- 1双剑合璧：CPU+GPU异构计算完全解析
- 2（15-4-01）langchain模型I/O与数据增强：聊天模型（1）_langchain aimessage
- 3【开发技术经验分享】计算机毕业设计hadoop+spark知识图谱高考分数预测系统 高考志愿推荐系统 高考可视化大屏 高考大数据 高考数据分析 高考爬虫 大数据毕业设计_使用rdd对高考分数线进行分析
- 4计算机颜色学---CIE 色度图以及饱和度处理_cie色度计算实例
- 5opencv计算图像亮度调节_Opencv学习笔记4：Opencv处理调整图片亮度和对比度
- 6JAVA计算机毕业设计基于SpringBoot的个人健康管理系统（附源码+springboot+开题+论文）_基于springboot的个人健康管理系统的结束语
- 7Spring整合Hibernate实现Spring Data JPA （介绍和使用）_org.hibernate.search.jpa 和 spring-data jpa 共享
- 8字节跳动nlp算法工程师面试问题及答案，java 枚举的学习和使用，Android高级_java nlp面试题
- 9头歌MySQL数据库实训答案 有目录_头歌数据库实训作业答案
- 10Deepwalk(深度游走)算法简介_deepwalk算法
AI 边缘计算平台 - 6 TOPS 低功耗 RK3576_rk3576功耗
赞
踩
RK3576 是瑞芯微第二代 8nm 高性能 AIOT 平台，CPU 采用八核大小核构架（4×A72@ 2.2GHz + 4×A53@ 1.8GHz），以及一个 M0 协处理器。其 CPU 算力高达 58K DMIPS，足以应对各种复杂计算任务。搭载 Mali-G52 MC3 GPU，145G FLOPS 的 GPU 可以支持有效的异构计算，支持硬件编解码，提供了强大的图形处理能力和人工智能计算能力，满足图形密集型应用的需求。并配备了独立的 6 Tops NPU，支持 Transformer 架构下超大规模参数模型的私有化部署，支持多种深度学习框架、自定义算子开发、Docker 容器化管理技术。
相比于 RK3588（93K DMIPS，典型功耗 8W），RK3576 的 CPU 和 GPU 性能稍差一些，其最大的特点是 CPU 结温（Tj）低，典型功耗只有 1.2W，可以胜任无散热片的应用，大大降低了能源消耗和散热成本。
为了满足不同领域的需求，瑞芯微还推出符合工业和车规级标准的 RK3576J 和 RK3576M 版本。RK3576J 适用于工业等级温度（-40~85度），可用于电力集中器、能源控制器、专变采集终端、HMI、PLC 控制及各种网关等工业应用。RK3576M 不仅符合上述温度范围，还符合AEC-Q100 规范，适用于智能座舱等汽车应用领域。
一、RK3576 方框图和典型应用：
二、跑分对比：
三、AI 能力：
RK3576 内置强劲 NPU，算力可达 6 TOPS；能够进行更智能的数据处理、语音识别、图像分析，满足大多数终端设备边缘计算 AI 应用需求。
语言大模型 ：
支持 Transformer 架构下超大规模参数模型的私有化部署，如 Gemma-2B、LlaMa2-7B、ChatGLM3-6B、Qwen1.5-1.8B 等大型语言模型。
传统网络架构 ：
支持 CNN、RNN、LSTM 等传统网络架构，支持多种深度学习框架，包括 TensorFlow、PyTorch、MXNet、PaddlePaddle、ONNX和Darknet，并支持自定义算子开发。
四、开发板 ROC-RK3576-PC:
Firefly 开源团队开发的 ROC-RK3576-PC，已经上市，仅信用卡大小，接口丰富，拥有 MIPI-CSI、MIPI DSI、USB3.0、USB2.0、I2C、SPI、SARADC、UART、LineOut等扩展接口。支持1路 1000Mbps 以太网、2.4G/5GHz 双频WiFi、蓝牙5.0。
支持 Android14、Linux OS、Buildroot+QT、国产操作系统。
采用精致小尺寸设计，整体尺寸90mm×60mm，可灵活应用到各种业务场景，目前 4G + 32G 版本价格 999 元，还有 8G + 64G 版本，目前价格大约 1199 元。
| 规格参数 | ||
| 基本参数 | SOC | Rockchip RK3576 |
| 八核64位处理器（4×A72 + 4×A53），主频最高 2.2GHz | ||
| GPU | G52 MC3 @ 1GHz，支持 OpenGL ES 1.1/2.0/3.2，OpenCL 2.0，Vulkan 1.1，内嵌高性能 2D 加速硬件 | |
| NPU | 6 TOPS NPU，支持 INT4/8/16/FP16/BF16/TF32 混合运算 | |
| 编解码 | 解码: 8K@30fps/4K@120fps: H.265/HEVC、VP9、AVS2、AV1, 4K@60fps：H.264/AVC 编码: 4K@60fps： H.265/HEVC、H.264/AVC | |
| 内存 | LPDDR4/LPDDR4x（4GB/8GB 可选） | |
| 存储 | eMMC（16GB/32GB/64GB/128GB/256GB 可选）、UFS2.0（可选） | |
| 扩展存储 | 1 * M.2 (可扩展 2242 PCIe NVMe/SATA SSD）、1 * TF Card Slot | |
| 电源 | DC 12V（5.5mm * 2.1mm，支持12V~24V宽电压输入） | |
| 系统 | Android14、Linux OS、Buildroot+QT、国产操作系统 | |
| 软件支持 | ・ 支持Transformer架构下超大规模参数模型的私有化部署， 如Gemma-2B、LlaMa2-7B、ChatGLM3-6B、Qwen1.5-1.8B等大型语言模型 ・ 支持CNN、RNN、LSTM等传统网络架构，支持多种深度学习框架， 包括TensorFlow、PyTorch、MXNet、PaddlePaddle、ONNX和Darknet， ・ 支持自定义算子开发 ・ 支持Docker容器化管理技术 | |
| 功耗 | Normal: 1.2W(12V/100mA)，Max: 6W(12V/500mA)，Min: 0.096W(12V/8mA) | |
| 尺寸 | 93.00mm * 60.15mm * 12.49mm | |
| 重量 | ≈50g | |
| 环境 | 工作温度：-20℃- 60℃ 存储湿度: 10%～90%RH（无凝露） | |
| 接口参数 | 网络 | 1 * 千兆网（1000 Mbps / RJ45）、 2.4GHz/5GHz 双频 WiFi（802.11a/b/g/n/ac）， 蓝牙5.0 |
| 视频输入 | 1 * MIPI CSI DPHY（30Pin-0.5mm, 1*4 lanes/2*2 lanes） | |
| 视频输出 | 1 * HDMI2.1(4K@120fps)、1 * DP1.4 (4K@120fps)、 1 * MIPI DSI DPHY（2560*1600@60fps，30Pin-0.5mm, 1*4 lanes） | |
| 看门狗 | 外部看门狗 | |
| USB | 1 * USB3.0、1 * USB2.0 | |
| 其他接口 | 1 * Type-C（OTG/DP1.4）、1 * FAN(4Pin-1.25mm)、1 * Debug(3Pin-2mm)、 1 * 3.5mm Audio jack（支持MIC录音，美标 CTIA）、1 * MIC（2Pin-1.25mm）、 1 * 双排排针 (20Pin-2.0mm) 引出接口：USB2.0、I2C、SPI、SARADC、UART、LineOut | |
五、开发板 Banana Pi BPI - M5 Pro：
据电子发烧友介绍，Banana Pi 推出采用瑞芯微 RK3576 芯片设计开源硬件：BPI-M5 Pro，并给出了板卡的相关信息，但是目前还没有价格信息。
小结：
RK3576 有着不错的性能（4×A72@ 2.2GHz + 4×A53@ 1.8GHz，Mali-G52 MC3 GPU，6 Tops NPU）和超低的功耗（1.2W），后发优势突出，解决了既想要性能又想要低功耗的矛盾，如果价格再有优势，必将成为 AI 边缘计算平台的新标杆，其他公司也将被迫作出相应的产品迭代升级。
老徐，2024/6/8
