Modul Akselerator AI M.2 RM182X RM1820MC0 RM1828MC0 Rockchip Modul Inferensi LLM 20TOPS
Rincian produk
Modul Akselerator AI M.2 RM182X
,Modul Inferensi LLM Rockchip
Modul Akselerator AI M.2 RM182X RM1820MC0 RM1828MC0 Rockchip Modul Inferensi LLM 20TOPS
Seri RM182XMC0 adalah modul ko-prosesor AI berkinerja tinggi dari Rockchip, termasuk
RM1820MC0 (untuk LLM 3B) dan RM1828MC0 (untuk LLM 7B). Mengadopsi antarmuka M.2 KeyM
dengan komunikasi PCIe2.1, faktor bentuk ringkas 22×80mm memungkinkan integrasi yang mudah ke dalam perangkat edge dan
perangkat tertanam dengan upaya desain baseboard minimal, mempercepat pengembangan produk AI Anda.

Menghadirkan daya komputasi AI hingga 20 TOPS @INT8,modul ini mendukung INT4 / INT8 /
INT16 / FP8 / FP16 / BF16 tipe data untuk inferensi LLM lokaldan tugas machinevision.
Dilengkapi dengan DRAM onboard bandwidth tinggi: 2.5GB untuk RM1820MC0 dan 5GB untuk RM1828MC0.
Model mainstream yang telah diadaptasi meliputi Qwen2.5 / seri Qwen3, FastVLM, MobileNet, ResNet50V2,
YOLOv5s, YOLOv6s, YOLOv8s dan lainnya. Rangkaian alat perangkat lunak lengkap disediakan: RKNN3 Toolkit,
RKNN3 Runtime API dan RKNN3 Model Zoo untuk konversi model, penerapan, dan validasi cepat.
Input daya: 3.3V dari slot M.2 ditambah catu daya 12V tambahan. Kinerja daya dan latensi yang berbeda
tersedia dalam mode operasi hemat energi / standar untuk inferensi model besar.
Sebagai produsen asli, kami menawarkan dukungan teknis dan layanan kustomisasi untuk integrator sistem
dan pengembang solusi AI.

Fitur Utama
1. Modul koprosesor AI Rockchip RM182X, kinerja komputasi 20 TOPS@INT8
2. Dua varian: RM1820MC0 mendukung LLM hingga 3B; RM1828MC0 mendukung LLM hingga 7B
3. Antarmuka M.2 KeyM melalui PCIe2.1, ukuran ringkas 22×80mm, integrasi perangkat keras sederhana
4. DRAM bandwidth tinggi onboard: 2.5GB (RM1820MC0) / 5GB (RM1828MC0)
5. Dukungan presisi ganda: INT4 / INT8 / INT16 / FP8 / FP16 / BF16
6. Kompatibel dengan LLM seri Qwen, YOLO, MobileNet, ResNet dan model AI lainnya
7. Tumpukan perangkat lunak lengkap: RKNN3 Toolkit, Runtime API, contoh penerapan ModelZoo
8. Kebutuhan daya ganda: 3.3V (slot M.2) + input daya eksternal 12V

Skenario Aplikasi
Inferensi edge model bahasa besar lokal
Machine vision & deteksi objek tertanam
Peningkatan kotak komputasi AI edge / gateway AI
Peralatan industri pintar & terminal AI di tempat
Solusi tertanam AIoT, proyek pengembangan sekunder
Pertanyaan
Jika Anda memiliki pertanyaan, isi formulir di bawah ini dan kami akan menghubungi Anda sesegera mungkin.