EAI182X-M2 新品发布：不换主控，插卡升级，怎么让存量设备获得 20TOPS 本地大模型算力？
在端侧AI的性能讨论中，TOPS长期是最常被比较的指标。但当大语言模型进入终端，一个更基础的约束开始主导实际体验：数据能否以足够快的速度送达计算单元。
以RK3588为例，其内置NPU提供6TOPS算力，在YOLO检测、人脸识别等CNN类任务中表现稳定。但运行大语言模型时，实测输出速度仅约14 tokens/s（Qwen2-1.8B，W8A8量化，第三方数据）。
瓶颈并非算力不足——而是模型权重在内存与NPU之间的搬运速度跟不上计算消耗。这个被称为「内存墙」的约束，正在成为端侧大模型落地的第一道门槛。
01
内存墙与3D堆叠TOPS换不来生成速度，带宽可以
大语言模型的推理与CNN类任务有本质区别。CNN是一次性前向计算，权重读取一次即可；而LLM采用逐Token自回归生成——每生成一个token，都要把整层模型权重从内存读取一遍，长上下文还会让KV Cache访问量持续攀升。
这意味着LLM是典型的带宽受限型（bandwidth-bound）负载——其实际性能主要受内存带宽制约，而非NPU峰值算力决定。传统SoC中，操作系统、显示、视频与AI计算共享外部内存，权重搬运需跨PCB、跨封装，且LPDDR外挂总线存在物理带宽上限。就会导致一个后果：算力再高，内存喂不上来，NPU就是空转。
RK182X的解法不在SoC内部挤带宽，而是单独做一颗AI协处理器，把高带宽DRAM直接叠封在NPU上方——逻辑晶圆与定制LPDDR晶圆通过TSV（硅通孔）混合键合垂直层叠，互联路径从"跨PCB、跨封装"缩短为"垂直穿通"。
片内DRAM与算力（datasheet）：
7B模型INT4量化后约4GB，RK1828的5GB片内内存可完整装下，权重全程常驻片内，无需与主控反复交换——这是突破内存墙的物理基础。
02
协处理器架构与 EAI182X-M2不换主控，插卡升级
理解RK182X的关键在于——它不是SoC，是一张AI算力卡。
3588、3576这类SoC是完整片上系统，插电即可跑系统；而RK182X只有NPU加高带宽DRAM（3颗RISC-V核用于任务调度，不直接跑模型）。最接近的类比是PC里的独立显卡：主控是3588/3576，推理任务通过PCIe下发给RK182X，结果再返回。
互联接口： 2路 PCIe 2.1（单通道，RC模式，2.5/5.0Gbps）、1路 USB 3.0 DRD + 1路 USB 2.0 DRD、1路千兆以太网RGMII，并内置AES/SM4、SHA/SM3、RSA 4096、ECC 256、SM2等安全引擎。
灵眸科技 EAI182X-M2
灵眸科技 EAI182X-M2即基于该架构，采用标准M.2形态（Key B-M），适配 RK3588 / RK3576 / RK3568 等瑞芯微主控平台作为Host：
互联： PCIe 2.1 与主控协同，主控继续承载操作系统、显示、视频与外设控制
算力： NPU INT8 20 TOPS，混合精度支持
存储： 片内3D堆叠DRAM，2.5GB（RK1820）或 5GB（RK1828）
工具链：配套RKNN3（区别于此前的RKNN/RKNN2，提供C API，支持模型转换、推理与性能评估）
模型： 支持LLM、VLM、CNN三类核心模型本地化部署，兼容Qwen、DeepSeek、GLM、MiniCPM、Llama等主流模型
产品形态：
卡片正面覆盖黑色金属散热鳍片并嵌入主动散热风扇；背面为完整PCB，板载RK182X主控与片内DRAM堆叠封装，右侧为M.2金手指。
机械尺寸：
这种"SoC + AI协处理器"双轨架构的工程价值在于：
一台已量产的RK3588/RK3576/RK3568板卡，只要预留M.2插槽，插上即可获得20TOPS独立NPU算力，无需更换主控、重新画板、重新做产品认证。对工业、车载这类主控生命周期长达5~7年、而AI模型几个月一迭代的场景，等于为AI能力保留了一条独立升级通道。
03
模型支持范围、实测性能
与模型精度
当前已支持模型：
目前支持的模型包括但不限于以下：
（上下滑动查看全部内容）
模型性能：
（上下滑动查看全部内容）
注：
1. RK182X 表⽰加速芯⽚可为 RK1820 或 RK1828。
2. Qwen2.5-VL-3B：
-如果使⽤ RK1820 加速芯⽚，采⽤两段式运⾏⽅案（LMHead在RK3588上执⾏）；
-如果使⽤ RK1828 加速芯⽚，模型推理完全在协处理器端执⾏。
3. RK1820/RK1828协处理器NPU频率均为1GHz。
4. 测试基于RK3588 + RK1820/RK1828，两者之间通过PCIe连接，RK3588 设置为性能模式。
5. TTFT：模型⽣成第⼀个 token 所需的时间。
6. TPOT：⽣成每个输出 token 所需的平均时间。
7. TPS：模型每秒能⽣成的 token 数量。
8. VLM 的 Vision 和 LLM 耗时为独⽴测试，LLM部分的 Input Tokens 和 New Tokens 均设为128。
9. 多卡级联测试基于 RK3588 主控 + 多张 RK1828 协处理器（采⽤流⽔线并⾏级联），RK3588 设置为性能模式
模型精度：
端侧AI进入BOM的前提，是能够被量化为实际的体验提升或成本回报。对已部署大量RK3588/RK3576/RK3568平台的客户而言，"不换主控、插卡升级"意味着AI能力的引入不再伴随一次完整的硬件改版与重新认证——这是EAI182X-M2最直接的价值。
同时我们也建议客户在选型时先明确负载类型：以大模型交互为主，协处理器路线收益明确；以传统视觉检测为主，主控自带NPU已能满足需求，无需重复投入。
EASY-EAI灵眸科技长期基于瑞芯微平台提供嵌入式软硬件方案，EAI182X-M2 的推出进一步完善了从主控核心板到AI算力扩展的产品矩阵。关于该算力卡的完整硬件规格、实测数据、配套底板参考设计与供货信息，欢迎前往EASY EAI官网获取最新资料，或与我们的技术团队对接项目需求。
