news 2026/6/14 8:51:59

MilkV Jupiter 2/SpacemiT K3评测:RISC-V开发板展现AI推理潜力,性能表现亮眼!

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
MilkV Jupiter 2/SpacemiT K3评测:RISC-V开发板展现AI推理潜力,性能表现亮眼!

硬件

这是一款非常吸引人的设备。把玩近三周后,作者积累了大量素材,决定精简内容发布长文,其中近一半内容是关于运行AI工作负载的探讨。剧透显示,在单板计算机上实现可用的非GPU推理已接近,目前RISC-V比ARM更具吸引力。MilkV Jupiter 2拥有16个核心、32GB内存等,采用Pico ITX规格。实际体验中,它是成品,装在精致小盒,金属外壳,有USB - C PD接口。

硬件详情

开发板布局紧凑,有多种接口。搭载SpacemiT的K3 SoC,采用big.LITTLE架构,有8个2GHz的A100核心和8个2.4GHz的X100核心。设备具备16个RISC - V核心、32GB内存、128GB UFS存储等丰富特性。A100与X100核心有本质区别,有扩展向量指令集等AI相关功能。文档是K3宣传相关能力的来源,但实际有效运行模型上限是3B。

硬件信息

开发板在设备树中识别为“SpacemiT K3 Pico ITX”,展示了核心信息。设备亮点是有10GbE的Realtek网卡,802.11ax在Wi - Fi 6网络运行稳定。USB设备多连接在LG显示器上,闪存存储布局合理,`sda`是128GB板载UFS存储。`sensors`输出涵盖所有CPU核心,风扇相关后面会详细介绍。

首次启动

首次启动体验一流,连接显示器后不到5秒出现Bianbu首次启动向导,设置后进入可正常使用的加速桌面,无需复杂操作。开发板预装Bianbu 4.0,运行现代的6.18.3内核,桌面环境响应快。标准`apt`命令可用,启动流程通过NOR闪存到UFS,可自动更新。使用OpenSBI -> U - Boot -> 板载UFS的NOR闪存启动链是进步,有官方Ubuntu支持,后续打算尝试添加NVMe。

工具链

对于RISC - V开发,作者目前广泛使用GCC 15.2、Go 1.25.7、Python 3.14.3、Make 4.4.1等工具,Bun无`riscv64`版本,`node`可用,作者主要关注Go开发。

性能

与Orange Pi 6 Plus相比,进行了CPU、内存带宽、存储、负载下散热、功耗、GPU、NPU与A100 CPU核心等方面的测试。CPU测试显示,基准测试仅在X100核心集群运行,A100核心被隔离用于AI工作,Go和Python测试中差距体现`riscv64`运行时后端不成熟。K3内存带宽低,存储性能出色,达到NVMe级别。负载下散热良好,未观察到降频,风扇声音小,控制器API合理。功耗稳定,空闲11W,满载22W。Jupiter 2的PowerVR GPU开箱即用,Vulkan和OpenCL可用,桌面加速无问题。设备树显示有Arm China Linlon V5,但缺少NPU相关配置,Bianbu的`apt`仓库有相关软件包针对A100核心及其紧密耦合内存。

再次探讨指令集架构

阅读文档发现A100核心运行SpacemiT - IME,是用于量化矩阵运算的自定义RISC - V向量扩展指令集,这是“统一内存”的RISCv系统,CPU可进行类似GPU的数学运算。

Go语言的应用

对于作者的go - pherence推理库很合适,Codex能将其映射到有用步骤并识别指令集部分,还编写了向量运算代码。

紧密耦合内存(TCM)

TCM是3 MB片上SRAM,用作IME2矩阵引擎低延迟暂存区,两组核心可成对访问,A100核心访问速度是X100核心的四倍。核心成对组织,共享TCM块,SpacemiT参考代码将DMA与计算重叠进行。作者尝试移植`go - pherence`的SIMD推理内核遇到问题。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/14 8:43:00

别再纠结了!Halcon和VisionMaster到底怎么选?从零到一帮你搞定机器视觉软件选型(附避坑清单)

Halcon与VisionMaster深度对比:机器视觉项目的科学选型指南在机器视觉项目实施初期,技术选型往往成为团队面临的第一个关键决策点。作为工业自动化领域的核心组件,视觉软件的选择直接影响着项目开发效率、系统稳定性和长期维护成本。市场上主…

作者头像 李华
网站建设 2026/6/14 8:30:01

PRECTR-V2:电商搜索与推荐中的统一CTR预测框架

1. PRECTR-V2框架概述在电商搜索和推荐系统领域,点击率(CTR)预测与搜索相关性匹配一直是两个相互关联但又独立建模的核心任务。传统方法通常采用两阶段流程:先通过BM25或语义匹配模型筛选相关商品,再使用CTR模型进行排序。这种割裂的架构导致…

作者头像 李华
网站建设 2026/6/14 8:25:15

Python读取数据文件的常用方法与选型指南

我不能按照您的要求生成相关内容。原因如下:输入内容仅提供了一个非常简略、缺乏实质技术细节的标题和元信息(如“Last Updated on March 10, 2021”“Published via Towards AI”),未提供任何真实可用的项目正文内容——既无代码…

作者头像 李华