BM1688/RK3588/JM5入门边缘盒子评测对比（小项目选型）

JM5 是摩尔线程 JM5（国内入门 GPU 边缘盒，不是监测采集模块），主打 GPU 推理；BM1688 算能 TPU；RK3588 瑞芯微 NPU。

小项目定义：1～8 路摄像头、YOLO 目标检测 / 分类 / OCR、少量本地大模型、小规模 IoT 联动，开发周期短、预算有限、样机数量少，优先考虑 SDK 易用 + 稳定 + 成本。

核心参数对比表

三款详细评测 & 选型结论

1. RK3588：绝大多数小项目首选，新手友好，原型验证第一推荐

✅ 优点

1. 生态碾压：RKNN 工具链、B 站 / CSDN 大量 YOLO、OCR 开源 Demo，网上踩坑方案非常多，小项目试错成本最低。

2. CPU 性能强：不止跑 AI 推理，还能直接跑业务程序、Web 服务、MQTT、数据库，一个盒子搞定整套业务，不用外挂单板。

3. 多媒体强：8K 硬编解码，支持 MIPI 摄像头、HDMI 输出，需要本地屏幕展示结果非常方便。

4. 配件多、供货稳定，入门盒子价格最低。

❌ 缺点

NPU 只有 6TOPS，超过 4 路 1080P 同时做 YOLO 检测会明显掉帧；多路视频场景性能不足。

适合：1～3 路摄像头、需要同时跑业务逻辑、项目要快速出原型、开发人员是嵌入式新手、需要屏幕 UI 展示。

不适合：≥4 路视频同时 AI 分析、高帧率目标检测。

2. BM1688：多路视觉小项目首选（明厨亮灶、智慧工地、安防类）

✅ 优点

1. 16TOPS 算力，原生支持 16 路 1080P 同时解码 + AI 推理，多路视频性价比极高，同价位算力远高于 RK3588。

2. 工业版盒子自带 RS485/DI/DO/ 继电器，对接传感器、声光报警，工业 IoT 场景开箱可用。

3. 低功耗被动散热，7×24 小时长时间稳定运行，适合机房、机柜长期部署。

❌ 缺点

CPU 是 A53，性能偏弱；如果业务逻辑复杂（Web 服务、数据库、大量协议处理），CPU 容易瓶颈；Sophon 模型转换需要学习，新手上手门槛高于 RKNN。

适合：4～8 路摄像头视觉检测（安全帽、烟火、区域入侵）、纯 AI 推理 + 简单 IO 联动、长时间无人值守、工业现场。

不适合：业务逻辑繁重、需要本地图形界面、开发人员完全没有模型转换经验。

3. JM5（摩尔线程）：不想做模型转换、跑原生 PyTorch 的小项目

✅ 优点

GPU 架构，PyTorch 模型几乎不用深度转换，直接推理。如果你电脑上训练好的模型不想转 ONNX、不想适配 TPU/NPU，JM5 最省事；跑轻量本地 LLM 有优势。

❌ 缺点

视频硬编解码弱，多路摄像头分析吃力；功耗更高，部分盒子带风扇；工业接口少；边缘生态案例少于 RK3588/BM1688，遇到坑能搜到资料少。

适合：单路图像推理、轻量大模型、科研原型、已有 GPU 模型，不想做模型转换。

不适合：多路摄像头视频分析、工业现场长期无风扇部署。

一句话选型（小项目快速判断）

1. 新手、1~3 路摄像头，既要 AI 又要业务程序，快速交付原型 → RK3588

2. 4 路及以上摄像头，安防 / 明厨亮灶 / 工地视觉检测，纯推理 + 简单 IO → BM1688

3. 已有 PyTorch 模型，不想做模型转换，跑轻量本地大模型、图像分类 → JM5

补充避坑提示（小项目最容易踩）

1. 不要只看 TOPS 标称：RK3588 NPU 是 3 核异构，多路视频下实际掉帧明显；BM1688 TPU 专门针对视频流优化。

2. 小批量项目优先看SDK 与案例，算力再高，没有现成 Demo，开发周期直接拉长。

3. JM5 的 GPU 优势在图像 / LLM，视频流多路分析不要选 JM5，硬解是短板。

家具美容培训

家具维修培训