M5-182X-A1 环境搭建：从交叉编译到链路验收

关注

原创最新推荐文章于 2026-11-03 14:50:39 发布 346 阅读 AI 写同款· GEO 优化 ›

RDKX5开发板入门指南：ARM64交叉编译、Ubuntu部署与NPU调试实战 ARM64嵌入式开发是边缘AI落地的关键技术路径，其核心在于理解交叉编译工具链原理、Linux系统构建逻辑及异构计算单元（如NPU）的软硬协同机制。aarch64-linux-gnu工具链不仅提供指令集兼容性，更封装了ABI、glibc、异常处理等完整执行上下文；而Ubuntu Server在ARM64平台的部署需兼顾启动方式（SD/eMMC/NFS）、内核适配（如5.10 LTS）与设备树精准配置。RDKX5作为典型轻量级AI SoC，其NPU推理能力依赖驱动加载、模型转换（RKNN）、内存映射与频率唤醒阅读详情

上篇把板子点亮了，健康检查全过。这篇往下走一步：把 RK182X 的开发环境搭起来。

先说清楚这篇做什么、不做什么。RK182X 是协处理器，板子能开机不代表能开发——真要在上面做 AI 应用，PC 端要装工具链，板端要确认驱动、固件和服务，最后还得验证"PC 编译 → 传板 → 运行"这条链路是通的。这篇就做这三件事，每一步都给验证命令，做完你手里的环境是验收过的，不是"应该能用"。

内容对应官方 wiki 的《环境搭建详解》和《入门指南》两章，链接放在各节开头，本文按实际操作顺序串起来。

一、先搞清楚分工

完整文档：《RK182X SDK 总览》

RK182X 是 PCIe 协处理器，不带应用 CPU，也不跑 Linux。程序都在主控 RK3588 上运行，模型转换在 PC 上做，wiki 原文给的框图：

PC (Ubuntu x86_64)                              主控板 (aarch64)
─────────────────────                           ─────────────────
apt install 工具链                              /tmp/hello_rk182x
   │                                                │
   ▼                                                ▼
aarch64-linux-gnu-gcc  ─────scp/ssh────────────►  ./hello_rk182x → Hello RK182X!

三方的分工：

●PC 端：装交叉编译工具链和 rknn3-toolkit。toolkit 负责把模型转成 RKNN 格式，仅支持 x86_64；

●板端：跑应用，经 librknn3_api 发起推理。板端只装 toolkit-lite（推理用，不转换）；

●RK182X：专职推理。它不带 U-Boot / MaskROM，也没有 USB 烧录口，固件由主控经 PCIe 下发（rknn3.service 管理）。

RK182X 自己没有独立启动流程，完全依赖主控，wiki 给的启动链：

主控 RK3588 上电启动
↓
主控内核加载 pcie-rkep 驱动
↓
枚举到 PCI 设备 1d87:182a
↓
rknn3.service 启动
↓
pcie_upgrade_tool 将 rknn3_rk1820.img 通过 PCIe 下发
↓
rknn3_transfer_proxy 拉起，对外提供 librknn3_api.so 接口
↓
应用进程可调用推理

应用侧的运行时入口是librknn3_api.so，PCIe 细节由代理进程rknn3_transfer_proxy屏蔽，应用不用感知。

RKNN 3.x 支持的输入格式：PyTorch（导出 ONNX，推荐）、ONNX（最稳）、TensorFlow、PaddlePaddle、Caffe（部分算子受限）。

二、PC 端：交叉编译工具链

本章完整文档：《RK182X 环境搭建详解》

系统要求

wiki 给的 PC 配置要求：

模型量化不需要 NVIDIA GPU，纯 CPU 即可。

装基础依赖

Debian/Ubuntu 系统：
sudo apt update
sudo apt install -y \
build-essential \
gcc-aarch64-linux-gnu \
g++-aarch64-linux-gnu \
binutils-aarch64-linux-gnu \
git wget curl file openssh-client

验证工具链：

aarch64-linux-gnu-gcc --version

输出：

aarch64-linux-gnu-gcc (Debian 12.2.0-14+deb12u1) 12.2.0

环境变量

三个关键变量：CROSS_COMPILE、ARCH、CC。临时设置：

export ARCH=arm64
export CROSS_COMPILE=aarch64-linux-gnu-

验证：

"${CROSS_COMPILE}gcc" --version

要永久生效，写进.bashrc：

echo 'export CROSS_COMPILE=aarch64-linux-gnu-' >> "$HOME/.bashrc"
echo 'export ARCH=arm64' >> "$HOME/.bashrc"
source "$HOME/.bashrc"

没开发板先练手

手边暂时没有板子，可以先装 QEMU：

sudo apt install -y qemu-user-static libc6-arm64-cross

交叉编译出来的 aarch64 程序，先用 QEMU 在 PC 上验证能不能跑，排查掉一层环境问题再上板。

三、PC 端：RKNN 3.x Toolkit

模型转换用的 rknn3-toolkit 装在 Python 虚拟环境里。SDK 包里有 cp310 / cp312 两个版本的 wheel：

python3 -m venv ~/rk1828-npu-env
source ~/rk1828-npu-env/bin/activate
cd /userdata/RK1820_RK1828_AI_SDK/rknn/rknn3-toolkit/rknn3-toolkit/packages
pip install numpy pillow onnx
pip install rknn3_toolkit-*.whl

验证安装：

python3 -c "from rknn.api import RKNN; print('RKNN 3.x OK')"

输出：

RKNN 3.x OK

两个限制要提前知道：

●toolkit wheel 仅支持 x86_64，装到 RK3588 板端会直接报错。模型转换必须在 PC 上做，转好的.rknn文件再传板；

●板端只能装 toolkit-lite（推理用，不转换），wheel 在 SDK 的rknn/rknn3-toolkit/rknn3-toolkit-lite/packages/下，提供 cp39 / cp310 / cp311 / cp312 四个 Python 版本。

四、板端：SDK、驱动、固件、服务

本章完整文档：《RK182X 环境搭建详解》、《RK182X 入门指南》

4.1 SDK 在哪

板端 SDK 部署在/userdata/RK1820_RK1828_AI_SDK/，查目录结构：

find /userdata/RK1820_RK1828_AI_SDK -maxdepth 2 -type d | sort

输出：

/userdata/RK1820_RK1828_AI_SDK
/userdata/RK1820_RK1828_AI_SDK/docs
/userdata/RK1820_RK1828_AI_SDK/driver
/userdata/RK1820_RK1828_AI_SDK/driver/pcie-rkep
/userdata/RK1820_RK1828_AI_SDK/examples
/userdata/RK1820_RK1828_AI_SDK/examples/anomaly-detection
/userdata/RK1820_RK1828_AI_SDK/examples/docker
/userdata/RK1820_RK1828_AI_SDK/examples/gstreamer
/userdata/RK1820_RK1828_AI_SDK/examples/rockit_yolo_detect
/userdata/RK1820_RK1828_AI_SDK/examples/vi_yolo_venc
/userdata/RK1820_RK1828_AI_SDK/examples/web
/userdata/RK1820_RK1828_AI_SDK/output
/userdata/RK1820_RK1828_AI_SDK/package
/userdata/RK1820_RK1828_AI_SDK/pkgroot
/userdata/RK1820_RK1828_AI_SDK/rknn
/userdata/RK1820_RK1828_AI_SDK/rknn/rknn3-model-zoo
/userdata/RK1820_RK1828_AI_SDK/rknn/rknn3-runtime
/userdata/RK1820_RK1828_AI_SDK/rknn/rknn3-toolkit
/userdata/RK1820_RK1828_AI_SDK/rknn/rknn-gstreamer-plugins
/userdata/RK1820_RK1828_AI_SDK/scripts

几个关键位置：driver/pcie-rkep是驱动源码；rknn/下面是 toolkit、runtime、model-zoo、gstreamer-plugins 四个组件（当前都是 V1.0.0）；examples/里带 docker、gstreamer、yolo 检测等场景示例。

4.2 驱动和设备节点

设备节点：

ls /dev/pcie-rkep-*

输出：

/dev/pcie-rkep-0004:41:00.0

驱动加载情况：

lsmod | grep pcie_rkep

返回空是正常的——pcie-rkep 已经内置在内核里，不是以模块形式加载的。

PCIe 设备确认：

/usr/bin/pcie_upgrade_tool ld 2>&1 | sed 's/\x1b\[[0-9;]*m//g'

输出：

Program directory: /usr/bin/
List of connected rkep devices
Addr=0004:41:00.0 [1d87:182a]

看到1d87:182a就说明 RK182X 在位。

4.3 固件和服务

前面说过，RK182X 没有独立启动介质，固件只能由主控通过 PCIe 下发。固件在板端这个位置：

ls -lh /lib/firmware/rknn3_rk1820.img

输出：

- rwxr-xr-x 1 root root 2.2M8月19日 17:59 /lib/firmware/rknn3_rk1820.img

固件由 rknn3.service 经 PCIe 自动下发，正常使用不需要手动操作。确认服务在跑：

systemctl is-active rknn3.service

输出：

active

要看细节用systemctl status rknn3.service，输出（节选）：

● rknn3.service - rknn3 runtime service
     Loaded: loaded (/lib/systemd/system/rknn3.service; enabled; preset: enabled)
     Active: active (running) since Mon 2026-08-17 17:01:04 UTC; 31s ago
   Process: 5042 ExecStart=/bin/rknn3_startup start (code=exited, status=0/SUCCESS)
   Main PID: 5065 (rknn3_transfer_)

这一环的五个关键节点（wiki ch02 汇总）：

●固件路径：/lib/firmware/rknn3_rk1820.img

●设备节点：/dev/pcie-rkep-

●代理进程：/bin/rknn3_transfer_proxy

●PCIe 设备 ID：0x1d87:0x182a

●系统服务：rknn3.service

4.4 demo 工具

which rknn3_cnn_demo
which rknn3_llm_demo
which rknn3_vlm_demo
which rknn3_model_test

四条都返回/usr/bin/下的路径，板端环境就绪。

五、链路验收：第一个程序

本章完整文档：《RK182X 入门指南》

环境各件都齐了，最后用 wiki 的示例程序把"交叉编译 → 传板 → 运行"整条链路走一遍。链路通了，后面模型文件上板走的就是同一条路。

创建hello_rk182x.c：

#include <stdio.h>
#include <unistd.h>
int main(void)
{
    printf("Hello RK182X!\n");
    printf("PID: %d\n", getpid());
    return 0;
}

交叉编译：

aarch64-linux-gnu-gcc -Wall -Wextra -O2 hello_rk182x.c -o hello_rk182x

检查产物架构：

file hello_rk182x

输出（关键行）：

hello_rk182x: ELF 64-bit LSB pie executable, ARM aarch64, version 1 (SYSV), dynamically linked, ... not stripped

Ubuntu 新版本 GCC 默认生成 PIE，显示pie executable是正常的。再用 readelf 确认一遍：

readelf -h hello_rk182x | head -20

输出关键行：

系统架构:                          AArch64

设置板端信息并传板运行：

export TARGET_USER=linaro
export TARGET_IP=<开发板IP>
export TARGET="$TARGET_USER@$TARGET_IP"
ssh "$TARGET" 'uname -m'

输出：

aarch64

scp hello_rk182x "$TARGET:/tmp/"
ssh "$TARGET" 'chmod +x /tmp/hello_rk182x && /tmp/hello_rk182x'

输出：

Hello RK182X!
PID: 24027

到这里，编译、传输、执行整条链路验证完毕。板子上本身有原生 GCC，小工具也可以直接在板上编译：

gcc hello_rk182x.c -o hello_rk182x
./hello_rk182x

六、环境验收清单

做完上面几步，逐项对一遍：

七、常见的坑

更全的 FAQ 在 wiki ch02 / ch04 / ch05 的常见问题章节，链接在上面各节开头。

八、附录：SDK 版本与 NPU 参数速查

SDK 软件栈版本（已经 Release Note / 源码验证）：

NPU 关键参数（官方数据表）：

参数	规格
CPU	3 核 64 位 RISC-V（控制核）
NPU	8 核，20 TOPS @INT8
精度	INT4 / INT8 / INT16 / FP8 / FP16 / BF16
频率档位	500 / 850 / 1000 MHz（SODIMM 模组最高 1000，M.2 最高 850）
每核 L1 Cache	32KB I-Cache + 32KB D-Cache
每核 L2 Cache	128KB
系统 SRAM	512KB

供电规格：推荐 12V，电源功率容量需大于 40W，开发板供电选项有 12V / 24V / 48V DC 三种。

Model Zoo 预置模型（ls rknn/rknn3-model-zoo/examples/实测）：

FastVLM         glm_edge        GME-Qwen2-VL    HY_MT_1_5
InternVLM       Janus_Pro       MiniCPM_V_4     mobilenet_v1
mobilenet_v2    Qwen2_5         Qwen2_5_Omni    Qwen2_5_VL
Qwen3           Qwen3_Embedding Qwen3_VL        resnet
SmolVLM         yolov5          yolov6          yolov8


按能力分：LLM（Qwen2.5 0.5B–7B、Qwen3 0.6B–8B）、VLM（Qwen2.5-VL、Qwen3-VL、FastVLM、InternVL3、SmolVLM 等）、检测（YOLOv5 / v6 / v8、YOLO-World）、分类（MobileNetV1/V2、ResNet-50）、语音（SenseVoice）、检索（Qwen3-Embedding）。

主控侧能力参考：RK3588 支持 H.265 / VP9 8K@60fps 解码、8K@30fps 编码，RGA 2D 支持最大 8192×8192 的缩放与旋转。wiki 特别注明：RK3588 参考数据仅作主控能力参考，不代表 RK182X 能力。

收尾

到这里，PC 端和板端的环境都验收过了，部署链路也是通的。环境就绪之后的事——模型怎么转、应用怎么写——wiki 后续的开发指南、SDK 参考、硬件参考等章节会逐步展开，模型上板的实测也会单独成篇，用真机数据说话。

本文的复现路径：生态平台 wiki 《环境搭建详解》和《入门指南》两章，跟着做可以逐步复现。

本系列持续更新，可以关注公众号追更。