Rockchip 核心板

平台矩陣

基於 Rockchip AIoT SoC 核心板與主板的平台矩陣。下表可直接貼入您的選型報告。

型號製程處理器NPU影像記憶體關鍵介面典型應用
RK3588
旗艦邊緣 AI
8nm4×Cortex-A76 @2.4GHz + 4×Cortex-A55 @1.8GHz6 TOPS (INT4/8/16/FP16) 8K@60 dec / 8K@30 encLPDDR5 ≤32GB2×HDMI2.1, PCIe2.1×4, 4×SATA, dual GbE, 4×MIPI-CSI 邊緣 AI 伺服器、端側大模型(7B/13B)、機器人、智慧座艙、工業 HMI
RK3588S(精簡版)· RK3588J(工業級)· RK3588M(車載)
RK3576
高性價比旗艦
8nm4×Cortex-A72 @2.2GHz + 4×Cortex-A53 @1.8GHz6 TOPS(支援 Transformer) 4K@120 dec / 4K@60 encLPDDR5 ≤32GBHDMI2.1, PCIe, multi-display, USB/CAN/network NVR、AI 盒子、工業 HMI、AI POS、輕量機器人
RK3576J(工業級)· RK3576M(車載)
RK3572
中高端 AIoT
2×Cortex-A73 + 6×Cortex-A534 TOPS(稀疏) 8K@30 dec / 4K@30 encLPDDR4/4X/5/5XHDMI2.1, PCIe2.1, multi-display, USB3.1 中高端 AIoT、商用顯示、機器人主控制器
RK3572M(車載)· RK3572V(視覺 12M ISP)· RK3572S(降本)
RK3568
主流 AIoT
22nm4×Cortex-A55 @2.0GHz1 TOPS 4K@60 dec / 1080P encLPDDR4xUSB3.0, PCIe3.0×2, SATA, dual GbE, 3×CAN 工業閘道、HMI、NVR、商用顯示、自助終端
RK3568J(工業級)· RK3568B2
RK3566
高性價比
22nm4×Cortex-A55 @1.8GHz1 TOPS 4K@60 decLPDDR4xUSB2.0, MIPI, GMAC 平板、電子書閱讀器、智慧面板、輕量終端
RK3562
入門 AIoT
22nm4×Cortex-A530.8 TOPS 1080PLPDDR4x精簡通用介面 成本敏感的入門級 AIoT 設備
RK3562J(工業級)
RV1126
智慧視覺
4×Cortex-A72 TOPS AI-ISP 2.0 微光全彩MIPI-CSI, Ethernet IPC、視覺感知、行為分析攝影機
RV1126K
RV1106/03
輕量視覺
Single Cortex-A70.5 TOPS 輕量視覺精簡 入門級 AI 攝影機、低功耗視覺節點
RV1106G2 / RV1103G1
RV1126B
智慧視覺(升級)
4×Cortex-A533 TOPS 4K@30 dec / 4K@45 enc · 12M AI-ISPExternal DDR3/3L/4/LP3/4/4XMIPI-CSI×2/4×2-Lane, RGMII+PHY, USB3.0 工業 IPC、車載視覺、AI 攝影機(RV1126 重大升級)
RV1126BJ(工業 -40~85)· RV1126BM(車載 AEC-Q100)
RV1106B
入門級視覺
Cortex-A7 + MCU0.5 TOPS 4K@25 enc · 8M ISPSiP DDR 512Mb/1Gb/2GbMIPI-CSI, RMII+PHY, USB2.0 電池 IPC、入門級 AI 攝影機、結構化輕量視覺
RV1106BG/BP
RK3308
音訊 / 語音
4×Cortex-A35 Audio codec, 麥克風陣列 智慧音箱、語音助理、音訊終端
RK3308M(車載)· RK3308J(工業級)
RK3506
即時控制 / HMI
3×Cortex-A7 + M0 CAN/UART/SPI HMI、馬達控制、PLC、閘道控制面板
RK3506J(工業級)
RK2118
旗艦音訊(車載)
2×Cortex Star-M33 + 3×HiFi4 DSPAudio-NPU 40 GOPS 3MB SRAM + 64MB DDR8×SAI(>600 slot), PDM, SPDIF, 40ch ASRC, USB2.0/CAN 車載音訊功放、Soundbar、Dolby Atmos/DTS-X、智慧音箱
RK2118M/M2(車載 AEC-Q100)
RK2116
RISC-V 音訊
RISC-V MCU + 2×HiFi4 DSP 1.28MB SRAM8×SAI, PDM, 24ch ASRC, 4AD/4DA Codec, USB2.0/CAN 車載 / 消費音訊、語音前端
RK2116M/M2(車載 AEC-Q100)
RK2108D
低功耗 AI 語音
Cortex-M4F @396MHz + HiFi3 DSP @594MHz MIPI/RGB ≤720P1MB Share + BootRomI2S×2 / PDM 6ch / Codec ADC 2ch / USB2.0 / SDIO3.0 AI 語音互動、低功耗 IoT 音訊(M08D 模組主控制器)
M08D 模組(本公司)
AI NPU 協同處理器

獨立 AI 運算卡 / 端側大模型加速

與 RK3576 / RK3588 搭配:主控制器負責業務與工具鏈,NPU 卡專注 LLM/VLM 推論(3D 堆疊 DRAM,唯一具備數百 GB/s 端側頻寬)。

型號NPU 運算大模型能力板載 DRAM介面狀態
RK182820 TOPS3B LLM/VLM(Qwen3 系列)5GB 3D DRAMPCIe2.1 / RGMII / USB3.1量產
RK182020 TOPS7B LLM/VLM2.5GB 3D DRAMPCIe2.1 / RGMII / USB3.1量產
RK186X64 TOPS7B / 13B LLM/VLM2.5/5/10GBPCIe3 / USB3.0 / C2CES 2026Q3

實測 Qwen3-1.7B(RK1828, W4A16):Prefill 2387 TPS / Decode 138 TPS,遠超 RK3588(298/13.9)。 註:官方路線圖(2026-05)未列出「RK1280」;AI NPU 協同處理器系列為 RK1820/1828/186X——具體型號請與 Rockchip 業務確認。

快速上手

在 RK3588 上部署你的第一個 NPU 模型

# 1) 安裝 RKNN-Toolkit2(Python 3.8+)
pip install rknn-toolkit2

# 2) 量化並匯出 RK3588 推論模型
from rknn.api import RKNN
rknn = RKNN()
rknn.config(target_platform='rk3588')
rknn.load_onnx(model='model.onnx')
rknn.build(do_quantization=True, dataset='./calib.txt')
rknn.export_rknn('model.rknn')

# 3) 板上推論(RK3588, C/Python API)
rknn.init_runtime(target='rk3588')
outputs = rknn.inference(inputs=[img])

完整流程請見 技術文件 / SDK 指南。百斯通提供原理圖與板級支援套件。