【教程】BM1684X-32边缘算力 盒子 初次使用教程

最新推荐文章于 2025-09-17 09:37:22 发布
原创 最新推荐文章于 2025-09-17 09:37:22 发布 · 1.2k 阅读 · 6 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#边缘计算 #AI硬件 #BM1684X #ShiMetaPi #AI #ai

​一、电源及启动​

首先连接DC 12V电源，然后短按PWR按键，设备即可正常开机；

二、登录设备终端

1684X盒子由于沒有显示输出接口，故操作需要通过命令行进行，以下介绍两种登录终端的方式；

提示

盒子默认用户名有两个：用户1为：linaro，密码 linaro ；用户2为： admin，密码 admin 。

可以使用串口或者网络ssh登录设备

2.1 串口登录

连接电脑USB口和1684X盒子的typeC口，使用 SecureCRT 或者 MobaXterm 等串口工具打开串口；电脑需要安装ch340驱动；选择对应的com口，波特率设置为115200；

提示

下载路径：请点击 工具下载 下载驱动文件与串口工具

以 MobaXterm 为例：

TOOL​

最低0.47元/天 解锁文章
ShiMetaPi
关注
BM1684X 部署 Qwen3教程
ShiMetaPi的博客
06-24 1421
AIBOX-1684XB-32 是一款专为视觉类任务设计的边缘算力盒子，它集成了算能 AI 处理器 BM1684X，配置 16GB 大内存以及 64GB eMMC；支持 32TOPS（ INT8 ） 峰值算力。32 路 H.265/H.264 1080P@25fps 视频解码12 路视频编码甚至支持8K@25fps的H.265 解码这意味着它能在本地高效完成多路高清视频的并发分析，非常适合用于智能安防监控、多路图像识别、交通检测等高密度数据场景。在图像处理能力方面，支持 JPEG 编解码达到。
【ShiMetaPi】边缘计算高并发视频流AI分析应用：BM1684X算力盒子上的ResNet部署指南
ShiMetaPi的博客
09-11 979
本文介绍了ResNet（残差网络）在边缘计算场景下的部署方案，重点阐述如何与BM1684X芯片结合实现高效视频分析。ResNet解决了深度神经网络退化问题，而BM1684X芯片提供32路1080p视频解码能力和32TOPS INT8算力，形成"解码-推理"流水线，显著降低延迟和带宽消耗。方案包含完整的工程目录结构，提供Python/C++两种实现方式，支持交叉编译和边缘设备快速部署，适用于智慧交通、安防监控等实时场景。通过INT8量化和算子优化，在降低功耗的同时保持高精度，使单设备即可完
RK3588+FPGA+算能BM1684X：高性能AI边缘计算盒子，应用于视频分析、图像视觉等
YEYUANGEN的专栏
05-31 2599
搭载RK3588（四核 A76+四核 A55），CPU主频高达 2.4GHz ，提供1MB L2 Cache 和 3MB L3 ，Cache提供更强的 CPU运算能力，具备6T AI算力，可扩展至38T算力。
算能端侧 AI 盒子 Stable Diffusion 一秒一张图：AirBox BM1684X
折腾技术
07-29 1641
本篇文章聊聊基于 端侧 AI 计算设备，20瓦功耗运行大模型的算能 AirBox。 如果你需要将 Ollama 官方不支持的模型运行起来，或者将新版本 llama.cpp 转换的模型运行起来，并且想更轻松的使用 Dify 构建 AI 应用，那么本文或许会对你有所帮助。
比特大陆BM1684X算法部署模版
嵌入式人工智能相关
08-11 1825
算能BM1684X部署手写数字识别模型，c++和python两个版本
BM1684X开发板测试
Stanford_Vera的博客
08-03 672
关机输入：sudo poweroff（windows系统）；另外，如果已经成功进入 Linux 系统，也可以长按电源键，系统会检测到并安全地关闭系统和开发板电源。开发板接电，自动开机，开关机键即充电插头右边的黑色按钮；网线连接开发板和电脑；
NVIDIA Jetson Nano的国产替代，基于算能BM1684X+FPGA+AI算力盒子，支持deepseek边缘部署
szxinmai的博客
03-06 2195
官方介绍了deepseek-r1-distill-qwen-1.5b和deepseek-r1-distill-qwen-7b两个Qwen2.5蒸馏模型的部署。还有一个基于Ubuntu Server 20.04，包含Sophon SDK和后台，预装瑞莎LLM前端，预装。，电压支持20V输入，支持20V3.25A或者更高，也就是支持。，常见LLM的Demo的完整版镜像，大小来到了9.5GB。，可以部署目标检测，语义分割，人脸检测各种算法应用。系统上，官方提供了两个镜像，一个是基础镜像，基于。
基于BM1684X 架构实现 Faiss 的两个查询接口
算能开发者社区是一个为开发者提供信息传播、开发交流、技术分享的交流空间。
11-30 1281
基于BM1684X架构实现 Faiss 的两个查询接口
手把手教你部署Baichuan2大模型到BM1684X芯片：实战教程+应用解析
ShiMetaPi的博客
06-19 918
能力，使开发者能够针对Baichuan2的特性进行深度优化。
基于 BM1684X 算力盒子的端到端车牌识别部署方案 —— LPRNet 应用实践
最新发布
ShiMetaPi的博客
09-17 801
传统车牌识别通常依赖字符分割，再逐一分类，这种方式在复杂环境中容易受到光照、角度、畸变等因素影响。而LPRNet（License Plate Recognition via Deep Neural Networks）提出了一种全新的端到端思路：无需字符切分，直接输入整张车牌图片即可识别字符序列；轻量化网络结构，摒弃 RNN，减少计算开销，更适合实时推理；鲁棒性出色，在恶劣光照、视角变化等情况下依然能保持较高精度。凭借这些优势，LPRNet 成为智慧交通与安防场景下的主流车牌识别方案。
BM1684盒子
03-08
对于初次接触BM1684产品的用户来说，可以从以下几个方面入手来熟悉其基本操作方法： #### 安装驱动程序与工具链环境配置 下载官方发布的最新版本固件文件包至本地计算机系统内解压缩后按照README文档指示逐步完成...
BM1684X+FPGA+GMSL视觉解决方案：驱动工业智能化升级的核心引擎
szxinmai的博客
04-23 1218
BM1684X+FPGA+GMSL视觉解决方案通过“高性能AI+灵活计算+可靠传输”的三重技术突破，正在重塑工业智能化边界。从制造产线到能源管网，从物流枢纽到医疗设备，该方案以“低功耗、高实时、强稳定”的特性，成为工业4.0时代降本增效的核心引擎。随着AIoT与边缘计算的深度融合，这一技术组合将持续赋能更多垂直领域，推动全球工业体系向无人化、自适应方向加速进化。
BM1684——x86交叉编译环境的搭建
01-15 858
交叉编译环境和相关依赖环境的准备
国产 BM1684X 芯片赋能：边缘设备能效比新突破
ShiMetaPi的博客
05-22 1197
在 AI 计算领域，英伟达凭借 A100、H100 等产品成为大模型训练与高性能计算的标杆。但当 AI 从云端走向智能安防、智慧零售、工业质检等边缘计算场景的时候，求发生根本性转变：不需要 为过剩算力支付高昂成本，而是更需要 “小而精” 的算力方案。
BM1684X搭建sophon c++环境
嵌入式人工智能相关
03-13 823
BM1684X搭建sophon c++环境
BM1684X跑通一个SOC模式--yolov5为例
嵌入式人工智能相关
05-23 1476
BM1684X跑通一个SOC模式--yolov5为例
比特大陆BM1684X开发环境搭建--SOC mode
嵌入式人工智能相关
05-29 2593
BM1684X开发环境搭建--SOC mode
BM1684X开发板快速上手（快速跑通一个yolov5_pipeline_demo）
m0_51246196的博客
10-23 1749
BM1684x快速上手pipeline
基于算能BM1684X的国产AI算力盒子替代方案
本项目所介绍的“基于算能BM1684X的AI算力盒子”，其核心是采用国产化SoC——Sophon SG2300X，集成了8核ARM Cortex-A53处理器与高性能TPU（张量处理单元），在整数8位精度（int8）下可实现高达32TOPS的峰值算力。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值