硬件规格

主控芯片	SCM8003G
CPU	六核 ARM Cortex-A55 1.8GHz
NPU	8TOPs@INT8, 支持主流开源框架模型转换:ONNX/Caffe/Tensorflow /TFLite等等
内存	LPDDR4x 4GB
存储	eMMC5.1 64GB
解码	2路8K@30fps 或 32路1080P@30fps H.265/H.264
编码	1080P@30fps H.264
显示	双屏异显 - HDMI, 3840x2160@30fps - MIPI, 2560x1600@60fps - VGA, 1920x1200@60fps
图形引擎	1080P@40fps
音频输入	DMIC 8CH /I2S 8CH / ADC 2CH
音频输出	I2S 2CH / DAC 2CH
USB	1路USB3.0 DRD / 2路USB2.0 Host + 2路USB2.0 Host/Device
有线网络	2路千兆网
其它	SD3.0 x1 / SATA3.0 x2 /PCIE2.0 x2 / I2C x5 / mSPI x2 + qSPI x1 / UART x4 + FUART x1 / PWM x4
封装	FCCSP, 16mm x 16mm
系统	Linux

概述与定位

核心卖点：6核A55、8TOPS 高算力 + PCIe 级联扩展、支持端侧 LLM/VLM 部署、双千兆网口、32路1080P@30fps解码能力、HDMI 4k@30+MIPI 2560x1600@60 双屏异显、丰富的官方模型仓库Model Zoo可快速量产

目标用户：AIoT 开发者、嵌入式工程师、边缘计算开发者、端侧大模型应用开发者

典型应用场景：

智慧安防：AI NVR、船舶安防、工厂安防
智慧零售：无人货柜、无人商超、AI 自助收银机
智能家居：AI NAS、家庭智能中枢
智能办公：智能音视频会议终端、企业智能考勤终端
工业物联网：工业网关、工业 AI 质检设备
商用服务机器人：按摩机器人、接待机器人

开发板接口

IPU性能基准

说明：8 TOPS@INT8 的 NPU 算力是理论峰值。以下提供目前已公开的实测数据供参考（基于 INT8 量化）；建议开发者根据自身模型进行实测验证，并关注 Comake 社区及官方文档的持续更新。

Type	NetName	FPS
CNN	mobilenet_v2(224x224)	1423.54
	resnet_v2_50(299x299)	119.99
	resnet_v2_50(224x224)	215.1
	yolov5s(640x640)	80.09
	yolov8s(640x640)	79.14
	yolov8n(640x640)	154.98
	yolov8s_worldv2(640x640)	64.1
	onnx_yolov5n(640x640)	167.26
	onnx_yolox_nano(416x416)	361.6
	onnx_yolox_small(640x640)	75.35
	onnx_yolox_tiny(416x416)	234.55
	deeplabv3(513x513)	46.64
Transformer	onnx_dab_detr_resnet50(800x800)	10.9
	onnx_deit_small_patch16_224(224x224)	181.03
	onnx_detr_resnet50(800x800)	11.94
	onnx_dino_vit_small16_224(224x224)	178.36
	onnx_dn_detr_resnet50(640x640)	18.45
	onnx_mobilevit_xs(256x256)	254.42
	onnx_poolformer_s36(224x224)	66.57
	onnx_topformer_512x512(512x512)	339.81
	onnx_xcit_nano_12_p16_224(224x224)	426.79
	onnx_yolos_tiny(512x512)	39.9
	onnx_vit_b_p16	54.68

模型	版本	LLM量化精度	ImageEncoder 分辨率	ImageEncoder （ms）	TTFT (ms)	TTFT (token)	Decode （tokens/s）
DeepSeek_R1	1.5B				286.38	128	6.28
Qwen2.5	0.5B	W4A16_g128			91.99	128	19.25
Qwen2.5	1.5B	W4A16_g128			248.59	128	8.19
Qwen3	0.6B	W4A16_g64			129.25	128	14.47
InternVL2.5	1B	W4A16_g64	448 x 448	663.195	883.83	384	19.07
InternVL3	2B	W4A16_g64	448 x 448	664.707	1278.89	384	8.52
Gemma 3	1B	W4A16_g64			158.06	128	9.76
Llama 3.2	1B	W4A16_g64			198.48	128	8.65
Llama 3.2	3B	W4A16_g64			481.43	128	3.76
SmolVLM2-500M	500M	4A16_g64	512 x 512	2274.3	2590.65	640	22.71
FastVLM	0.5B	W4A16_g64	1024 x 1024	759.57	1092.41	384	18.86

软件与开发支持

4.1 操作系统

Linux（基于 Linux 内核的完整 SDK，包含 bootloader、kernel、rootfs 等）

4.2 开发工具链

IPU ToolChain：官方免费提供的 AI 工具包，支持模型转换、量化和部署，高效支持 CNN / Transformer / LLM 等多种模型架构
完整 SDK：包含 BSP、多媒体模块（VIF/ISP/VENC）、AI 推理框架、LLM 推理运行时，可通过 Makefile 配置编译
分析工具：IPU SDK 自带性能分析工具，可查看每层网络耗时占比

4.3 支持的开发语言

C/C++、Python 等（基于 Linux 标准开发环境）

4.4 论坛热帖合集

快速开始：https://dev.comake.online/home/article/10571

常见问题解答（FAQ）

购买类

Q1：开发板套件包含哪些配件以及这些配件如何安装？

基础套件包含核心板 + 底板 + 电源适配器；其它可选购MIPI 屏幕、麦克风阵列等，具体以购买页面套餐说明为准。

配件安装指南待上线，敬请期待！

Q2：在哪里可以购买？

预计9月中上线.可通过 Comake 官网右上角购买按钮跳转到淘宝进行购买，支持单件起订。

兼容性类

Q3：支持哪些操作系统？

基于 Linux 内核的完整 SDK。

Q4：支持哪些显示输出？

支持 HDMI 和 MIPI 双屏异显，HDMI 最高 4K@30fps，MIPI 最高 2560×1600@60fps。

Q5：支持哪些摄像头接入？

支持多路 IPC 或 USB 摄像头输入，可用于多路视频采集、全景拼接等场景。

性能类

Q6：NPU（IPU）具体支持哪些框架和模型？

支持 ONNX、Caffe、TensorFlow、TFLite 等主流开源框架的模型转换；高效支持 CNN、Transformer、LLM/VLM 等多种架构，官方提供 50+ 可量产算法与大模型适配.

Q7：大模型推理性能如何？

Qwen2.5-1.5B-AWQ 可达 9 token/s
通过 PCIe 级联扩展可提升至 16 token/s
高负载场景下芯片功耗低于 5W

Q8：支持 PCIe 级联扩充算力吗？

支持。可通过 PCIe 级联方式连接额外算力单元，进一步提升大模型推理性能，满足更高算力需求。

开发类

Q9：如何获取 SDK 和开发文档？

Q10：IPU ToolChain 如何使用？

点击右上角"开发文档"按钮进入开发文档页面，会有专门的 IPU 文档手册。

Q11：支持哪些升级方式？

支持 USB 升级等方式，具体请参考官方开发文档。

售后类

Q12：遇到技术问题如何获取支持？

可在 Comake 开发者论坛发帖提问，有官方人员进行处理并解答。

星宸科技AI开发板 Comake Pi D3

PCBA

设计文件

详细介绍