعال؛ RK1820 فقط داده‌های استنتاج خام را ارائه می‌دهد. پس‌پردازش نتیجه مختصات را به اندازه تصویر اصلی ترسیم کنید. توکن‌ها را به زبان طبیعی رمزگشایی کنید. عیوب را در بازرسی صنعتی بشمارید. کنترل سیستم و خروجی بازخورد امنیت هوشمند: نمایش ویدئو با همپوشانی تشخیص، راه‌اندازی آلارم. بازرسی صنعتی: خط فرمان برای رد محصولات معیوب. Edge LLM: متن + اعلامیه صوتی را نشان دهید. ارزش هم‌افزایی: نه فقط سریع‌تر، بلکه هوشمندتر مرحله بازیگر عمل درخواست برنامه RK3588 فراخوانی وظیفه هوش مصنوعی از لایه برنامه (تشخیص/شناسایی) اعزام ارسال کننده RK3588 تصمیم بگیرید که آیا به پردازنده کمکی واگذار شود یا خیر استنتاج RK1820 محاسبات مدل یادگیری عمیق را اجرا کنید بازگشت RK1820 → RK3588 نتایج استنتاج را برمی‌گرداند؛ میزبان نمایش می‌دهد یا منطق را ادامه می‌دهد به زبان ساده: RK3588 نمایش را اجرا می‌کند و همه چیز را در مسیر نگه می‌دارد، در حالی که RK1820 محاسبات خام را ارائه می‌دهد. آنها با هم دستگاه‌های edge-AI را «هوشمندتر، سریع‌تر و بدون دردسر» می‌کنند.ما را برای اخبار بیشتر RK1820 و به‌روزرسانی‌های SDK، آموزش‌های جدید و نسخه‌های نمایشی آماده اجرا دنبال کنید.

راه حل اندوسکوپ پزشکی معماری ARM بر اساس RK3399

اندوسکوپ ها به طور گسترده ای دستگاه های پزشکی مورد استفاده قرار می گیرند. پردازنده های معماری ARM به دلیل مصرف انرژی کم، ثبات بالا و گسترش عملکردی غنی مورد علاقه هستند.اندوسکوپ های پزشکی مبتنی بر بستر ARM در حال تبدیل شدن به جریان اصلی هستندبه همین دلیل است که ScenSmart یک راه حل اندوسکوپی پزشکی را که بر اساس پلت فرم RK3399 Rockchip طراحی شده است، راه اندازی کرد.برای مشتریان صنعت آسان است که تعاریف محصول را با توجه به نیازهای خود تنظیم کنند و به سرعت آنها را اجرا کنند.   پردازنده های معماری ARM عمدتاً در دستگاه های جاسازی شده با ثبات بسیار بالا استفاده می شوند و به طور گسترده ای در زمینه های پزشکی، نظامی و صنعتی استفاده می شوند.RK3399 یکی از اولین سیستم عامل های صنعتی راک چیپ است. این دارای رابط های توسعه عملکردی غنی است ، از سیگنال های ویدئویی مختلف پشتیبانی می کند و دارای طراحی رابط های غنی در شبکه و ارتباطات داده است ،که برای مشتریان راحت است که با توجه به الزامات صحنه گسترش یابداز پلت فرم RK3399 می توان برای ساخت یک پلت فرم سخت افزاری بسیار یکپارچه استفاده کرد که می تواند به طور موثر هزینه محصولات را کنترل کند و تولید انبوه در مقیاس بزرگ را به دست آورد.   RK3399 دارای ذخایر نرم افزاری غنی است و می تواند از سیستم های اندروید و لینوکس پشتیبانی کند. RK3399 یک پلت فرم بسیار بالغ است، بنابراین دارای ذخایر نرم افزاری غنی است،که برای توسعه دهندگان برای بهبود کارایی توسعه نرم افزار مناسب استبه عنوان یک SoC به طور خاص برای برنامه های کاربردی صنعتی، RK3399 برای سال های بسیاری مورد استفاده قرار گرفته است و SDK آن بسیار بالغ است که برای برنامه های کاربردی صنعتی با الزامات ثبات بالا مناسب است. به عنوان یک تراشه ARM ، RK3399 همچنین می تواند در دستگاه های تلفن همراه ، با باتری های لیتیوم ساخته شده و صفحه نمایش های داخلی مورد استفاده قرار گیرد ، بنابراین می تواند به عنوان یک ایستگاه کاری تلفن همراه استفاده شود. علاوه بر صفحه نمایش داخلی ، RK3399 همچنین می تواند به عنوان یک صفحه کار تلفن همراه استفاده شود.همچنین می تواند به صفحه نمایش های خارجی از طریق HDMI متصل شود، پشتیبانی از چند صفحه نمایش مختلف و عملکردهای نمایش یکسان، که می تواند با توجه به نیازهای خود سازگار و تنظیم شود.   در حال حاضر، اندوسکوپ های پزشکی مبتنی بر پلت فرم RK3399 به صورت انبوه تولید شده اند و طرح طراحی بسیار بالغ است.و می تواند طراحی را با توجه به نیازهای مشتری تنظیم کندعلاوه بر اندوسکوپ های پزشکی، همچنین می تواند برای محصولات مانند اندوسکوپ های صنعتی استفاده شود.اگر نیاز به پروژه برای اندوسکوپ ها وجود داشته باشد، می توانید از سیستم عامل RK3399 برای پیاده سازی استفاده کنید. این سیستم عامل می تواند خدمات ارزیابی فنی رایگان را ارائه دهد.