用 RK3588S 做边缘 AI 与多媒体设备：CM7S、Sige7S 应用规划

把 RK3588S 用好，关键是把任务分配给适合的硬件单元，并减少不必要的数据复制。CM7S 和 Sige7S 可以作为这类方案的硬件起点；下面的场景是开发规划，不代表已经完成的 ArmSoM 客户案例或实测成绩。

场景一：本地视觉分析终端

一条典型链路是“相机或视频流 → 解码/采集 → 缩放与格式转换 → NPU 推理 → 后处理 → 显示或上传结果”。CPU 负责业务逻辑，硬件编解码器处理兼容的视频，RGA 可承担适配的图像变换，NPU 执行已转换且支持的模型。

RK3588S 硬件模块及连接关系

从 Sige7S 做原型时，先选已经验证的输入设备；需要特定传感器、隔离接口或结构时，再评估 CM7S 载板。相机能采集到图像只是第一步，曝光、白平衡、镜头畸变与 IQ 参数同样影响推理质量。

RK3588S 将图形、视频解码和显示控制整合在一起，适合评估交互展示、信息终端或本地视频处理设备。8K 解码规格不等于任意浏览器、播放器和显示接口都能输出 8K；还需要对应格式、硬件加速路径、线缆和显示器支持。

应按真实素材测试：分辨率、帧率、位深、编码格式、字幕与 UI 合成都会改变负载。若同时运行 AI，需观察内存带宽、温度和端到端延迟，而不只看单个模块峰值。

CM7S 可把 RK3588S 计算能力带入自定义载板，适合需要专用连接器、相机布局或工业通信的产品规划。CAN、RS485 等系统接口还涉及收发器、隔离与保护；不能把 SoC 内部控制器直接理解为可接现场总线的成品接口。

Rockchip 的 RKNN-Toolkit2 仓库提供模型转换和部署相关工具；旧 RKNN-Toolkit 与 Toolkit2 不兼容。大语言模型应单独评估 RKNN-LLM 路线。是否支持具体模型，应查看所用版本的算子与示例，不能仅凭“支持 PyTorch/ONNX”下结论。

从一个可复现的样例开始，再替换为自己的模型与数据。ArmSoM 的产品文档和本博客 RKNN 系列可以用于建立开发路径；任何帧率、功耗和模型效果都应在目标产品上测量后再用于宣传。