瑞芯微近日正式宣布，旗下AI芯片RK1808与RK1806已成功完成百度飞桨（PaddlePaddle）开源深度学习平台的适配工作，并全面兼容飞桨轻量化推理引擎Paddle Lite。此次合作的核心目标在于打通软硬件能力，推动更多AI应用场景的切实落地。

百度飞桨与瑞芯微兼容性认证证书

在人工智能时代，深度学习框架扮演着类似操作系统的关键角色，承上启下，紧密连接芯片与应用层。而一旦获得高性能AI芯片的算力支撑，AI技术的普及速度无疑会显著加快。

NPU时代到来，软硬协同优化性能

瑞芯微RK1808和RK1806两款芯片均内置独立NPU神经计算单元，INT8算力高达3.0TOPs。更值得一提的是，它们采用22nm FD-SOI工艺，在相同性能下功耗比主流的28nm工艺产品降低约30%。在算力、功耗与性能等多个维度上表现十分出色。实测数据也印证了这一点：在Paddle Lite中运行MobileNet V1，耗时仅6.5毫秒，帧率达到153.8 FPS——两者充分兼容，运行高效且稳定。

飞桨作为百度多年深度学习技术研究与产业应用的结晶，于2016年正式开源，如今已成为国内极具影响力的产业级深度学习平台。该平台集训练、预测、模型库、开发套件及服务平台于一体。其中，Paddle Lite作为轻量化推理引擎，以功能完善、易用性强、性能卓越为核心优势，支持多种硬件与平台，尤其适合轻量化部署和高性能推理场景。

瑞芯微RK18xx系列芯片适配Paddle Lite

从实测对比来看，RK18系列NPU在MobileNet_V1上的耗时表现远优于手机等移动端常用的国内外主流CPU。这意味着，在图像分类、目标检测、语音交互等典型AI任务中，专用AI芯片的优势极为突出——性能提升远超预期。

瑞芯微RK18xx系列芯片在MobileNETV1上对比主流CPU性能卓越

通过适配飞桨，瑞芯微芯片能够更高效地服务国内用户的业务需求，为端侧AI提供强劲算力支持。软硬件深度融合的益处显而易见：开发部署速度明显加快，更多AI应用落地成为现实。

国产芯片合作升级，实操教程详解

若想了解瑞芯微AI芯片在飞桨上的具体操作方法，可查阅Paddle Lite官方文档。文档中详细列出了支持的芯片、设备列表、Paddle模型与算子，并附有参考示例演示。

（搜索路径：百度搜索“Paddle-Lite 文档”，左下角选择版本release-v2.6.0，部署案例板块“PaddleLite使用RK NPU预测部署”）

测试设备（RK1808EVB）

值得一提的是，除RK1808和RK1806外，瑞芯微旗下其他搭载NPU的AI系列芯片后续也将陆续适配百度飞桨。双方合作将持续深化，共同推动我国自主可控AI生态的建设。