RV1126B 3TOPS 算力实测：支持 2B 大模型的边缘计算盒子到底有多强

1. 算力底座：3TOPS 之外，升级集中在 AI 与视觉链路

RV1126B 是瑞芯微面向端侧与边缘侧 AI 视觉场景的 SoC，2025 年 5 月量产出货，定位是 RV1126 的全面升级版。判断这颗芯片的能力，不能只看 3TOPS 这个数字，它的 CPU 位宽、ISP 架构和接口带宽共同决定了能跑什么业务。

与上一代 RV1126 相比，这次升级不是简单地把 NPU 从 2TOPS 提到 3TOPS：CPU 从 32 位 A7 换成 64 位 A53，ISP 从 5MP 提到 12MP 并新增独立 AI-ISP，摄像头输入从双路扩到 4 路，USB 从 2.0 升到 3.0，以太网从百兆升到千兆。正是这些配套能力，让它能同时承担视觉分析和轻量语义任务，而不只是多跑几个检测模型。

2. 大模型实测：2B 能跑，吞吐落在 5 tokens/s 档

飞凌嵌入式基于 RV1126B 的 OK1126B-S 开发板跑出了一组可以直接对比的实机数据：输入序列 128 token、每条生成 64 token、w8a8 量化。这组数字比"能跑 2B"的宣传语更能说明实际体验。

第一层结论是参数规模直接决定可用性。0.5B 级模型能跑到 15 tokens/s，按中文约 1.5 至 2 token 一个字折算，每秒输出 8 至 10 个汉字，短指令响应和多轮轻交互的感受接近正常；一旦上到 1.5B 至 2B，吞吐掉到 5 tokens/s 上下，写满 64 token 需要 12 秒左右，用户会明显感到"在等它说"。首 token 延迟反而差别不大，都在 0.4 到 1 秒之间，说明瓶颈不在 prefill，而在逐 token 生成的算力密度。

第二层结论更值得注意：2B 多模态的内存开销是硬门槛。同一组测试里，Qwen2-VL-2B 的峰值内存达到 16360MB，而多数 RV1126B 整机配的是 1GB、2GB 或 4GB 板载内存。也就是说，"支持 2B 多模态"在算力上成立，但在多数实际配置上装不下。规划产品时，2B 多模态只应出现在 8GB 及以上内存的定制机型里，且要预留系统与视觉链路的占用。

顺带需要区分一个容易混淆的口径：业界常引用的"7B 模型 50+ tokens/s、首帧 160ms"属于瑞芯微 RK182X 系列协处理器的成绩（RK1828 跑 Qwen2.5-7B），那是通过 PCIe 与主 SoC 协同、内置高带宽 DRAM 的另一档方案。RV1126B 没有这个带宽条件，不能用同一组速率数据做参照。

3. 视觉推理：目标检测提升最高约 2.5 倍，才是这颗芯片的主场

把大模型放在一边，RV1126B 相对上一代的真实提升主要体现在 CNN 类视觉模型上。同样的 INT8 精度、同样的 640×640 输入，帧率对比如下。

模型越大，提升越明显：yolo11s 从 7.3 帧到 23.72 帧、yolov8m 从 5.8 帧到 11.8 帧，都是两三倍的量级；小模型因为本身受调度与前后处理开销牵制，提升幅度收敛在 1.4 倍左右。换算成业务能力，单路 1080P 视频跑 640×640 的 yolov8s，25 帧已能满足实时分析；跑 yolov8m 也有 11 帧以上的余量用于多路轮询。

这也解释了为什么它的典型场景是"视觉为主、语义为辅"：4 路摄像头输入、12M ISP 加 8M AI-ISP，配合 50 帧级的轻量检测，能在本地闭环完成人形、安全帽、烟火、区域入侵这类判定；语义理解交给 0.5B 级模型做短描述，或按端云协同交给云端。

4. 功耗与散热：整机空载 1.2–1.8W，无风扇可长期运行

低功耗是这颗芯片在边缘盒子里的另一项硬指标。不同厂商的核心板与整机配置差异较大，下表按测试条件分开列出，避免把核心板数字和整机数字混用。

取中位水平，不带屏的整机空载在 1.2 至 1.8W，CPU 满载 2.2 至 2.8W，带摄像头并持续推理大约在 2 至 3W；只有加上屏幕、并发读写和多路视频时才会进入 4W 以上。这个量级意味着绝大多数盒子可以做成无风扇封闭结构，只在 4W 以上的工况需要导热垫或散热片辅助。

散热方面，第三方压测给出的参考区间是：RV1126B 在无风扇、仅配基础铝散热片的条件下做 CPU 与 NPU 双烤，核心温度稳定在 65 至 80℃；触及约 85℃ 时内核会主动降频，这是保护机制正常工作，不代表器件损坏。换句话说，裸板能扛住持续推理，但装配密闭外壳的量产机型要按外壳内温重新核算散热余量。

5. 视觉链路：AI-ISP、多目拼接与超级编码构成差异化

真正把这颗芯片和同价位竞品拉开差距的，不是 NPU 的 3TOPS，而是围绕视觉的一整套硬件单元。

AI-ISP 独立运行：8M@30fps 的 AI-ISP 是独立硬件单元，跑 3DNR、HDR、鱼眼校正、去雾时不占用 3T NPU，避免了传统"ISP 加 NPU 联合处理"方案的带宽与功耗双重消耗。

多目动态拼接：支持 2×6M 双目拼接与 4×2M 全录拼接，基于自研 AVS 算法把多路输入合成一路，拼缝处无明显割裂，适合全景与超广角产品。

硬件级 6-DOF 数字防抖：在运动载体上抑制高频抖动，输出稳定的视频流，对车载与机器人场景价值直接。

超级编码：8M@45fps 智能编码，通过动态码率优化比传统 CBR 节省约 50% 码流，同等存储容量可提升一倍录制时长。

热成像支持：最大 16bit 数据输入，内置 OCC 像素偏置校正、自动 NUC、去横竖条纹、3D 与 2D 降噪、动态范围压缩，可在无光环境下工作。

AOV 3.0：加入低功耗音频事件唤醒，可识别狗吠、玻璃破碎、枪声等异常声源，配合 1mW 级待机实现 7×24 小时值守。

这套能力的组合效果，是让"看得清"和"看得懂"在同一颗芯片上完成。对做安防、工业质检、车载视觉的整机厂商来说，省掉的是外挂 ISP、外挂拼接芯片和额外的编码算力，整机 BOM 与结构空间都会更紧凑。

6. 落地边界：适合端云协同，不适合当本地 2B 对话主力

把前面的实测数据放回具体业务，能得出比较清楚的配置边界。

三条边界值得写进选型文档。第一，把 2B 当"能跑"而不是"好用"：算力口径成立、体验口径不成立，5 tokens/s 只适合短指令、结构化抽取和单轮问答，长文生成与多轮闲聊会明显卡顿。第二，内存优先于算力：2B 多模态真正卡住的是 16GB 级内存，而不是 3TOPS，立项时先确认内存配置再谈模型规模。第三，端云协同是这颗芯片的最优解：端侧跑 0.6B 视觉模型完成本地理解与脱敏，语义生成交给云端，既保住实时性和隐私，又把成本压下来。

反过来说，如果业务本质是"多路视频 + 本地实时判定"，RV1126B 的性价比很高：4 路摄像头、12M ISP、独立 AI-ISP、千兆网口和 2W 级功耗，在这个价位上很难找到同等完整度的替代。3TOPS 不够支撑本地大模型时代的所有想象，但足够支撑"视觉即入口"的绝大多数落地方案。

家具美容培训

家具维修培训