当前位置: 首页 > ops >正文

PIN to PIN兼容设计:MT8370与MT8390核心板开发对比与优化建议

       X8390 是基于联发科 MT8390 CPU 的一款开发板, MT8390 MT8370 PIN to PIN 的封装,可以共用一个核心 板。
       MT8390 (Genio 700) 是一款高性能的边缘 AI 物联网平台,广泛应用于智能家居、交 互式零售、工业和商业等领域。它采用领先的 6nm 芯片设计,拥有八核 CPU ,包括 2 个 超级内核:A78 6 个效率内核: A55 ,并配备高达 8GB 的四通道内存。集成的 Mali-G57 GPU 支持双显示和 AV1/H.265/H.264 编解码器。此外, MT8390 还嵌入了强大的多核 AI 处理器,适用于各种边缘 AI 应用。
       MT8370(Genio 510) 芯片是一款利用超高效的 6nm 制程工艺打造的边缘 AI 平台,具有强大的性能和功能。这款芯片集成了六核 CPU(2x2.2 GHz Arm Cortex-A78 & 4x2.0 GHz Arm Cortex-A55)、 Arm Mali-G57 MC2 GPU 、集成的 APU(AI 处理器 ) DSP ,以及一个 HEVC 编码加速引擎,可以将通过连接的摄像头捕获的视频以最小的空间使用率编码至全高清分辨 率。该芯片支持 FHD60+4K60 分辨率的显示输出,具有双显和 AV1/H.265/H.264 编解码器, 同时支32MP@30fps 相机和 16MP + 16MP @ 30fps 的双摄像头拍摄。灵活的高速 I/O 接口 支持 WiFi-6 5G Sub-6 模块,以及 1x PCIe Gen2 1x USB3.1 2x USB2.0 OTG/ 主机和 1x
千兆以太网 MAC 等接口。

类别

MT8370 (GENIO 510)

MT8390 (GENIO 700)

制程工艺

6nm

6nm

CPU 架构

2×A78 (2.2GHz) + 4×A55 (2.0GHz)<br>(六核)

2×A78 (更高主频) + 6×A55<br>(八核)

GPU

Mali-G57 MC2

Mali-G57(核心数更高,支持双显)

AI 加速器

APU + DSP(1 TOPS)

多核 AI 处理器(算力更强)

内存支持

未明确(推测 LPDDR4X)

四通道,最高 8GB

显示输出

FHD@60Hz + 4K@60Hz 双显

支持更高分辨率双显(具体未公开)

视频编解码

AV1/H.265/H.264 + HEVC 编码加速

AV1/H.265/H.264(更高码率支持)

摄像头支持

32MP@30fps16MP+16MP 双摄

更高分辨率多摄(未明确参数)

网络连接

Wi-Fi 65G Sub-6、千兆以太网 MAC

Wi-Fi 6、5G Sub-6(可能增强版)

高速接口

1×PCIe Gen2、1×USB3.1、2×USB2.0 OTG

更多高速接口(未明确数量)

封装兼容性

与 MT8390 PIN to PIN 兼容

与 MT8370 共用核心板

典型应用场景

智能家居、轻量边缘 AI

工业 AI、交互式零售、高性能边缘计算

X8390 核心板具有以下特性:
最佳尺寸,尽可能的保证引出全部 GPIO 口的同时,尺寸仅 55mm*55mm
系统供电使用 PMU ,在保证工作稳定可靠的同时,成本足够低廉;
支持多种品牌,多种容量的 emmc
使用 LPDDR4x 设计,最高支持 16GB
支持电源休眠唤醒;
支持千兆以太网、 MIPI-CSI MIPI-DSI PCIE USB3.0 等高速总线;
采用 208PIN 邮票孔封装;
核心板尺寸及管脚结构:
http://www.xdnf.cn/news/14003.html

相关文章:

  • react 使用 postcss-px-to-viewport 实现 px 自动转 vw 自适应
  • Docker Compose 部署 Prometheus + Grafana
  • NORA:一个用于具身任务的小型开源通才视觉-语言-动作模型
  • 基于Netty的TCP Server端和Client端解决正向隔离网闸数据透传问题
  • 轻量级顺序监控器监控 LLM 中的分解攻击
  • sticky设置了top但还是有大约1px空隙
  • [深度学习]全连接神经网络
  • 迁移学习基础
  • 最大闭合子图学习笔记 / P2805 [NOI2009] 植物大战僵尸
  • Nature Light: Science Applications>:拓扑光子学新进展!JR态实现纳米级精度光束整形
  • TOUGH模型软件
  • 最新 Python-PLAXIS 自动化建模技术与典型岩土工程案例实践应用
  • aflplusplus:开源的模糊测试工具!全参数详细教程!Kali Linux教程!(一)
  • 解决 Git 错误:error: src refspec master does not match any
  • 篇章五 系统性能优化——资源优化——CPU优化(1)
  • 在线招聘系统源码+SpringBoot + Vue (前后端分离)
  • CVPR2024迁移学习《Unified Language-driven Zero-shot Domain Adaptation》
  • 企业架构框架深入解析:TOGAF、Zachman Framework、FEAF与Gartner EA Framework
  • NLP学习路线图(四十五):偏见与公平性
  • 一套包含15个psd的电商网站UI适用于服装鞋包行业
  • Stone 3D使用RemoteMesh组件极大的缩小工程文件尺寸
  • 秘籍分享:如何让ZIP下载的源码拥有Git“身份证”
  • Spring Boot 开发提速技巧:从项目搭建到热部署全流程优化
  • ASCII码对应表,回车、换行、空格的ASCII码值
  • VSCode - VSCode 让未被编辑的标签页不被自动关闭
  • 论文略读:MUSE: Machine Unlearning Six-Way Evaluation for Language Models
  • vue纯前端根据页面或者后台数据,读取本地文档模板,填充数据后并导出
  • Node.js特训专栏-基础篇:3. Node.js内置模块的使用
  • 【工具教程】批量PDF识别提取区域的内容重命名,将PDF指定区域位置的内容提取出来改名的注意事项
  • Vue-生命周期