YOLO12-N（nano 轻量化版本，注意力架构 R-ELAN）完成 RKNN3 深度算子适配、混合量化优化，在 RK1828 AI 算力盒子上落地实测。相比
一、需求背景文旅景区旺季客流激增、点位分散、临水临崖林区多，传统监控只能事后回看，值守人力不足。当前项目明确要求单路视频流并发加载4类风险算法，边缘本地解析、秒
一、方案概述园区原有停车大多是出入口车牌机独立工作、车位靠地磁/人工巡检、消防通道、主干道占道缺少自动预警，设备分散、数据割裂，误报多、改造成本高、路面开挖麻烦
海外一款面向工业场景的模块化边缘AI盒子ForgeEdge AI Box近期流出方案细节，采用FPGA+NPU异构混合架构，主打工业产线实时视觉、传感器融合、运
近年国产NPU芯片、模型蒸馏量化、多路解码调度技术成熟，工业AI质检正从高价工控机方案，转向轻量化边缘算法盒子路线，单盒8路2K同步视觉检测成为中小产线的主流标
随着"人工智能+制造"专项行动持续推进，工业AI进入规模化复制落地阶段，大量工厂、工地、能源站点，需要在现场完成多路视频实时AI识别，边缘算
随着智慧监管政策持续推进，明厨亮灶、智慧工地进入深度普及阶段。传统监控模式只能实现视频回看，缺少实时智能分析能力；纯云端AI方案则面临带宽成本高、网络中断就丧失
近期，端边轻量化大模型落地、云边协同架构成为行业热点，越来越多行业项目不再一味追求云端大算力，转而寻求低成本、高可靠、低功耗的本地边缘推理硬件，推动AI能力从云
2026年，AI产业正在发生明确的结构性变化：大模型不再只运行在大型智算中心，越来越多推理任务向边缘侧迁移，本地私有化部署、低时延响应、原始数据不出现场，成为工
随着大模型产业从云端走向边缘侧，本地私有化部署、低时延推理、数据安全可控已经成为工业物联网、智慧安防、智慧城市领域的核心诉求。四川万物纵横科技股份有限公司正式发
2026年被业内视作端侧AI规模化落地元年，轻量化大模型下沉边缘成为产业热点，越来越多项目不再将全部数据回传云端，转而追求本地推理、低时延响应、数据不出场的业务
近期，算网融合、异构算力纳管成为算力行业热点，运营商加速推进边缘算力网络落地，"算力下沉"由概念走向规模化商用，市场对全国产、高可靠工业级边
当大模型从实验室走向生产一线，"如何在工厂车间、会议室、户外点位实现安全稳定运行"成为摆在众多数字化转型企业面前的现实难题。云端大模型受网络
近日，四川万物纵横科技股份有限公司正式发布DA600系列大模型一体机，该产品基于RK3588/RK3588J芯片平台打造，创新采用主控+M.2专用算力模组异构扩
核心要点：后摩智能在10月生态大会披露，首颗 3D CIM 存算一体芯片 A20 已经投产，属于面向大模型端边推理的下一代旗舰芯片。一、架构逻辑：3D CIM
测试说明：本次为第三方独立压测，统一测试底座、模型、调度框架，聚焦边缘本地推理场景（LLM/VLM、多并发会话、持续负载稳定性、功耗、TTFT、解码 TPS、显
随着新版工业EMC标准收紧辐射发射限值、强化端口传导骚扰与抗扰度考核，以RK1828、LQ50（LQ50 Duo）为核心的边缘算力盒子，原有滤波方案余量不足，批
EdgeMQ 面向边缘 AI 盒子定制的轻量边云协同协议，深度适配 RK1828、LQ50 异构算力硬件，依托本地 NPU 推理 + 协议层按需上报机制，从根源
RK1828 预制 Docker 镜像正式上线，基于 RKNN3 Runtime 预编译打包，面向 RK3588/RK3576 + RK1828 PCIe 协处
Ollama 上游官方主干目前还没有合入国产 NPU 原生后端；现在市面"适配 Ollama NPU 加速"分两类路线——兼容 API 代理
背景：LQ50 Duo 为双芯异构 NPU（两颗 LQ50），M.2 2280 形态，典型场景包括多 Agent 本地推理、多视觉 Agent + LLM Ag
力擎LQ50 Duo是后摩智能双M50存算一体M.2算力卡，HM-Link是M50自研私有片间直连接口，用来解决同卡两颗M50、多卡级联时的张量通信瓶颈，绕开P
测试基准：OK3588-C 主控 + 4RK1828 M.2 算力卡，PCIe链路，RKNN3 SDK，流水线并行切分模型，量化方案：W4A16/G32，lm_
区别于传统Bifurcation（通道拆分）被动扩展，PCIe Switch背板靠交换芯片做独立IO扇出，不依赖主板BIOS通道拆分能力，单一路PCIe上行，扩
RK1828 抢成本型批量项目，LQ50 抢重模型 / Agent 长上下文项目。核心不是谁强谁弱，而是成本结构、内存池、推理瓶颈、客户诉求完全不一样。RK18
测试目标：量化 PCIe Gen4 x4 / x2 / x1、PCIe Gen3 x4 四种通道配置，对 3 款 M.2 AI 加速卡的 LLM 推理、多模态
核心背景：本地 Agent Function Call（工具调用）分为两部分：LLM推理（生成思考、判断、输出function call JSON）+ 主控侧工
*
试用申请
产品咨询
在线客服
回到顶部