Shanghai Neardi Technology Co., Ltd.

Neardi Pi 4-3588: ปลดปล่อยพลังอัจฉริยะความเร็วสูงระดับ 8K เพื่อเสริมศักยภาพยุคใหม่ของ Edge Computing ระดับองค์กร

.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; } } ในภูมิทัศน์ของ AIoT และ edge computing ที่มีการพัฒนาอย่างรวดเร็วในปัจจุบัน นักพัฒนาและองค์กรต่างๆ กำลังเรียกร้องประสิทธิภาพ ความเสถียร และความสามารถในการปรับขนาดของฮาร์ดแวร์หลักที่สูงขึ้น บอร์ดพัฒนา Neardi Pi 4-3588 เปิดตัวอย่างเป็นทางการ — ไม่เพียงแต่เป็นแพลตฟอร์มฮาร์ดแวร์โอเพนซอร์สเท่านั้น แต่ยังเป็นเครื่องมืออันทรงพลังสำหรับคุณในการเปลี่ยนอัลกอริทึมล้ำสมัยให้เป็นผลิตภัณฑ์ที่ผลิตจำนวนมาก ประสิทธิภาพสูงสุด: สถาปัตยกรรม Octa-core, พลังงานระดับเรือธง Neardi Pi 4-3588 มาพร้อมกับชิป RK3588 รุ่นเรือธงของ Rockchip ซึ่งใช้กระบวนการ 8nm ขั้นสูง ผสมผสานประสิทธิภาพสูงเข้ากับการควบคุมการใช้พลังงานอย่างมากได้อย่างลงตัว โปรเซสเซอร์ที่แข็งแกร่ง: มีสถาปัตยกรรม quad-core Cortex-A76 และ quad-core Cortex-A55 big.LITTLE รองรับการจัดสรรงานแบบไดนามิกเพื่อจัดการกับสถานการณ์การคำนวณที่ซับซ้อนได้อย่างง่ายดาย การประมวลผลกราฟิกชั้นนำ: ผสานรวม ARM Mali-G610 MP4 GPU รองรับอินเทอร์เฟซกราฟิกหลักอย่าง OpenGL ES 3.2 และ Vulkan 1.2 อย่างเต็มที่ ตอบสนองความต้องการด้านคุณภาพภาพที่มีความแม่นยำสูง พลังการคำนวณ AI ที่เพิ่มขึ้น: มี NPU ในตัวพร้อมพลังการคำนวณสูงสุด 6TOPS รองรับการทำงานแบบผสม INT4/INT8/INT16 เร่งการอนุมานโมเดลของเฟรมเวิร์กต่างๆ เช่น TensorFlow, PyTorch และ Caffe ได้อย่างสมบูรณ์แบบ งานฉลองภาพ: การเข้ารหัสและถอดรหัส 8K พร้อมจอแสดงผลขั้นสุดยอด Neardi Pi 4-3588 ได้รับการออกแบบมาสำหรับการใช้งานด้านภาพ รองรับการถอดรหัสฮาร์ดแวร์ 8K@60fps H.265/VP9 และการเข้ารหัส 4K@60fps ร่วมกับการประมวลผล HDR มอบคุณภาพภาพระดับโรงภาพยนตร์ การเชื่อมต่อหลายหน้าจอ: มีเอาต์พุต HDMI ออนบอร์ด (รองรับสูงสุด 8K@30fps หรือ 4K@120fps) และมีอินเทอร์เฟซ MIPI-DSI อำนวยความสะดวกในการใช้งานจอแสดงผลแบบเฮเทอโรจีนัสหลายหน้าจอ การรับสัญญาณหลายช่องทาง: มาพร้อมกับอินเทอร์เฟซกล้อง MIPI-CSI สามตัว มอบรากฐานฮาร์ดแวร์ที่มั่นคงสำหรับการมองเห็นด้วยเครื่องจักรและการเย็บกล้องหลายตัว การเชื่อมต่อที่ครอบคลุม: อินเทอร์เฟซระดับอุตสาหกรรมที่หลากหลาย ในฐานะแพลตฟอร์ม "ระดับองค์กร" Neardi Pi 4-3588 ไม่ประนีประนอมกับความสามารถในการปรับขนาด โดยมีอินเทอร์เฟซที่ครอบคลุมสถานการณ์ทางอุตสาหกรรมส่วนใหญ่: ที่เก็บข้อมูลความเร็วสูง: รองรับการขยายพื้นที่เก็บข้อมูล M.2 Key M (SSD 2242) โปรโตคอล NVMe ภายนอก การสื่อสารแบบเต็มเครือข่าย: มีพอร์ต Gigabit Ethernet คู่, WiFi 6 แบบ dual-band, Bluetooth 5.4 และอินเทอร์เฟซ mini-PCIe สำรองเพื่อรองรับโมดูล 4G/5G ความครอบคลุมของโปรโตคอลอุตสาหกรรมเต็มรูปแบบ: มี CAN FD, RS485, UART, I2C, SPI และอินเทอร์เฟซการสื่อสารอื่นๆ ที่ใช้กันทั่วไปบนบอร์ด เชื่อมต่อกับเซ็นเซอร์และอุปกรณ์ต่อพ่วงอุตสาหกรรมต่างๆ ได้อย่างราบรื่น เป็นมิตรกับนักพัฒนา: โอเพนซอร์สแบบเต็มสแต็ก, การผลิตจำนวนมากอย่างรวดเร็ว เราเข้าใจถึงความสำคัญของวงจรการพัฒนาอย่างเต็มที่ Neardi Pi 4-3588 ไม่เพียงแต่มอบฮาร์ดแวร์เท่านั้น แต่ยังมอบระบบนิเวศอีกด้วย: การสนับสนุนหลายระบบ: เข้ากันได้กับระบบ Android, Buildroot, Debian และ Ubuntu อย่างสมบูรณ์แบบ รหัสโอเพนซอร์ส: มอบรหัสระบบโอเพนซอร์ส, เอกสาร WIKI ฉบับสมบูรณ์, ไดรเวอร์เคอร์เนล และเครื่องมือแฟลชให้กับผู้ใช้ การสนับสนุนที่ครอบคลุม: Lindi Technology ให้การสนับสนุนเชิงลึกตั้งแต่การให้คำปรึกษาด้านเทคนิคไปจนถึงการพัฒนาแบบกำหนดเอง ช่วยให้คุณลดรอบเวลาตั้งแต่ต้นแบบไปจนถึงการผลิตจำนวนมากได้อย่างมาก คุณภาพระดับอุตสาหกรรม: มีรุ่นเกรดเชิงพาณิชย์ (-20℃~75℃) และเกรดอุตสาหกรรม (-40℃~85℃) เพื่อตอบสนองความต้องการในการทำงานที่เสถียรในสภาพแวดล้อมที่รุนแรง สถานการณ์การใช้งานที่หลากหลาย ด้วยประสิทธิภาพและความน่าเชื่อถือสูง Neardi Pi 4-3588 จึงถูกนำไปใช้อย่างแพร่หลายใน: ปัญญาประดิษฐ์และการมองเห็น: การจดจำวัตถุ, การมองเห็นด้วยเครื่องจักร, การเฝ้าระวังความปลอดภัย จอแสดงผลอัจฉริยะ: แท็บเล็ตอัจฉริยะ, หน้าจอแสดงผลเชิงพาณิชย์ อุตสาหกรรมและการขนส่ง: การควบคุมอุตสาหกรรม, พลังงาน, เทอร์มินัลในรถยนต์, โลจิสติกส์อัจฉริยะ ด้วยประสิทธิภาพชิปอันทรงพลังของ Rockchip RK3588 และประสบการณ์การปรับแต่งอุตสาหกรรมอย่างลึกซึ้งของ Lindi Technology ประสิทธิภาพที่ยอดเยี่ยมมาจากความประณีตของทุกรายละเอียด การผลิตจำนวนมากอย่างรวดเร็วมาจากการสนับสนุนระบบนิเวศที่มั่นคงและเป็นผู้ใหญ่ Neardi Pi 4-3588 วางจำหน่ายอย่างเป็นทางการแล้ว พร้อม SDK ฉบับสมบูรณ์ เอกสารทางเทคนิค และการสนับสนุนด้านเทคนิคระดับผู้เชี่ยวชาญพร้อมใช้งาน

การตีความเชิงลึกเกี่ยวกับคอขวด 6TOPS ของ RK3588 และความจริงเกี่ยวกับพลังการประมวลผลของ 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; } } ลองจินตนาการว่าคุณกําลังทํางานในโครงการ AI ขั้วด้วย RK3588: คล้องถ่ายวิดีโอ ต้องการที่จะดําเนินการในเวลาจริง การจํานองใบหน้าและการตรวจจับรถยนต์ ในขณะเดียวกันยังสนับสนุนการแสดง UI การอัพโหลดข้อมูลและการประมวลผลตรรกะทางธุรกิจคุณสังเกตเห็นไหม: การตกของกรอบเกิดขึ้นเมื่อมีวัตถุมากมายในกรอบ โมเดลขนาดใหญ่ไม่สามารถทํางานได้อย่างราบรื่น และอุณหภูมิเพิ่มขึ้นอย่างคมชัด ในตอนนี้ ผู้คนมักจะบอกว่า "รุ่นของคุณใหญ่เกินไป" 6TOPS ของ RK3588 ไม่เพียงพอ แต่มันคือการขาดพลังงานคอมพิวเตอร์จริงๆหรือ? คุณเคยสงสัยไหม: ทําไม NPU 6TOPS ยังมีภาวะตกกรอบและความช้า เมื่อทํางานแบบ 4TOPS?คําตอบอยู่ที่สามมิติของพลังงานคอมพิวเตอร์ NPU:ความสามารถสูงสุด (TOPS),ความละเอียด (INT8/FP16)และประสิทธิภาพ (ความกว้างของแบนด์วิท). คุณจะเห็นว่าชิปต่าง ๆ เน้นรายละเอียดของ NPU ของพวกเขา, โดยมีปารามิเตอร์หลักที่แสดงออกอย่างโดดเด่น: พลังการคิดเลข NPU: X TOPS ตัวอย่างรวมถึง RK3588-6TOPS, RK3576-6TOPS,RK1820-20TOPS, Hi3403V100-10TOPS, Hi3519DV500-2.5TOPS, Jetson Orin Nano-20/40TOPS, Jetson Orin NX-70/100TOPS และอื่นๆ TOPS คืออะไร ทําไมทุกคนถึงพูดถึงมัน เทรา: เป็นตัวแทนของ 1012 การดําเนินงานต่อวินาที: อ้างอิงถึงจํานวนทั้งหมดของการประกอบการ AI ที่ NPU สามารถดําเนินการได้ในหนึ่งวินาที. ในภาษาง่าย ๆ 1 TOPS หมายถึง NPU สามารถดําเนินการได้ 1 พันล้าน (1012) การประกอบการต่อวินาที TOPS จะคํานวณอย่างไร จํานวนรวมของหน่วย MAC เป็นแกนหลักของคอมพิวเตอร์เครือข่ายประสาทการคํานวณหลักเกี่ยวกับการคูณข้อมูลเข้าด้วยน้ําหนัก และต่อมารวมผล. ปรัชญาการออกแบบของ NPU อยู่ที่การมีชุดขนาดใหญ่มากของหน่วย MAC ทิศกัน ชิป NPU อาจมีพันหรือแม้แต่สิบพันหน่วย MACซึ่งสามารถทํางานพร้อมกัน เพื่อให้ได้ผลการคํานวณปานกลางขนาดใหญ่. ยิ่งมีหน่วย MAC มากเท่าไหร่ นพยูจะสามารถทําการคํานวณได้มากยิ่งขึ้นในวงจรนาฬิกาเดียว ความถี่ของนาฬิกา: กําหนดจํานวนวงจรที่ชิป NPU และหน่วย MAC ของมันทํางานต่อวินาที (วัดใน Hertz, Hz)ความถี่ที่สูงขึ้นทําให้เรียง MAC สามารถดําเนินการคูณ-สะสมมากกว่าต่อหน่วยเวลาเมื่อผู้ผลิตประกาศ TOPS พวกเขาใช้ความถี่ในการทํางานสูงสุดของ NPU (เช่น ความถี่สูงสุดที่สามารถบรรลุได้) การดําเนินงานต่อ MAC: การทํางาน MAC ครบถ้วนในความเป็นจริงรวมถึงการคูณและการบวกครั้งหนึ่ง เพื่อสอดคล้องกับวิธีการนับแบบ FLOPS (Floating-Point Operations Per Second)มาตรฐานคอมพิวเตอร์หลายอย่างนับการปฏิบัติ MAC หนึ่งเป็น 2 การปฏิบัติพื้นฐาน (1 สําหรับการคูณและ 1 สําหรับการบวก). ปัจจัยความแม่นยํา: หน่วย MAC ของ NPU ถูกปรับปรุงให้ดีที่สุดสําหรับการประมวลผลข้อมูลความแม่นยําต่ํา (เช่น INT8) อัตราการเร่งเร่งง่ายของ INT8 vs FP32: เนื่องจาก 32 บิต / 8 บิต = 4 หน่วย FP32 เดี่ยวสามารถทําการดําเนินการ 4 เท่าในรอบหนึ่งเมื่อเปลี่ยนไปสู่การคํานวณ INT8 ดังนั้น,หาก TOPS ของผู้ผลิตถูกคํานวณขึ้นอยู่กับ INT8, มันจําเป็นต้องคูณด้วยอัตราเร่งที่เกี่ยวข้องกับความแม่นยํา. นี่คือเหตุผลที่ INT8 TOPS มากกว่า FP32 TOPS มาก. TOPS วัดพลังงานคอมพิวเตอร์ในทฤษฎีสูงสุด ในการใช้งานจริง เนื่องจากปัจจัยเช่น การส่งข้อมูล ความจําจําจํากัด และโครงสร้างแบบพลังการคํานวณเชิงจริงของ NPU มักจะต่ํากว่าค่าสูงสุด. พลังคอมพิวเตอร์เกี่ยวกับความเร็ว ความแม่นยําเกี่ยวกับ "ความละเอียด" พลังคอมพิวเตอร์บอกเราว่า NPU วิ่งเร็วแค่ไหน ขณะที่ความแม่นยําทางคอมพิวเตอร์บอกเราว่ามันทํางานได้ดีแค่ไหน ความแม่นยําเป็นมิติสําคัญอีกอย่างของผลงานของ NPUการกําหนดจํานวนบิตที่ใช้และช่วงการแสดงข้อมูลระหว่างการคํานวณ. ในระดับ TOPS เดียวกัน ความเร็วการคํานวณจริงของ INT8 เร็วกว่าของ FP32 มาก เพราะหน่วย MAC ของ NPU สามารถประมวลผลข้อมูล 8-bit มากขึ้นพร้อมกัน และดําเนินการได้มากกว่า NPU TOPS ที่ผู้ผลิตอ้างอิงมักจะใช้ความละเอียด INT8 เมื่อทําการเปรียบเทียบให้แน่ใจว่าคุณกําลังเปรียบเทียบ TOPS ภายใต้ความละเอียดเดียวกัน ความแม่นยําสูง (มักจะใช้ในการฝึกอบรม) FP32 (Floating-point-single-precision, 32-bit) (จุดลอยระดับความแม่นยําเดียว, 32 บิต): ให้บริการช่วงจํานวนและความแม่นยําที่ใหญ่ที่สุด. ใช้กันทั่วไปใน GPU และคอมพิวเตอร์คอมพิวเตอร์แบบดั้งเดิม. โมเดลมักใช้ FP32 ในช่วงการฝึกอบรมเพื่อให้แน่ใจว่าความแม่นยํา. FP16/BF16 (ครึ่งแม่นยํา ปั่นจุด, 16 บิต): ลดปริมาณข้อมูลเป็นครึ่ง โดยยังคงมีความแม่นยําระดับหนึ่ง ทําให้การคํานวณเร็วขึ้นและประหยัดความจํา ความแม่นยําต่ํา (มักจะใช้ในการสรุป) INT8 (8-bit Integer): ปัจจุบันมาตรฐานอุตสาหกรรมสําหรับการประเมินผลประกอบการสรุปของ NPUs ขอบด้าน กระบวนการแปลงน้ําหนักแบบและค่าการเปิดจากความแม่นยําสูง (เช่นFP32) เป็นจํานวนเต็ม 8 บิต เรียกว่า Quantization. INT4 (ความกว้างบิตต่ํากว่า): มีลักษณะการกดเพิ่มเติม เหมาะสําหรับฉากที่มีความต้องการสูงมากต่อการใช้พลังงานและความช้า แต่นําความต้องการสูงขึ้นในการควบคุมความเสียความแม่นยําของรุ่น วิธีการเข้าใจผลงานจริงของ NPU? เมื่อคุณเห็น NPU กล่าวว่า 20 TOPS (INT8) คุณจําเป็นต้องเข้าใจ: พลังคอมพิวเตอร์สูงสุดคือ 20 พันล้านประกอบการต่อวินาที พลังคอมพิวเตอร์นี้ถูกวัดภายใต้ความแม่นยําของจํานวนเต็ม 8 บิต (INT8) นั่นหมายความว่ามันถูกใช้เป็นหลักในการสรุป AI (เช่นการจําลองภาพ, การประมวลผลเสียง, ฯลฯ) ไม่ใช่การฝึกอบรม ผลงานสุดท้ายขึ้นอยู่กับการใช้งาน: ประสบการณ์ของผู้ใช้จริง (เช่นความเร็วการเปิดล็อคหน้า, ความช้าในการแปลในเวลาจริง) ไม่เพียงแต่ขึ้นอยู่กับ TOPS ของ NPU แต่ยังขึ้นอยู่กับ: คุณภาพการควานติกโมเดล: ไม่ว่าโมเดล INT8 ที่ควานติกจะรักษาความแม่นยําเพียงพอหรือไม่ ความกว้างแบนด์วิทของความจํา ความเร็วของการเข้าและออกของข้อมูล ซอฟต์แวร์สเตคและไดรเวอร์: ระดับการปรับปรุงของโซ่เครื่องมือและไดรเวอร์ที่จัดให้โดยผู้ผลิตชิปสําหรับการจําหน่ายแบบ พลังการคํานวณของ NPU (TOPS) เป็นตัวชี้วัดของความเร็วของ NPU ขณะที่ความแม่นยําในการคํานวณ (เช่น INT8) เป็นกุญแจของประสิทธิภาพและการนําไปใช้ผู้ผลิตโดยทั่วไปมุ่งหมายให้สูงสุด INT8 TOPS โดยยังคงการสูญเสียความแม่นยําที่ยอมรับได้, เพื่อบรรลุผลการสรุป AI ที่ใช้พลังงานต่ําและมีประสิทธิภาพสูง

นวัตกรรมและความก้าวหน้าของชิป AI ที่ผลิตในประเทศ: โอกาสและความท้าทายในยุค Edge-Terminal

.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; } } หลังจากเกิดการระเบิดของรูปแบบ AI ใหญ่ๆ การคํานวณไม่ได้จํากัดอยู่ในเมฆอีกต่อไป อัลการิทึมที่ฉลาดมากขึ้นในขณะนี้ทํางานในท้องถิ่นบนอุปกรณ์ขอบกล้องฉลาดจํารูปร่างและพฤติกรรมของมนุษย์, เทอร์มินัลในรถยนต์ติดตามการขับขี่ในเวลาจริง กล้องอุตสาหกรรมตรวจพบความบกพร่องโดยอัตโนมัติ และเครื่องสูบอุ่นหุ่นยนต์ระบุเป้าหมายนอกระบบและสนามรบที่แข็งแกร่งที่สุด, ให้ผู้ขาย SoC ในประเทศมีช่องว่างในการประมวลผลมัลติมีเดียและ AI ตลาดเอจ-AI สนามรบ AI ที่เติบโตเร็วที่สุดและหนาแน่นที่สุด โดยตรงแล้วตลาดเอจไอแบ่งออกเป็นส่วนของเอจเทอร์มิเนล และเอจเซอร์เวอร์ เซอร์เวอร์เอจมีขนาดใหญ่ ราคาแพง และใช้งานมากในการคํานวณ ให้บริการกับปาร์คสมาร์ทและเน็ตเอจแฟรงค์เอร์มิเนลขอบ (บทความนี้เน้น) เป็นขนาดใหญ่, ราคาที่มีความรู้สึกและแตกแยกในกรณีการณ์. พวกเขารู้สึกถึงสิ่งแวดล้อมและประมวลผลวิดีโอ / เสียงในสถานที่, ส่งหน้าที่ AI ขอบและส่งเสริมอุปกรณ์. อุปกรณ์ใดที่นับว่าปลายทางขอบ? กล้องฉลาด (IPC, กลองประตูฉลาด, กล้อง dash cam), กล้องสายตาอุตสาหกรรมและปลายทาง QC, โมดูลในรถยนต์ (AVM, DMS, DVR, การช่วยเหลือ ADAS),คิออสก์ขายปลีกที่บริการตนเอง, อุปกรณ์บ้านฉลาด (เครื่องเสียง, เครื่องดูดฝุ่น, เครื่องควบคุมอุปกรณ์) และหน่วยขอบเมืองฉลาด สองเส้นทางทางเทคนิคสําหรับชิปเอจ-AI: การบูรณาการ SoC VS เครื่องเร่ง AI ที่แยกแยก ชิปเอจ-AI ใช้สองเส้นทาง: SoC ที่มี NPU ภายในสําหรับความฉลาดแบบเต็มที่ในราคาถูกและพลังงานต่ํา หรือตัวเร่ง AI ที่แยกแยกที่เพิ่มการคํานวณสําหรับการสรุปแบบมืออาชีพแบบหลายรุ่นและภาระหนัก SoC (System on Chip) รวม CPU, GPU, AI, วิดีโอ, ออดิโอ และอุปกรณ์ล้อมในตัวเดียว. NPU ที่ติดตั้งในตัวได้กลายเป็นความเห็นตกลงของอุตสาหกรรมและวิธีการ AI ขอบที่ได้รับการรับรองมากที่สุด. Rockchip RK3576, SoC AI ขอบประสงค์ทั่วไป: CPU 8-core (4×A72 + 4×A53); 6-TOPS NPU (INT4/8/16, FP16); Mali-G52 GPU; 8-K decode, 4-K encode; multi MIPI-CSI สําหรับหลายกล้อง, ออกหลายจอ (DSI),เป้าหมายแท็บเล็ตอุตสาหกรรม กล้อง AI เครื่องบันทึกเสียงรถยนต์ HiSilicon Hi3403V100 คู่ AI-ISP (การปรับปรุงภาพ + การอัตราประสานงาน AI) SoC มองเห็นด้วย quad A55 10-TOPS NPU ผสมผสานกันอย่างแน่นกับ ISP ISP ที่มีความสามารถสูงเหนือกว่าในแสงเบื้องหลังและแสงต่ําI/O วิดีโอ 4K หลายแบบ; ประสิทธิภาพการใช้งานสูงสําหรับการตรวจจับ / การติดตาม วิธีการแบ่งงานอย่างมีประสิทธิภาพระหว่าง CPU, GPU, NPU และ discrete accelerator ผ่อนการประมวลผลบน GPU / CPU, การสรุปบน NPU / accelerator, หลังการประมวลผลบน CPU เป็นความท้าทายการทํางานหลักดังนั้นเครื่องเร่ง AI จึงเกิด, ถือไว้สําหรับการสรุปและเชื่อมต่อกับ SoC หลักผ่าน PCIe. SoC จัดการกําหนดการระบบ, วิดีโอ, กราฟฟิก, UI; accelerator จัดจําลองและจําหน่ายการคํานวณ AI. Rockchip RK1820, NPU coprocessor สําหรับ AI ขอบความสามารถสูง, ทําหน้าที่เป็นสมองที่สอง. 20-TOPS NPU, การดําเนินการแบบอิสระ, INT8/16/FP16;คู่กับ RK3576/3588 ผ่าน PCIe สําหรับการสรุปที่สูงกว่า. การตั้งตําแหน่งชิป AI ในประเทศ: ชนะด้วยการเลือกเส้นทางที่ถูกต้อง ไม่ใช่การเก็บรายละเอียด ใน AI ขอบ, TOPS, CPU คอร์, และ node การประมวลผลเรื่อง แต่การอยู่รอดขึ้นอยู่กับการเลือกเส้นทางที่ถูกต้อง ร็อคชิป: โปตฟอลเล่ย์ที่กว้างขวางและระบบนิเวศที่แข็งแกร่งที่สุด เป้าหมายของร็อคชิป ไม่ใช่ชิปที่เร็วที่สุด แต่เป็นระบบนิเวศที่รวยที่สุดระดับการคํานวณเต็ม: RV1103/1106 สําหรับกล้องแสง; RV1126/1109 สําหรับความปลอดภัยโดยกําหนด; RK3576 สําหรับเทอร์มินัลกลาง / สูง; RK3588 สําหรับขอบเรือธง; RK3688 สําหรับคอร์คํานวณสูงรุ่นต่อไปแมตริกซ์นี้เป็นพื้นฐานทั่วไปสําหรับอุปกรณ์ที่ผลิตในประเทศ จาก IPC ที่ใช้พลังงานต่ําไปยังเกตเกตอุตสาหกรรม, แว่นตา AR, โรบอต, กล่องการศึกษา, DMS / CMS ของยานพาหนะขอบเทคโนโลยี: มัลติมีเดียที่สมดุล + ISP + AI; โคเดคที่แข็งแกร่ง, ISP, และ RKNN เครื่องมือที่成熟 ผู้ชนะทั้งหมด: อีไอ ultra-light + IoT ultra-low-power ไม่ใช่สําหรับโมเดลขนาดใหญ่ แต่สําหรับ IoT และอุปกรณ์ผู้บริโภคขนาดใหญ่ตําแหน่ง: พลังงานต่ํา, ปริมาณเสียงสูง, ราคาที่รู้สึก. เครื่องเสียงสมาร์ท (สนับสนุน I2S / PDM / mic ที่รวย), กล้อง AI ขอบเบา, การควบคุมอุปกรณ์ขนาดเล็ก, TTS / ทิมินัลเสียง. V853/V831: SoC AI ultra-lightรุ่น Rควบคุม MCU-SoC Allwinner ล่าฉาก 10 ล้านหน่วย ไม่ใช่ TOPS อัมโลจิก: มัลติมีเดียกิง อีไอเป็นโบนัส ผู้นําระดับโลกใน OTT box และ Smart TV SoCsตําแหน่ง: ฮับสื่อในบ้าน + อุปกรณ์สมาร์ทของผู้บริโภค. AI เป็นตัวเสริม; ข้อแข็งแกร่งหลักคือ Video Decode, HDR, A/V Sync, TV/OTTเครื่องบันเทิงบ้าน AIOs. ฟูลแฮน นักวิชาการความปลอดภัย กล้องวงจรปิดเกือบทั้งหมดตําแหน่ง: SoC ที่มุ่งเน้นต่อความปลอดภัย ข้อแข็งแกร่ง: ISP ที่แข็งแกร่ง, การดันที่แข็งแกร่ง, การควบคุมค่าใช้จ่ายอย่างเคร่งครัด, การสอดคล้องอย่างเคร่งครัดกับระบบนิเวศ Hikvision / Daahua. เรือรุ่น FH8856, FH8852.ฟูลแฮนขุดลึกเข้าไปในทางล่องวงการเฝ้าระวัง, ชนะจากความมั่นคงและค่าใช้จ่าย อินเจนิก: พลังงานต่ําสุด + อีไอเบาสุด ฐาน MIPS เครื่องสวมและบ้านฉลาดตําแหน่ง: อุปกรณ์สมาร์ทขนาดเล็ก แพ็คเกจเล็กๆ แอปปลิเคชั่น: โทรศัพท์ประตูที่สมาร์ท, IPC แสง, นาฬิกาเด็ก, หน่วยขอบไมโคร ลักษณะ: พลังงานต่ําสุด, การบูรณาการสูง, ลักษณะเล็กซีรี่ย์ AISoC สําหรับการสรุปการมองแสง. ความต้องการที่แท้จริงของเอจ-AI: ไม่ใช่ TOPS อีกต่อไป แต่เป็น Interface Matrix + Scenario Fit เป็นเวลาสองปีที่พูดคุยทั้งหมดคือ TOPS 3, 6, 12 เพราะถ้าจํานวนที่ใหญ่กว่าเท่ากับชิปที่ดีกว่า ความสามารถหลักไม่เคยเป็น TOPS แท้; มันคือ ผสมอินเตอร์เฟซ + สถิติที่เหมาะสม ในกล้องวงจรปิด กล้องอุตสาหกรรม กลองประตูที่สมาร์ท DMS / ADAS ของรถยนต์ สิ่งที่สําคัญคือ: สายพานกล้องเพียงพอ (MIPI-CSI, DVP)คุณภาพการปรับ ISPใน DTU อุตสาหกรรม, smart gateway, โรบอต, สถานการณ์พลังงาน, อุปกรณ์นอกเหนือ TOPS: สอง GbE / 2.5G / RGMII / SGMII, RS232 / 485 / CAN / UART, Wi-Fi / BT, โมดูล 4G / 5G, หลาย USB / SPI / I2Cในแผ่นควบคุมที่ฉลาด, จอรถยนต์ในตลาดหลังการขาย, AR / VR, POS ที่ฉลาด, การเปลี่ยนความสําคัญไปยังพอร์ตจอ (MIPI-DSI, HDMI, eDP), การสนับสนุนหลายจอ, ผลงาน UI (GPU / กราฟิก), โดย AI เป็นผู้ช่วย, ไม่ใช่ดารา คําสําคัญของตลาดรถยนต์: ความต้านทานต่อการกระแทก, การสลับระดับแรงดัน, -40-85 °C, อายุการใช้งาน eMMC, Multi-CSI สําหรับ DMS/OMS/ADAS, ความช้าของวิดีโอระดับ ms อีจีเอลีย์ (Edge AI) เป็นแนวทางที่ดีที่สุดสําหรับชิปที่ผลิตในประเทศเอง โอกาสไม่ได้มาจากการสะสมTOPS แต่มาจากการรู้สถานการณ์และการตอบสนองความต้องการและอุปกรณ์ในบ้านจะเป็นเวทีที่ชิปในประเทศจะพิสูจน์ตัวเอง.

คู่มือครบวงจรสู่การพัฒนาโปรโตคอล Wi-Fi—ก้าวสู่สุดยอดประสิทธิภาพด้วย Wi-Fi 6!

.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; } } จากการเชื่อมต่อแบบ dial-up ในยุคแรกเริ่มจนถึงยุคที่ทุกสิ่งเชื่อมต่อถึงกันในปัจจุบัน การแสวงหาความเร็วและความเสถียรของเราไม่เคยหยุดนิ่ง นวัตกรรมโปรโตคอล Wi-Fi แต่ละครั้งถือเป็นก้าวกระโดดครั้งใหญ่ในชีวิตอัจฉริยะของเรา โปรโตคอลเหล่านี้ทั้งหมดมีต้นกำเนิดมาจากตระกูลมาตรฐาน IEEE 802.11 โดยมีการพัฒนาจาก 802.11b ไปจนถึง Wi-Fi 4/5/6 ในปัจจุบัน การพัฒนาในช่วงแรกและการก้าวกระโดดด้านประสิทธิภาพ: จาก 802.11b/g ถึง 802.11ax 802.11b – ย่านความถี่ 2.4 GHz, อัตราสูงสุด 11 Mbps; วางรากฐานและนำ Wi-Fi สู่ตลาดมวลชน 802.11a – ย่านความถี่ 5 GHz, สูงสุด 54 Mbps; เป็นรุ่นแรกที่นำ OFDM มาใช้ แต่มีอุปกรณ์ 5 GHz น้อย ทำให้ไม่แพร่หลาย 802.11g – ย่านความถี่ 2.4 GHz, สูงสุด 54 Mbps; ผสมผสานสิ่งที่ดีที่สุดของทั้งสองอย่าง—ใช้ OFDM ใน 2.4 GHz เพื่อความเร็วที่สูงขึ้นในขณะที่ยังคงเข้ากันได้กับ 802.11b 802.11n (Wi-Fi 4) – ย่านความถี่ 2.4 & 5 GHz, สูงสุด 600 Mbps (4×4 MIMO, 40 MHz); เปิดตัว MIMO, ทำลายกำแพง 100 Mb และเพิ่มการรองรับแบบ dual-band 802.11ac (Wi-Fi 5) – ย่านความถี่ 5 GHz เท่านั้น, สูงสุด 6.9 Gbps (8×8 MIMO, 160 MHz); นำ MU-MIMO (DL) เข้ามา, ขยายช่องสัญญาณ และเพิ่มแบนด์วิดท์ 802.11ax (Wi-Fi 6) – ย่านความถี่ 2.4 & 5 GHz, สูงสุด 9.6 Gbps (8×8 MIMO, 160 MHz, 1024-QAM); ให้ประสิทธิภาพสูง (ความจุ), ความหน่วงต่ำ, พลังงานต่ำ และการป้องกันสัญญาณรบกวนที่แข็งแกร่ง MIMO (802.11n): ก่อนหน้านี้ ข้อมูลถูกส่งผ่านช่องสัญญาณเดียว MIMO ใช้เสาอากาศหลายตัวเพื่อส่งและรับข้อมูลพร้อมกัน ทำให้สามารถส่งผ่านหลายช่องสัญญาณแบบขนานและเพิ่มอัตราข้อมูลและการครอบคลุมได้อย่างมาก MU-MIMO (DL) (802.11ac): เป็นครั้งแรกที่อนุญาตให้เราเตอร์ส่งข้อมูลไปยังอุปกรณ์ปลายทางหลายเครื่องในเวลาเดียวกัน (ดาวน์ลิงก์) ซึ่งช่วยปรับปรุงประสิทธิภาพเครือข่ายในสถานการณ์ที่มีอุปกรณ์หลายเครื่อง Wi-Fi 5: รองรับ DL MU-MIMO เท่านั้น Wi-Fi 6: ขยายไปยังทั้งอัปลิงก์และดาวน์ลิงก์ Wi-Fi 6: สุดยอดแห่งประสิทธิภาพและความเสถียร Wi-Fi 6 (802.11ax) เป็นมากกว่าการเพิ่มความเร็ว—มันคือการปฏิวัติประสิทธิภาพที่จัดการกับความแออัด ความหน่วง และการใช้พลังงาน ซึ่งเป็นการวางรากฐานสำหรับ IoT รุ่นต่อไป MU-MIMO จัดการกับ “สตรีมข้อมูลขนาดใหญ่ที่มีปริมาณงานสูง”; OFDMA จัดการกับ “สถานการณ์หลายอุปกรณ์ แพ็กเก็ตขนาดเล็ก” OFDMA (Orthogonal Frequency-Division Multiple Access): หลักการ: Wi-Fi แบบดั้งเดิมให้บริการอุปกรณ์เพียงเครื่องเดียวในแต่ละครั้ง OFDMA แบ่งช่องสัญญาณออกเป็น RUs หลายตัวและสามารถส่งข้อมูลไปยังอุปกรณ์หลายเครื่องพร้อมกันได้ โดยจะแบ่งช่องสัญญาณข้อมูลเดียวออกเป็นผู้ให้บริการย่อยขนาดเล็กจำนวนมาก (หน่วยทรัพยากร) และส่งแพ็กเก็ตขนาดเล็กไปยังอุปกรณ์ต่างๆ หลายเครื่องในเวลาเดียวกัน ข้อดี: ลดความหน่วงลงอย่างมาก โดยเฉพาะอย่างยิ่งในสถานการณ์ IoT ที่มีปริมาณข้อมูลน้อยแต่มีอุปกรณ์จำนวนมาก ซึ่งช่วยเพิ่มประสิทธิภาพได้ถึง 4× UL/DL MU-MIMO (อัปลิงก์/ดาวน์ลิงก์ multi-user MIMO): Wi-Fi 5 รองรับเฉพาะดาวน์ลิงก์ (เราเตอร์ไปยังอุปกรณ์) Wi-Fi 6 เพิ่ม MU-MIMO แบบสองทิศทาง ทำให้สามารถให้อุปกรณ์ส่งไปยังเราเตอร์พร้อมกันได้และขจัดความล่าช้าในการเข้าคิว TWT (Target Wake Time): หลักการ: เราเตอร์เจรจาเวลาการสื่อสารถัดไปกับแต่ละอุปกรณ์ อุปกรณ์สามารถเข้าสู่โหมดสลีปแบบลึกนอกหน้าต่างที่กำหนดไว้ ข้อดี: ลดการใช้พลังงานแบตเตอรี่ลงอย่างมาก ขยายอายุการใช้งานแบตเตอรี่ของอุปกรณ์ IoT ได้ 2–10 BSS Coloring & Spatial Reuse: โดยการเพิ่ม “แท็กสี” ให้กับแพ็กเก็ต BSS ระบบจะระบุและละเว้นสัญญาณรบกวนจากเครือข่ายใกล้เคียงอย่างชาญฉลาด ซึ่งช่วยปรับปรุงความเสถียรและความสามารถในการป้องกันสัญญาณรบกวนในสภาพแวดล้อมที่อยู่อาศัยหนาแน่นอย่างมาก ประสิทธิภาพและการรวมโหมดคู่: โซลูชัน FD7352S Wi-Fi 6 โมดูล FD7352S ของ Neardi สร้างขึ้นบนโปรโตคอล Wi-Fi 6 Wave 2 ล่าสุดและรวมเทคโนโลยีขั้นสูงทั้งหมด—เป็นตัวเลือกที่เหมาะสำหรับผลิตภัณฑ์ IoT ที่มีประสิทธิภาพสูงและมีความน่าเชื่อถือสูง สถาปัตยกรรม 2T2R 2T2R MIMO: FD7352S ใช้เสาอากาศส่งสัญญาณสองตัว (2T) และเสาอากาศรับสัญญาณสองตัว (2R) เพื่อการส่งสัญญาณที่มีประสิทธิภาพสูงอัตราตามทฤษฎี: 2.4 GHz – 572.4 Mbps, 5 GHz – 1.2 Gbps; อัตราการส่งข้อมูลที่วัดได้สูงถึง 550 Mbpsการปรับสัญญาณ: 1024-QAM บรรจุข้อมูลมากขึ้นต่อสัญลักษณ์ ทำให้มั่นใจได้ถึงสตรีมวิดีโอ HD ที่ราบรื่นและเสถียร Wi-Fi 6 & BT 5.4 การทำงานร่วมกันอย่างสมบูรณ์แบบ FD7352S ไม่เพียงแต่เป็นโมดูล Wi-Fi 6 เท่านั้น แต่ยังเป็นคอมโบแบบ dual-mode 802.11ax + Bluetooth 5.4 อีกด้วยกลไกการทำงานร่วมกัน: ในย่านความถี่ 2.4 GHz Wi-Fi และ Bluetooth มักจะรบกวนกัน การไกล่เกลี่ยระดับฮาร์ดแวร์ของ FD7352S จะจัดตารางข้อมูล Wi-Fi และแพ็กเก็ตเสียง/ควบคุม Bluetooth อย่างชาญฉลาด ทำให้ทั้งสองอย่างเสถียร—เหมาะสำหรับการจับคู่ Bluetooth ที่รวดเร็วและวิดีโอ Wi-Fi คุณภาพสูงBluetooth 5.4: รองรับ BT v5.4 ล่าสุด เข้ากันได้กับ BR/EDR/LE 1M/LE 2M/LE LR ให้การเชื่อมต่อเซ็นเซอร์ที่เชื่อถือได้ ใช้พลังงานต่ำ และระยะไกล อินเทอร์เฟซการรวมสูง รองรับ SDIO 3.0 (ข้อมูลความเร็วสูง) + HS-UART (การควบคุม) + PCM (เสียง HD) ทำให้มั่นใจได้ถึงความเข้ากันได้อย่างกว้างขวางด้วยประสิทธิภาพ 2T2R ที่โดดเด่น ประสิทธิภาพ UL/DL OFDMA การทำงานพลังงานต่ำ TWT และการทำงานร่วมกันแบบ dual-mode Bluetooth 5.4 FD7352S มอบโซลูชันแบบครบวงจรสำหรับผลิตภัณฑ์อัจฉริยะรุ่นต่อไป

การวิเคราะห์เชิงลึก | ทำไมโมดูลหลักจำนวนมากขึ้นเรื่อยๆ จึงเลือกการเชื่อมต่อแบบ Board-to-Board (B2B)?

.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 */ } } ในการออกแบบโมดูลหลัก วิธีการเชื่อมต่อมักถูกมองข้าม แต่เป็นตัวกำหนดเสถียรภาพของโครงสร้าง ความสมบูรณ์ของสัญญาณ และความสามารถในการบำรุงรักษาของทั้งระบบ ในช่วงไม่กี่ปีที่ผ่านมา โมดูลหลัก บอร์ดพัฒนา และแม้แต่ระบบควบคุมหลักของอุปกรณ์ทั้งหมดจำนวนมากขึ้นเรื่อยๆ ได้เริ่มพัฒนาไปสู่การเชื่อมต่อแบบบอร์ดต่อบอร์ด ทำไมผู้ผลิตจำนวนมากขึ้นเรื่อยๆ จึงเปลี่ยนไปใช้โซลูชันนี้? มันเหนือกว่าจริงหรือ? วันนี้ เราจะอธิบายทุกอย่างอย่างละเอียดตั้งแต่การออกแบบโครงสร้างไปจนถึงการปฏิบัติในการผลิตจำนวนมากในคราวเดียว การวิเคราะห์ที่สมบูรณ์ของการเชื่อมต่อกระแสหลัก: ใครใช้บ้างและข้อดีข้อเสียคืออะไร? ในระบบ SoC ที่มีการคำนวณสูงและมีความหนาแน่นของอินเทอร์เฟซสูง ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ดได้กลายเป็นโซลูชันที่ต้องการซึ่งสร้างสมดุลระหว่างความสมบูรณ์ของสัญญาณและความน่าเชื่อถือทางกลไก การเชื่อมต่อ การใช้งานทั่วไป ข้อดี ข้อเสีย LCC โมดูลขนาดเล็ก ต้นทุนต่ำ, บัดกรีง่าย ถอดไม่ได้, ความน่าเชื่อถือในระยะยาวไม่ดี ขอบการ์ด แอปพลิเคชันฮอตปลั๊กความเร็วสูง การสัมผัสที่เชื่อถือได้, กระบวนการปริมาณมากที่ครบวงจร ข้อจำกัดทางกลไกที่รุนแรง, โครงร่าง PCB ที่จำกัด สายเคเบิล FPC แบบยืดหยุ่น อุปกรณ์บางเฉียบหรือพับได้ การกำหนดเส้นทางที่ยืดหยุ่น, โปรไฟล์บาง การป้องกัน EMI ที่อ่อนแอ, ความเสถียรทางกลไกจำกัด ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ด เมนบอร์ดอุตสาหกรรม, โมดูลการคำนวณ AI การผสมพันธุ์ความหนาแน่นสูง, แข็งแกร่ง, สามารถให้บริการภาคสนามได้ ต้นทุนสูงขึ้นเล็กน้อย, ความคลาดเคลื่อนในการวางตำแหน่งที่แน่น ทำไมต้องเลือกตัวเชื่อมต่อแบบบอร์ดต่อบอร์ด? การวิเคราะห์จุดแข็งที่สำคัญ การขนส่งสัญญาณความหนาแน่นสูง: ออกแบบมาสำหรับ SoCs ที่ต้องการความเร็ว ด้วย SoCs ประสิทธิภาพสูง เช่น RK3588 และ RK3576 ที่กำลังเป็นกระแสหลัก การส่งสัญญาณโมดูลไปยังตัวพาไม่ใช่ภารกิจ "ไม่กี่สิบสาย" อีกต่อไป—มันเป็นปัญหาช่องสัญญาณความเร็วสูงกว่าร้อยช่อง ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ดให้สัญญาณความเร็วสูง 40–120 พินได้อย่างง่ายดาย ในขณะที่ยังคงรักษาการควบคุมอิมพีแดนซ์ที่แน่นหนาและประสิทธิภาพความสมบูรณ์ของสัญญาณ (SI) ที่ยอดเยี่ยม บอร์ดตัวพา LKB3576 ใช้ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ด Panasonic AXK5F80537YG สี่ตัว—80 ตำแหน่ง, ระยะห่าง 0.5 มม.—ยึดด้วยสกรู M2 สี่ตัว เมื่อเทียบกับรู LCC แบบมีร่องหรือ FPC ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ดให้:- การสูญเสียสัญญาณน้อยลง โดยเฉพาะอย่างยิ่งที่ 2–5 Gbps;- การป้องกัน EMI ที่แข็งแกร่งขึ้นผ่านการแยกพินต่อพินที่มีการต่อสายดินอย่างดี;- ความคลาดเคลื่อนในการผสมพันธุ์ที่ควบคุมได้—การจัดตำแหน่งพินและซ็อกเก็ตที่แม่นยำภายใน ±0.05 มม. เมนบอร์ด AI, เกตเวย์อุตสาหกรรม, ชุดหัวรถยนต์ และโฮสต์วิสัยทัศน์ของเครื่องจักร ล้วนทำงานพร้อมกันหลายลิงก์ MIPI, USB 3.0, PCIe และ Gigabit-Ethernet ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ดช่วยรักษาเสถียรภาพและความสม่ำเสมอของสัญญาณความเร็วสูงเหล่านี้ได้ดีกว่าทางเลือกอื่น ความแข็งแกร่งทางกลไกและความต้านทานการสั่นสะเทือนที่เหนือกว่า ในการตั้งค่ารถยนต์และอุตสาหกรรม การสั่นสะเทือนเป็นเวลานานและการหมุนเวียนความร้อนมักจะทำให้ตัวเชื่อมต่อหลวม สายเคเบิล FPC แบบยืดหยุ่นในสภาพแวดล้อมเหล่านี้มักจะประสบปัญหาการรับ EMI การดริฟท์ของสัญญาณ หรือการสัมผัสเป็นระยะ ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ด สร้างขึ้นด้วยหมุดโลหะและซ็อกเก็ตแบบกดพอดี ให้ขอบทางกลไกสามด้าน: - ภูมิคุ้มกันการสั่นสะเทือนสูง: แรงเสียบ 60–80 N ทนต่อแรงกระแทกและแรงสั่นสะเทือนซ้ำๆ- หน้าสัมผัสเคลือบทอง: รักษาเส้นทางความต้านทานต่ำตลอดหลายพันรอบความร้อน- การติดตั้งแบบแข็ง: สกรูเสริมและเสาบอกตำแหน่งล็อคคู่ที่ผสมพันธุ์กับแชสซี กำจัดไมโครโมชั่น การประกอบและบริการภาคสนามที่รวดเร็วขึ้น: ปรับปรุงการผลิตจำนวนมาก สำหรับวิศวกรสายการผลิต จุดเด่นที่สุดของบอร์ดต่อบอร์ดคือการผสมพันธุ์แบบไม่ต้องบัดกรี + นำกลับมาใช้ใหม่ได้- โมดูลหลักเสียบเข้าและดึงออกในไม่กี่วินาที ไม่จำเป็นต้องใช้การไหลย้อนกลับ- เมื่อบอร์ดล้มเหลว ให้สลับโมดูลด้านบน—ตัวพาอยู่ในแชสซี- ลดต้นทุน SMT และต้นทุนการบริการตลอดอายุการใช้งาน- รอบอุณหภูมิสูงเป็นศูนย์ ดังนั้นจึงไม่มีความเสียหายจากความเครียดจากความร้อน- อัตราการผลิต/การถอดประกอบเพิ่มขึ้น 3–5*- หน้าต่างการจัดตำแหน่งที่ใหญ่ขึ้นช่วยให้สามารถใส่ได้กึ่งอัตโนมัติ ให้อภัยความคลาดเคลื่อนในการจัดการตามปกติ ประสิทธิภาพด้านพื้นที่สูง: เหมาะสำหรับการออกแบบที่กะทัดรัด เนื่องจากอุปกรณ์ฝังตัวผลักดันไปสู่รูปแบบที่เล็กและบางลง ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ดช่วยให้สามารถวางซ้อนในแนวตั้งได้: PCB สองตัววางเกือบจะหันหน้าเข้าหากัน ทำให้ประสิทธิภาพเชิงปริมาตรสูงสุด - ความหนาของโมดูลลดลงเหลือ 2–6 มม.- ร่องรอยภายในที่สั้นกว่าให้เส้นทางสัญญาณที่สะอาดกว่า- ตัวเรือนที่เรียบร้อยขึ้นช่วยให้การกระจายความร้อนและการออกแบบการป้องกันง่ายขึ้น กรณีศึกษาผลิตภัณฑ์ – บอร์ดพัฒนา LKD3576 SoC: RK3576, octa-core 64 บิต (4*A72 + 4*A53), ARM Mali-G52 MC3 GPU, 6 TOPS NPUตัวแปลงสัญญาณ: ถอดรหัส 4K60 fps H.264/AVC, ถอดรหัส 8K30 fps หรือ 4K120 fps H.265/HEVC; เข้ารหัส 4K60 fps H.264/H.265หน่วยความจำ: RAM รองรับ LPDDR4/4X/5, ROM รองรับ eMMC 5.1; ตัวเลือก 4 GB+32 GB, 8 GB+64 GB, 16 GB+128 GBการสนับสนุนระบบปฏิบัติการ: Android, Ubuntu, Buildroot, Debian, openEuler, Kylinการเชื่อมต่อ: 80 พินสี่ตัว, ระยะห่าง 0.5 มม., ความสูง 2 มม.; ซ็อกเก็ต AXK5F80537YG, ส่วนหัว AXK6F80347YG, ตัวเชื่อมต่อแบบบอร์ดต่อบอร์ด Panasonic การเชื่อมต่อแบบบอร์ดต่อบอร์ด: ประกอบและบำรุงรักษาง่าย อินเทอร์เฟซระดับอุตสาหกรรมที่หลากหลาย รองรับการขยายหลายประเภท การออกแบบป้องกันการสั่นสะเทือนและป้องกันการรบกวน การทำงานที่เสถียรในระยะยาว เหมาะสำหรับการควบคุมในรถยนต์ เทอร์มินัลการคำนวณขอบ AI และเกตเวย์อัจฉริยะสำหรับอุตสาหกรรม การเชื่อมต่อแบบบอร์ดต่อบอร์ดกำลังกลายเป็นมาตรฐานใหม่ในการออกแบบฮาร์ดแวร์แบบฝังตัว โดยนำเสนอโซลูชันที่สมดุลระหว่างประสิทธิภาพ ความน่าเชื่อถือ และความสามารถในการบำรุงรักษา

การวัดประสิทธิภาพการประมวลผลแบบ Edge Computing ของ 3TOPS | การวิเคราะห์ฉบับเต็มของ Rockchip RV1126 Series

.gtr-container-x7y3z1 { ตระกูลแบบอักษร: Verdana, Helvetica, "Times New Roman", Arial, sans-serif; สี: #333; ความสูงของเส้น: 1.6; ช่องว่างภายใน: 20px; ความกว้างสูงสุด: 1200px; ระยะขอบ: 0 อัตโนมัติ; ขนาดกล่อง: เส้นขอบกล่อง; } .gtr-container-x7y3z1 p { ขนาดตัวอักษร: 14px; ขอบล่าง: 16px; การจัดแนวข้อความ: ซ้าย; การแบ่งคำ: ปกติ; ล้น-ห่อ: ปกติ; } .gtr-container-x7y3z1 .gtr-section-title { ขนาดตัวอักษร: 18px; น้ำหนักตัวอักษร: ตัวหนา; ขอบบน: 30px; ขอบล่าง: 15px; สี: #0056b3; การจัดแนวข้อความ: ซ้าย; } .gtr-container-x7y3z1 .gtr-subsection-title { ขนาดตัวอักษร: 16px; น้ำหนักตัวอักษร: ตัวหนา; ขอบบน: 20px; ขอบล่าง: 10px; สี: #007bff; การจัดแนวข้อความ: ซ้าย; } .gtr-container-x7y3z1 ul, .gtr-container-x7y3z1 ol { รายการสไตล์: ไม่มี !สำคัญ; ระยะขอบ: 0 0 16px 0; ช่องว่างภายใน: 0; } .gtr-container-x7y3z1 ul li, .gtr-container-x7y3z1 ol li { ตำแหน่ง: ญาติ; ช่องว่างภายในด้านซ้าย: 25px; ขอบล่าง: 8px; ขนาดตัวอักษร: 14px; การจัดแนวข้อความ: ซ้าย; รายการสไตล์: ไม่มี !สำคัญ; } .gtr-container-x7y3z1 ul li::before { เนื้อหา: "•" !สำคัญ; ตำแหน่ง: แน่นอน !สำคัญ; ซ้าย: 0 !สำคัญ; สี: #007bff; ขนาดตัวอักษร: 16px; ความสูงของเส้น: 1.6; } .gtr-container-x7y3z1 ol li::before { content: counter(list-item) "." !สำคัญ; ตำแหน่ง: แน่นอน !สำคัญ; ซ้าย: 0 !สำคัญ; สี: #007bff; น้ำหนักตัวอักษร: ตัวหนา; ขนาดตัวอักษร: 14px; ความสูงของเส้น: 1.6; ความกว้าง: 20px; การจัดแนวข้อความ: ขวา; } .gtr-container-x7y3z1 แข็งแกร่ง { น้ำหนักแบบอักษร: ตัวหนา; สี: #0056b3; } @media (ความกว้างขั้นต่ำ: 768px) { .gtr-container-x7y3z1 { การขยาย: 30px 40px; } .gtr-container-x7y3z1 .gtr-section-title { ขนาดตัวอักษร: 20px; ขอบบน: 40px; ขอบล่าง: 20px; } .gtr-container-x7y3z1 .gtr-subsection-title { ขนาดตัวอักษร: 18px; ขอบบน: 25px; ขอบล่าง: 12px; } .gtr-container-x7y3z1 p, .gtr-container-x7y3z1 ul li, .gtr-container-x7y3z1 ol li { ขนาดตัวอักษร: 14px; - Rockchip ได้สร้างกลุ่มผลิตภัณฑ์ชิปประมวลผลภาพที่ครอบคลุม ตั้งแต่ 0.5T ถึง 6T ครอบคลุมทุกอย่างตั้งแต่กล้องอัจฉริยะพื้นฐานไปจนถึงระบบวิชันซิสเต็มทางอุตสาหกรรมขั้นสูง ความโดดเด่นในกลุ่มผลิตภัณฑ์นี้คือซีรีส์ RV1126 โดยเฉพาะ RV1126B และ RV1126B-P ตัวแปรเหล่านี้ถูกนำมาใช้อย่างกว้างขวางในการรักษาความปลอดภัยอัจฉริยะ (IPC, กริ่งประตูอัจฉริยะ, กล้องติดรถยนต์), การมองเห็นทางอุตสาหกรรม (กล้องในโรงงาน, อุปกรณ์ตรวจสอบ), แอปพลิเคชันยานยนต์และบ้านอัจฉริยะ, เมืองอัจฉริยะ และสถานการณ์ Edge AI RV1126B พร้อมพลังการประมวลผล 3TOPS สถาปัตยกรรม AI-ISP ที่ปรับแต่งได้ การต่อประสานแบบไดนามิก ความเสถียร การเข้ารหัสขั้นสูง และการรักษาความปลอดภัยระดับฮาร์ดแวร์ มอบโซลูชันประสิทธิภาพสูงที่ปรับปรุงอุปกรณ์ AIoT ตั้งแต่ "การมองเห็น" ไปจนถึง "ความเข้าใจอย่างแท้จริง" RV1126B-P เป็นรุ่น RV1126B ที่ได้รับการปรับให้เหมาะสมกับต้นทุนและแพ็กเกจ โดยยังคงรักษาพลังการประมวลผลหลักเต็มรูปแบบ (CPU/GPU/VPU/NPU) ในขณะที่ลดพิน การถอด USB 3.0 ออก และตัดแต่งอินเทอร์เฟซเสริม (CAM_CLK/SARADC) เพื่อลดต้นทุน โดยกำหนดเป้าหมายไปที่แอปพลิเคชันที่ใช้พื้นที่เก็บข้อมูลต่ำและใช้แบนด์วิธน้อย เช่น กล้องติดรถยนต์และอุปกรณ์ DMS ข้อดีที่สำคัญ ได้แก่ : ความเข้ากันได้แบบพินต่อพิน: ทดแทนโดยตรงสำหรับ RV1126 โดยไม่ต้องออกแบบฮาร์ดแวร์ใหม่ ประสิทธิภาพหลักเดียวกัน: ความสามารถด้านการประมวลผล, ISP และ AI ที่เทียบเท่ากับ RV1126B การอัพเกรดที่ราบรื่น: การเปลี่ยนแปลงซอฟต์แวร์ขั้นต่ำที่จำเป็นสำหรับผลิตภัณฑ์ที่ใช้ RV1126 ที่มีอยู่เพื่อให้บรรลุประสิทธิภาพระดับ RV1126B สิ่งนี้ทำให้ RV1126B-P เป็นการอัปเกรดแบบดรอปอินในอุดมคติสำหรับผู้ผลิตที่ต้องการปรับปรุงผลิตภัณฑ์ด้วยการลงทุนด้าน R&D เพียงเล็กน้อย RV1126B สร้างขึ้นบนสถาปัตยกรรม Quad-Core Cortex-A53 (1.5GHz) ผสานรวม 3TOPS NPU ของบริษัท Rockchip รองรับการวัดปริมาณที่แม่นยำแบบผสม W4A16/W8A16 และการเร่งความเร็วที่ปรับให้เหมาะสมโดย Transformer ช่วยให้ดำเนินการบนอุปกรณ์ได้อย่างมีประสิทธิภาพสำหรับรุ่นขนาดใหญ่และรุ่นหลายรูปแบบที่มีพารามิเตอร์สูงถึง 2B สำหรับการถ่ายภาพ มีกลไก AI-ISP เฉพาะพร้อมเทคโนโลยี AI Remosaic สำหรับ "การถ่ายภาพแบบปรับตัวทั้งกลางวันและกลางคืน" เพื่อให้ได้ภาพที่คมชัดในสภาพแสงน้อยพิเศษ (0.01Lux) วิธีนี้จะแก้ไขปัญหาสัญญาณรบกวนในเวลากลางคืน และเมื่อรวมกับระบบป้องกันภาพสั่นไหวแบบดิจิทัล 6-DOF และการต่อภาพแบบไดนามิกของกล้องคู่/สี่เท่า ช่วยให้มั่นใจได้ถึงภาพที่มีเสถียรภาพและมุมกว้างแม้ในขณะเคลื่อนไหว ที่ระดับระบบ สถาปัตยกรรมพลังงานต่ำ AOV3.0 ของ RV1126B จะลดพลังงานสแตนด์บายลงเหลือ 1mW รองรับเสียงปลุกที่ผิดปกติตลอด 24 ชั่วโมงทุกวัน (เช่น เสียงเห่า กระจกแตก เสียงปืน) ปรับสมดุลการประหยัดพลังงานด้วยการแจ้งเตือนแบบเรียลไทม์ Super Encoding Engine ในตัวลดบิตเรตลง 50% โดยไม่สูญเสียความชัดเจน ลดต้นทุนการส่งและการจัดเก็บ เพื่อความปลอดภัย มีการเข้ารหัส SM2/SM3/SM4, การแยก TrustZone และระบบการจัดการคีย์ ซึ่งให้การป้องกันตั้งแต่ต้นทางถึงปลายทางตั้งแต่การบันทึกข้อมูลไปจนถึงการอนุมาน สถาปัตยกรรมโปรเซสเซอร์ RV1126B และ RV1126B-P: การกำหนดค่าหลัก: สถาปัตยกรรม ARM Cortex-A53 แบบ Quad-core 64 บิต รองรับชุดคำสั่ง ARM v8-A ข้อกำหนดแคช: 32KB L1 I-Cache + 32KB L1 D-Cache ต่อคอร์ พร้อมด้วยแคช L2 512KB ที่ใช้ร่วมกัน คุณสมบัติเพิ่มเติม: Integrated Neon Advanced SIMD และ FPU รองรับเทคโนโลยี TrustZone อาร์วี1126: การกำหนดค่าหลัก: Quad-core ARM Cortex-A7, สถาปัตยกรรม 32 บิต รองรับชุดคำสั่ง ARM v7-A พร้อม Neon Advanced SIMD และ FPU ในตัว ข้อกำหนดแคช: 32KB L1 I-Cache + 32KB L1 D-Cache ต่อคอร์ พร้อมด้วย L2 Cache แบบรวม 512KB ที่ใช้ร่วมกัน ประสิทธิภาพของเอ็นพียู RV1126B และ RV1126B-P: พลังการคำนวณ: 3.0 TOPs INT8 (รองรับการเพิ่มประสิทธิภาพแบบเบาบาง) เข้ากันได้กับการทำงานของ INT4/INT8/INT16/FP16 การสนับสนุนกรอบงาน: TensorFlow, Caffe, Tflite, Pytorch, Onnx NN, Android NN ฯลฯ อาร์วี1126: พลังการประมวลผลและความแม่นยำ: 2.0 TOPS พร้อมการดำเนินการแบบไฮบริด INT8/INT16 รองรับการแปลงจำนวนเต็ม 8/16 บิต ความเข้ากันได้ของกรอบงาน: TensorFlow, TF-lite, Pytorch, Caffe, ONNX, MXNet, Keras, Darknet ฯลฯ พร้อมรองรับ OpenVX API คุณสมบัติของผู้ให้บริการอินเทอร์เน็ต RV1126B และ RV1126B-P: เอ็นจิ้นกราฟิก 2D (RGA) รูปแบบข้อมูลที่รองรับ- ป้อนข้อมูล: รูปแบบซีรีส์ ARGB/RGB/YUV (รวมถึงบรรจุภัณฑ์ TILE4X4) เอาท์พุต: ARGB/RGB/YUV420/422 และรูปแบบ 8 บิตอื่นๆ ฟังก์ชั่นหลัก- มาตราส่วน: 1/16× ถึง 16× มาตราส่วนที่ไม่ใช่จำนวนเต็ม (การสุ่มตัวอย่างด้วยการกรองแบบเฉลี่ย/แบบบิลิเนียร์, การสุ่มตัวอย่างด้วยการกรองแบบไบคิวบิก) การหมุน: 0/90/180/270 องศาพร้อมมิเรอร์ เพิ่มเติม: การผสมอัลฟ่า การเติมสี การซ้อนทับ OSD ขีดจำกัดความละเอียด- อินพุตสูงสุด: 8192×8192 เอาท์พุตสูงสุด: 4096×4096 การเข้ารหัสและถอดรหัสวิดีโอ ทั้ง RV1126 และ RV1126B รองรับการเข้ารหัสและถอดรหัสวิดีโอ H.265/H.264 ช่วยให้การบีบอัด การจัดเก็บ และการส่งวิดีโอ 4K UHD มีประสิทธิภาพ RV1126B รองรับการเข้ารหัสหลายสตรีมเป็นพิเศษ โดยมีกลไกการเข้ารหัสอัจฉริยะในตัวสำหรับการเข้ารหัส Ultra-HD สูงสุด 8 MP @ 45 FPS นอกจากนี้ยังมีการปรับบิตเรตแบบไดนามิก ซึ่งลดบิตเรตได้สูงสุดถึง 50% เมื่อเทียบกับโหมด CBR แบบดั้งเดิม ทั้ง RV1126B และ RV1126 นำเสนออินเทอร์เฟซเสียง พื้นที่จัดเก็บข้อมูล และอุปกรณ์ต่อพ่วงที่หลากหลาย และรองรับ DRAM ภายนอกประสิทธิภาพสูง เพื่อตอบสนองความต้องการการขยายมัลติมีเดียและอุปกรณ์ต่อพ่วงขั้นพื้นฐาน RV1126B และ RV1126 ผสานรวมโมดูลการทำงานระดับระบบ เช่น RTC, POR, RMI Ethernet PHY และตัวแปลงสัญญาณเสียง RV1126 รองรับหน่วยความจำ 12Kbit One-Time Programmable (OTP) เพื่อการระบุตัวตนที่ไม่ซ้ำใครและพื้นที่จัดเก็บข้อมูลที่ปลอดภัย RV1126B แนะนำ AI-ISP ที่สามารถทำงานร่วมกับ NPU ได้ ในขณะที่ RV1126 ไม่รองรับ AI-ISP RV1126B และ RV1126B-P รองรับ CANFD แบบสองช่องสัญญาณ ทำให้เหมาะสำหรับการใช้งานควบคุมยานยนต์และอุตสาหกรรม RV1126B รองรับ USB 3.0 ในขณะที่ RV1126B-P และ RV1126 รองรับเฉพาะ USB 2.0 ซีรีส์ RV1126B มีการใช้งานในหลายอุตสาหกรรม พร้อมด้วยพลัง 3TOPS AI และสถาปัตยกรรม AI-ISP มีการใช้กันอย่างแพร่หลายใน IPC กริ่งประตูอัจฉริยะ และกล้อง AI PTZ คุณสมบัติการบูรณาการสูงและใช้พลังงานต่ำอัปเกรดการบันทึกวิดีโอเป็นการวิเคราะห์อัจฉริยะ

การคำนวณ AI ไม่ได้มีแค่ SoC หลัก! มองบทบาทที่แท้จริงของ RK1820 ในระบบ RK3588 อย่างชัดเจน

.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%; } } ทำไมอุปกรณ์ Edge จำนวนมากขึ้นเรื่อยๆ ถึงพูดถึง NPUs และตัวประมวลผลร่วม? RK3588 เป็น SoC ที่ทรงพลังอยู่แล้วถึง 6 TOPS (INT8) แต่ในฉากที่ซับซ้อน เช่น การอนุมานแบบหลายงาน การทำงานแบบขนานของโมเดล และการวิเคราะห์วิดีโอ AI เพดานการคำนวณของชิปตัวเดียวก็ยังคงมีอยู่ RK1820 ถูกสร้างขึ้นมาเพื่อรับภาระงานส่วนนั้นและบรรเทา “ความวิตกกังวลในการคำนวณ” ของ SoC หลัก ในอุปกรณ์ edge-AI โปรเซสเซอร์โฮสต์ไม่ได้ต่อสู้เพียงลำพังอีกต่อไป เมื่องาน AI เกินขีดความสามารถในการจัดตารางเวลาของ CPU/NPU แบบดั้งเดิม ตัวประมวลผลร่วมจะเข้ามาเงียบๆ และรับภาระงานอัจฉริยะบางส่วน ตัวประมวลผลร่วม RK1820 RK1820 เป็นตัวประมวลผลร่วมที่สร้างขึ้นเพื่อการอนุมาน AI และการขยายการคำนวณ โดยจับคู่กับ SoC โฮสต์อย่างยืดหยุ่น เช่น RK3588 และ RK3576 และสื่อสารกับพวกมันอย่างมีประสิทธิภาพผ่านอินเทอร์เฟซ PCIe หรือ USB หมวดหมู่ความสามารถ พารามิเตอร์และฟังก์ชันหลัก สถาปัตยกรรมโปรเซสเซอร์ 3× คอร์ RISC-V 64 บิต; L1 I-cache 32 KB + L1 D-cache 32 KB ต่อคอร์, L2 cache ที่ใช้ร่วมกัน 128 KB; RISC-V H/F/D-precision FPU หน่วยความจำ DRAM แบนด์วิธสูงบนชิป 2.5 GB + SRAM 512 KB; รองรับภายนอกสำหรับ eMMC 4.51 (HS200), SD 3.0, SPI Flash ตัวแปลงสัญญาณ การเข้ารหัส JPEG: 16×16–65520×65520, YUV400/420/422/444; การถอดรหัส JPEG: 48×48–65520×65520, รูปแบบ YUV/RGB หลายรูปแบบ NPU 20 TOPS INT8; ความแม่นยำแบบผสม INT4/INT8/INT16/FP8/FP16/BF16; เฟรมเวิร์ก: TensorFlow/MXNet/PyTorch/Caffe; Qwen2.5-3B (INT4) 67 โทเค็น/วินาที, YOLOv8n (INT8) 125 FPS การสื่อสาร PCIe 2.1 (2 เลน, 2.5/5 Gbps), USB 3.0 (5 Gbps, ใช้ร่วมกับ PCIe) ฟังก์ชันหลัก การอนุมาน Edge-AI (การตรวจจับ / การจำแนกประเภท / LLM), การคำนวณทั่วไป RISC-V, การเร่งความเร็ว 2-D กราฟิก (ปรับขนาด / หมุน), ความปลอดภัย AES/SM4 จากมุมมองสถาปัตยกรรมระบบของการแบ่งงาน: ใครทำอะไร? ในระบบ RK3588 + RK1820 ท่อส่งงาน AI จะถูกแยกออกเป็นสถาปัตยกรรมสี่ระดับ:แอปพลิเคชัน → มิดเดิลแวร์ → การดำเนินการตัวประมวลผลร่วม → การควบคุมและการนำเสนอโฮสต์ RK3588: จัดการการจัดตารางงาน การประมวลผลข้อมูลเบื้องต้น และผลลัพธ์ โดยควบคุมเวิร์กโฟลว์ทั้งหมดตัวประมวลผลร่วม RK1820: ทุ่มเทให้กับการอนุมาน AI ที่มีการคำนวณสูง จับคู่กับโฮสต์ผ่าน PCIe สร้างแบบจำลองความร่วมมือ “การควบคุมเบา + การคำนวณหนัก” ขั้นตอน ตัวแสดง การกระทำ คำขอแอป RK3588 การเรียกงาน AI ที่ออกโดยเลเยอร์แอป (การรับรู้/การตรวจจับ) การจัดส่ง ตัวจัดส่ง RK3588 ตัดสินใจว่าจะถ่ายโอนไปยังตัวประมวลผลร่วมหรือไม่ การอนุมาน RK1820 เรียกใช้การคำนวณโมเดลการเรียนรู้เชิงลึก ส่งคืน RK1820 → RK3588 ส่งผลลัพธ์การอนุมานกลับ; โฮสต์แสดงผลหรือดำเนินการต่อ 1. เลเยอร์แอปพลิเคชัน: “ผู้เริ่มต้น” ของงาน AI เลเยอร์แอปพลิเคชันคือจุดเริ่มต้นของทุกงาน AI โดยแปลข้อกำหนดของผู้ใช้—การวิเคราะห์ภาพ การตรวจจับวัตถุ LLM Q&A ด้าน Edge ฯลฯ—เป็นคำสั่งงานที่ดำเนินการได้ของระบบ และส่งต่อไปยังเลเยอร์มิดเดิลแวร์ผ่าน API มาตรฐาน เลเยอร์นี้จัดการโดยโฮสต์ RK3588 ทั้งหมด ซึ่งจัดการการโต้ตอบของผู้ใช้ ตรรกะทางธุรกิจ และข้อมูลอุปกรณ์ต่อพ่วง การรับงาน: รับคำสั่งของผู้ใช้ผ่านกล้อง แผงสัมผัส อีเธอร์เน็ต UART ฯลฯ ความปลอดภัยอัจฉริยะ: ตรวจจับบุคคลในเฟรมวิดีโอ การตรวจสอบทางอุตสาหกรรม: ระบุข้อบกพร่องบนพื้นผิวผลิตภัณฑ์ Edge LLM: แปลงอินพุตเสียงเป็นข้อความและสร้างงาน Q&A การทำให้เป็นมาตรฐานของคำสั่ง: เปลี่ยนอินพุตที่ไม่มีโครงสร้างให้เป็นพารามิเตอร์งานที่มีโครงสร้าง งานวิสัยทัศน์: ความละเอียดอินพุต รุ่นโมเดล ข้อกำหนดเอาต์พุต งาน LLM: โทเค็นอินพุต รุ่นโมเดล ความยาวเอาต์พุตสูงสุด 2. เลเยอร์มิดเดิลแวร์: “ผู้จัดส่ง” ของงาน AI เลเยอร์มิดเดิลแวร์คือฮับความร่วมมือ: ตัดสินแต่ละงาน จัดสรรทรัพยากร ประมวลผลข้อมูลเบื้องต้น และควบคุมการรับส่งข้อมูลบนบัส ตัดสินใจว่างานจะทำงานบนโฮสต์หรือถูกถ่ายโอนไปยังตัวประมวลผลร่วมRK3588 เท่านั้น; RK1820 ไม่มีส่วนร่วมในการกำหนดค่า PCIe หรือการจัดการการขัดจังหวะ—เพียงแค่ดำเนินการงานการอนุมานที่ส่งโดยโฮสต์ การจำแนกประเภทและการจัดตารางงาน การประมวลผลในเครื่อง: งานที่มีการคำนวณต่ำหรือมีความหน่วงแฝงวิกฤต (การปรับขนาดภาพ การอนุมาน AI แบบเบา) จัดการโดย RK3588 CPU/NPU/RGA ถ่ายโอนไปยัง RK1820: งานที่มีการคำนวณสูง (การตรวจจับหลายคลาส YOLOv8 การอนุมาน LLM การแบ่งส่วนความหมาย) ถูกส่งไปยัง RK1820 เมื่อ RK1820 เข้าควบคุม CPU/NPU ของโฮสต์จะว่างสำหรับงานอื่นๆ การประมวลผลข้อมูลเบื้องต้น วิสัยทัศน์: ครอบตัด ลดสัญญาณรบกวน ทำให้เป็นมาตรฐาน จัดเรียงช่องใหม่ ข้อความ: ทำเป็นโทเค็น เติมข้อมูล เข้ารหัส การควบคุมการสื่อสารบนบัส สร้างลิงก์ผ่าน PCIe หรือ USB3 การถ่ายโอนข้อมูลใช้ DMA ไม่มีการแทรกแซง CPU ออกคำสั่งควบคุมการอนุมาน: เริ่ม NPU ตั้งค่าความแม่นยำ ยกการขัดจังหวะการเสร็จสิ้น 3. เลเยอร์การดำเนินการตัวประมวลผลร่วม: “เครื่องยนต์คำนวณ” ของงาน AI เลเยอร์นี้คือแกนกลางของการอนุมาน ขับเคลื่อนโดยตัวประมวลผลร่วม RK1820 เท่านั้น ทุ่มเทให้กับการอนุมาน AI ที่มีการคำนวณสูงRK1820 ทำงานอยู่; RK3588 ไม่รบกวนการอนุมาน เพียงแค่รอผลลัพธ์ หมดเวลาหรือข้อยกเว้นจัดการโดย RK3588 ผ่านคำสั่งรีเซ็ต PCIe การรับงานและการเตรียมการ รับข้อมูล น้ำหนักโมเดล และคำสั่งที่ส่งโดย RK3588 เขียนลงใน DRAM แบนด์วิธสูงในเครื่อง โหลดโมเดล และกำหนดค่า NPU การคำนวณการอนุมาน NPU การตรวจจับวัตถุ (YOLOv8n): conv → BN → เปิดใช้งาน → pool → โพสต์-ประมวลผล NMS การอนุมาน LLM (Qwen2.5 3B): เติมโทเค็นอินพุตล่วงหน้า → สร้างโทเค็นต่อโทเค็น การเพิ่มประสิทธิภาพการอนุมาน: การหลอมรวมตัวดำเนินการ การบีบอัดน้ำหนัก การส่งคืนผลลัพธ์ ส่งคืนพิกัดกล่องขอบเขต รหัสคลาส และคะแนนความเชื่อมั่นสำหรับการตรวจจับ ส่งคืนอาร์เรย์โทเค็นสำหรับ LLM 4. เลเยอร์การควบคุมและการนำเสนอ: “ผู้ส่งออก” ของงาน AI เลเยอร์นี้คือจุดสิ้นสุดของทุกงาน AI: แปลงผลลัพธ์การอนุมานดิบจาก RK1820 เป็นเอาต์พุตที่มองเห็นได้หรือพร้อมใช้งานทางธุรกิจ และปิดวงจรRK3588 ทำงานอยู่; RK1820 ให้ข้อมูลการอนุมานดิบเท่านั้น การประมวลผลหลังผลลัพธ์ แมปพิกัดกลับไปที่ขนาดภาพดั้งเดิม ถอดรหัสโทเค็นเป็นภาษาธรรมชาติ นับข้อบกพร่องในการตรวจสอบทางอุตสาหกรรม การควบคุมระบบและเอาต์พุตข้อเสนอแนะ ความปลอดภัยอัจฉริยะ: แสดงวิดีโอพร้อมการซ้อนทับการตรวจจับ ทริกเกอร์การเตือน การตรวจสอบทางอุตสาหกรรม: บรรทัดคำสั่งเพื่อปฏิเสธผลิตภัณฑ์ที่มีข้อบกพร่อง Edge LLM: แสดงข้อความ + ประกาศด้วยเสียง คุณค่าของพลังร่วมกัน: ไม่เพียงแต่เร็วขึ้น แต่ฉลาดขึ้น ขั้นตอน ตัวแสดง การกระทำ คำขอแอป RK3588 การเรียกงาน AI ที่ออกโดยเลเยอร์แอป (การรับรู้/การตรวจจับ) การจัดส่ง ตัวจัดส่ง RK3588 ตัดสินใจว่าจะถ่ายโอนไปยังตัวประมวลผลร่วมหรือไม่ การอนุมาน RK1820 เรียกใช้การคำนวณโมเดลการเรียนรู้เชิงลึก ส่งคืน RK1820 → RK3588 ส่งผลลัพธ์การอนุมานกลับ; โฮสต์แสดงผลหรือดำเนินการต่อ พูดง่ายๆ ก็คือ: RK3588 ทำหน้าที่ควบคุมและติดตามทุกอย่าง ในขณะที่ RK1820 มอบการคำนวณดิบที่ระเบิดออกมา ร่วมกันทำให้ Edge-AI อุปกรณ์ “ฉลาดขึ้น เร็วขึ้น และไม่ยุ่งยาก”ติดตามเราเพื่อรับข่าวสาร RK1820 และการอัปเดต SDK บทช่วยสอนใหม่ๆ และการสาธิตพร้อมใช้งาน

ARM architecture การแก้ไข endoscope ทางการแพทย์บนพื้นฐานของ RK3399

เอ็นโดสโกป์เป็นอุปกรณ์การแพทย์ที่ใช้กันอย่างแพร่หลาย ผู้ประมวลผลอาร์เอ็ม (ARM) ได้รับความนิยมมาก เพราะการบริโภคพลังงานที่ต่ํา, ความมั่นคงสูง และการขยายฟังก์ชันที่รวยเอ็นโดสโกปแพทย์ที่ใช้แพทราฟฟ์ ARM กลายเป็นหลักด้วยเหตุผลนี้ ScenSmart เปิดตัวทางการแพทย์ Endoscope การแก้ไขที่ออกแบบขึ้นอยู่กับ Rockchip ของ RK3399 ระบบสนับสนุนระบบ Android และ Linuxมันสะดวกสําหรับลูกค้าในอุตสาหกรรมที่จะปรับเปลี่ยนนิยามสินค้าตามความต้องการของพวกเขา และนํามันมาใช้อย่างรวดเร็ว.   โปรเซสเซอร์สถาปัตยกรรม ARM ส่วนใหญ่ใช้ในอุปกรณ์ที่ติดตั้ง มีความมั่นคงสูงสุด และใช้กันอย่างแพร่หลายในสาขาการแพทย์, ทหาร และอุตสาหกรรมRK3399 เป็นหนึ่งในแพลตฟอร์มเกรดอุตสาหกรรมแรกของ Rockchipมันมีอินเตอร์เฟซการขยายฟังก์ชันที่รวย รองรับสัญญาณวีดีโอหลากหลาย และมีการออกแบบอินเตอร์เฟสที่รวยในการสื่อสารเครือข่ายและข้อมูลซึ่งสะดวกสําหรับลูกค้าที่จะขยายตามความต้องการของฉากพลาตฟอร์ม RK3399 สามารถใช้ในการสร้างแพลตฟอร์มฮาร์ดแวร์ที่บูรณาการสูง ซึ่งสามารถควบคุมต้นทุนของผลิตภัณฑ์ได้อย่างมีประสิทธิภาพ และสามารถผลิตผลิตขนาดใหญ่ได้   RK3399 มีซอฟต์แวร์ที่สมบูรณ์แบบ และสามารถรองรับระบบ Android และ Linuxซึ่งสะดวกสําหรับผู้พัฒนา เพื่อเพิ่มประสิทธิภาพของการพัฒนาโปรแกรมในฐานะ SoC โดยเฉพาะสําหรับการใช้งานในอุตสาหกรรม, RK3399 ได้ถูกนําไปใช้ในหลายปี, และ SDK ของมันมีความวัยรุ่นมาก, ซึ่งเหมาะสําหรับการใช้งานในอุตสาหกรรมที่มีความมั่นคงความต้องการสูง. ในฐานะชิป ARM, RK3399 สามารถใช้ในอุปกรณ์มือถือได้ด้วย, ด้วยแบตเตอรี่ลิตียมที่ติดตั้งและจอบนเครื่อง, ดังนั้นมันสามารถใช้เป็นสถานีทํางานที่เคลื่อนไหว. นอกจากจอบนเครื่อง,มันยังสามารถเชื่อมต่อกับหน้าจอภายนอกผ่าน HDMI, สนับสนุนการแสดงหลายจอที่แตกต่างกันและฟังก์ชันการแสดงเดียวกัน, ซึ่งสามารถปรับปรุงและปรับตามความต้องการ   ปัจจุบัน, endoscopes การแพทย์ที่ใช้บนแพทราฟฟ์ RK3399 ได้ถูกผลิตเป็นจํานวนมาก, และโครงการออกแบบมีความวัยรุ่นมาก.และสามารถปรับออกแบบตามความต้องการของลูกค้า, รวดเร็วนําเสนอผลิตภัณฑ์, และครบถ้วน ISP การแก้ไขความผิดพลาดมืออาชีพ นอกจาก endoscopes การแพทย์, มันยังสามารถใช้ได้สําหรับผลิตภัณฑ์เช่น endoscopes อุตสาหกรรม.หากมีความต้องการของโครงการสําหรับ endoscopes, คุณสามารถพิจารณาใช้แพลตฟอร์ม RK3399 สําหรับการนําไปใช้งานแพลตฟอร์มสามารถให้บริการการประเมินเทคนิคฟรี