从RV1126到RV1126B：升级了哪些，好用多少？飞凌OK1126B-S开发板全面测评

提起边缘AI与智能视觉开发板，英伟达的Jetson系列与高通RB5平台凭借成熟的生态与技术优势，长期占据着开发者视野的中心。然而，在追求极致性价比、强本土化支持与稳定供应链的工业与AIoT应用领域，一颗“中国芯”正悄然成为许多项目的务实之选。

这颗“芯”便是瑞芯微于2025年5月正式发布并批量供货的RV1126B。它的问世，直接回应了前代RV1126芯片因市场需求激增而出现的供货波动，旨在以升级的四核Cortex-A53 CPU、3.0 TOPS算力的NPU及独立的专用AI-ISP硬件，稳固其在高性价比智能视觉方案中的市场地位。

作为瑞芯微的长期合作伙伴，飞凌嵌入式推出了基于RV1126B的核心板FET1126B-S，以及配套的OK1126B-S开发板。这款开发板不仅引出了芯片的全部引脚，更凭借飞凌在工业级嵌入式领域深厚的积淀，在接口丰富性、电源稳定性和长期可靠性上做了大量优化，旨在将其打造为工业质检、智能安防、AIoT网关等场景下的国产化核心开发平台。

本文将聚焦于飞凌OK1126B-S开发板，从核心硬件解析、软件生态评估到实际性能测试，进行全面评测，看它如何将RV1126B的算力转化为实实在在的开发者生产力。

硬件介绍

开发板的外包装，正面是飞凌的logo

包装内包含OK1126B-S开发板一个，电源一个，天线一根，以及RTC电池一个

开发的正反面。可以看到，开发板采用的是核心板+底板的方式，核心板为邮票孔封装。

主要硬件配置如下

其中主控RV1126B的框图如下

OK1126B-S接口分布图如下

目前售价，4G内存+64G EMMC规格核心板+底板738元。

RV1126B是一款高度集成的系统级芯片（SoC），定位为顶级的AI视觉处理器。其不仅搭载了四核Cortex-A53 CPU，还集成了算力高达3T的NPU（神经网络处理单元）。尤为值得一提的是，RV1126B内置了HPMCU实时处理器，这意味着在部分应用场景中，无需额外外挂MCU，即可实现高实时性的控制任务，并支持秒级启动录像功能。此外RV1126B还带了专用的AI-ISP硬件，突破传统方案的算力瓶颈：在运行AI-ISP时，无需占用通用的3T NPU资源，相比传统NPU方案，带宽占用和功耗更低。结合AI Remosaic技术，RV1126B可实现“日夜双模自适应”——白天呈现超高清画质，夜晚在极低照度环境下依然保持清晰成像。可以说，RV1126B在视觉相关IP方面，代表了瑞芯微目前最先进的水平。

基于RV1126B设计的OK1126B-S开发板，充分扩展了该芯片的接口能力。其中，低速接口通过40PIN排针引出，方便开发者灵活扩展；高速接口如网口、USB、存储接口等则直接引出，便于全面评估RV1126B的各项性能。飞凌同时提供配套的摄像头和显示屏，方便用户直接评估其多媒体处理能力。如有进一步开发需求，用户也可选用FET1126B-S核心板，自行设计底板，实现更多定制化应用。

开发资料介绍

目前飞凌嵌入式为OK1126B-S开发板提供了丰富全面的开发资料。具体内容如下：

软件资料：主要包括产品使用手册，模块支持列表，引脚复用对照表，引脚功能对照表等文档，以及镜像，源码，测试程序，开发工具，原厂的datasheet等

开发环境：飞凌搭建好的虚拟机环境，环境中已经安装好交叉编译器和 Qt 环境

硬件资料：涵盖产品使用手册，STEP文件，核心板和底板的DXF文件，以及原理图，PCB源文件，关键芯片的datasheet等。

证书和测试报告：包含了冷热启动，高低温的测试报告。

总体而言，飞凌提供的资料体系完整、内容详实。即使小型开发团队，也可借助这些资料高效地基于核心板进行产品定制开发。

操作系统

目前飞凌嵌入式为OK1126B-S提供了buildroot系统，此系统是从飞凌提供的源码编译出来的。下载地址为

https://pan.baidu.com/e/1TxAnCQ8BxZUCmdHFhEU_Ag

解压之后得到以下内容

此为各个分区的镜像

按住此按钮，然后上电，插上USB OTG口，打开烧录工具，可以看到出现一个MASKROM设备

直接在升级固件一栏选中此处的update.img文件，烧录进去即可。

烧录之后，开发板会启动buildroot系统。由于板上已经带了usb转串口的芯片，因此找根普通的usb线连接pc和开发板，即可看到开机时的log。默认波特率为115200。

进入系统之后，通过cat /proc/cpuinfo可以看到其cpu信息，这里是有四个A53核心

AI功能测试

RV1126B 专为智能视觉应用设计，其AI能力是核心亮点。本节将对这一功能进行实际测试。

首先简要介绍瑞芯微（Rockchip）当前的AI软件框架——RKNN。整体架构如下图所示：

RK提供了两套核心软件工具：一是 RKNN-Toolkit2，主要用于模型转换，可将用户训练好的 PyTorch、ONNX、TensorFlow、TFLite 等模型转换为 RKNN 格式；二是 RKNPU 运行时软件，运行在目标板端，包含 NPU 驱动及与之交互的动态库。该动态库提供 C 接口，支持通过 RKNN C API 或 Python API 在开发板上使用模型。

RK也提供了转换好的RKNN格式的模型，使用这些模型时，不需要再安装RKNN-Toolkit2，直接将对应文件推送到板端即可。

下面介绍如何在OK1126B上面使用这套软件，首先使用如下命令确认板端的RKNPU驱动版本

dmesg | grep -i rknpu

然后使用如下命令启动rknn服务

restart_rknn.sh

可以看到板端的rknn服务版本号为2.3.2，这个版本也是目前最新版SDK里面的rknn包的版本，如果发现手上SDK rknn版本与固件里面的版本不一致，则需要升级为一致。

这里笔者使用rk提供的转换好的模型来演示。打开

rknpu2/examples/rknn_yolov5_demo目录，这里面有如下内容

其中model为rknn模型，src为可执行程序的源码，调用了RKNN的接口，utils为一些其他组件的源码，如mpp，可以对图片进行解码操作

在此目录下执行

export GCC_COMPILER= ${编译器目录}/gcc-arm-10.3-2021.07-x86_64-aarch64-none-linux-gnu/bin/aarch64-rockchip1031-linux-gnu

然后执行

./build-linux.sh -t rv1126b -a aarch64 -b Release

如果构建没有问题，会有如下提示

将此目录下面install/rknn_yolov5_demo_Linux里面所有内容推送到板端/userdata目录下

在板端执行如下命令

cd /userdata/rknn_yolov5_demo_Linux chmod 777 rknn_yolov5_demo ./rknn_yolov5_demo ./model/RV1126B/yolov5s-640-640.rknn xxx.jpg

其中xxx.jpg即为要识别的图片，分辨率需要配置为640x640，这里笔者使用如下图片

这里会显示运行情况

输出结果在 /userdata/rknn_yolov5_demo_Linux/out.jpg，内容如下图所示

程序的打印信息里面有NPU处理的耗时，也就是NPU的C API rknn_inputs_set rknn_run rknn_outputs_get三个函数的执行耗时

即单次推理约 32.6 毫秒，平均推理约 31.2 毫秒，可实现约 30 帧/秒的处理速度。

作为对比，在 RV1126 平台上运行同一模型，单次推理耗时约为 65 毫秒，帧率约为 15 帧/秒。造成差异的主要因素包括：

NPU 算力：RV1126 为 2 TOPS，RV1126B 提升至 3 TOPS；

NPU 架构：RV1126 采用 RKNPU，RV1126B 升级为 RKNPU2；

CPU 性能：RV1126 为四核 Cortex-A7，RV1126B 为四核 Cortex-A53。

综上所述，RV1126B 在 AI 图像处理能力上几乎是 RV1126 的两倍，若计入前后处理等 CPU 密集型操作，性能差距将更加明显。可见，RV1126B 是对 RV1126 的全面升级。

结语

从RV1126到RV1126B，不仅是算力从2TOPS到3TOPS的提升，更是从架构到体验的全面进化。实测AI推理速度翻倍，达30帧/秒；内置HPMCU与AI-ISP，实现单芯片高实时控制与智能成像。飞凌OK1126B-S开发板软硬协同，为AI视觉应用提供了高性价比的落地平台。