RM182X M.2 KI-Beschleunigermodul RM1820MC0 RM1828MC0 Rockchip 20TOPS LLM-Inferenzmodul

RM182X M.2 KI-Beschleunigermodul RM1820MC0 RM1828MC0 Rockchip 20TOPS LLM-Inferenzmodul

Die RM182XMC0-Serie sind leistungsstarke KI-Co-Prozessor-Module von Rockchip, einschließlich

RM1820MC0 (für LLM 3B) und RM1828MC0 (für LLM 7B).

mit PCIe2.1-Kommunikation ermöglicht der kompakte 22×80mm-Formfaktor eine einfache Integration in Rand- und

eingebettete Geräte mit minimalem Aufwand bei der Konstruktion von Basisplatten, die die Entwicklung Ihrer KI-Produkte beschleunigen.

Lieferung von bis zu 20 TOPS @INT8 KI-Rechenleistung,das Modul unterstütztEinheitliche Datenbank

Datenarten INT16 / FP8 / FP16 / BF16 für lokale LLM-Abschlüsseund Bildverarbeitungsaufgaben.

Es kommt mit einer hohen Bandbreite an Bord DRAM: 2,5 GB für RM1820MC0 und 5 GB für RM1828MC0.

Zu den vorangestellten Mainstream-Modellen gehören die Qwen2.5- / Qwen3-Serie, FastVLM, MobileNet, ResNet50V2,

YOLOv5s, YOLOv6s, YOLOv8s und mehr.

RKNN3 Runtime API und RKNN3 Model Zoo für Modellkonvertierung, Bereitstellung und schnelle Validierung.
Leistungsaufnahme: 3,3 V aus dem M.2-Slot plus zusätzliche 12 V Stromversorgung.

sind für die Ableitung von Großmodellen in Energieeinsparungs-/Standardbetriebsmodi verfügbar.
Als ursprünglicher Hersteller bieten wir technische Unterstützung und Anpassungsdienste für Systemintegratoren an.

und KI-Lösungsentwicklern.

Kernmerkmale
1. Rockchip RM182X KI-Co-Prozessormodul, 20 TOPS@INT8 Rechenleistung
2. Zwei Varianten: RM1820MC0 unterstützt bis zu 3B LLMs; RM1828MC0 unterstützt bis zu 7B LLMs
3. M.2 Schlüssel-M-Schnittstelle über PCIe2.1, kompakte 22×80mm Größe, einfache Hardwareintegration
4. Eingebautes DRAM mit hoher Bandbreite: 2,5 GB (RM1820MC0) / 5 GB (RM1828MC0)
5Mehrfachpräzisionsunterstützung: INT4 / INT8 / INT16 / FP8 / FP16 / BF16
6. Kompatibel mit LLMs der Qwen-Serie, YOLO, MobileNet, ResNet und anderen KI-Modellen
7. Vollständiger Software-Stack: RKNN3-Toolkit, Runtime-API, Beispiele für die Bereitstellung von Model-Zoo
8. Dual-Power-Anforderung: 3,3 V (M.2-Slot) + externe 12 V Stromzufuhr

Anwendungsszenarien
Lokal-Large-Language-Modell-Kanten-Inferenz
Eingebettete Bildverarbeitung und Objekterkennung
Edge AI Computing Box / Upgrade des AI-Gateways
Intelligente Industrieanlagen und KI-Terminals vor Ort
AIoT-Eingebettete Lösungen, Sekundärentwicklungsprojekte