简要概述：本文主要指导mid-360的入门使用，从驱动出点云，到利用FAST-LIO2建图，进而利用其导航避障等，给出了具体学习路线，让路径变得明晰。 可以通过这个网页互动app来跟踪指导自己的学习进度，更加详细的指导尽在这里。 https://30

边缘 AI 的三道墙，把模型从训练服务器搬到设备端，第一件事不是「怎么跑」，而是「为什么必须换个硬件跑」

1. **先查版本，再改参数**。90% 的诡异报错都是版本问题，报错信息永远不会告诉你这一点。 2. **别信日志，信延迟**。端侧部署最大的陷阱是"静默降级"——代码没报错，但根本没走 NPU。用延迟数字来判断。

低功耗边缘端部署 1.5B/3B SLM：高通芯片上的多模态端侧智能体实战 拿到瑞莎 Dragon Q6A（Radxa Dragon Q6A）之后，如果只是跑一个普通的视觉检测，多少有点浪费这块板子搭载的高通 QCS6490 芯片与 12 TOPS

它是一只桌面级四足机器狗，犀牛派 A1 实战，把开源 MindPaw 改造成端侧 AI 情感机器狗

在 Windows on Snapdragon 上开发本地语音助手，把 Whisper 模型部署到 NPU 时，音频切片和推理调度怎么设计更合理？

AI PC 上部署 Stable Diffusion 类文生图模型时，Adreno GPU 显存不足导致生成失败，通常有哪些缓解方案？

在骁龙设备上用 TensorFlow Lite 调用 QNN delegate，模型推理速度反而不如 CPU，可能是哪些原因？

QNN 模型转换时，部分 ONNX 算子显示“unsupported op”导致转换失败，应该优先按什么顺序排查？

一台高通 QCS8550 开发板，一个用 GPT-SoVITS v2Pro 训练好的中文音色。目标很简单：让它在板子的 NPU 上跑起来，并且像 OpenAI 的 /v1/audio/speech 一样可以直接调用。过程并不简单——静态图改写、8

设备：犀牛派 X1（高通 QCS8550，AidLux / Ubuntu 22.04）｜相机：Logitech C920，/dev/video2，1280×720 MJPG｜姿态：AidLite TFLite GPU，float32，上半身 31 点

设备：犀牛派 X1（高通 QCS8550，kalama）｜系统：Android 13 + AidLux 3.0.0.124，Ubuntu 22.04，内核 5.15.178-android13｜日期：2026-09-15 实刷，2026-09-28

设备：FV01 开发板（高通 QCS8550，Ubuntu 22.04）｜模型：Qwen3-Reranker-0.6B｜精度：fp16本文流程同样适用于犀牛派 X1 开发板。代码与模型：https://github.com/zhouzengming

本文适合还没拿到犀牛派 X1、但想提前准备实验的人。你将得到一份公开规格核对表、Linux/ADB 基线采集命令，以及设备到手后的验证清单。本文没有 X1 板端实测，所有模拟输出都只是记录格式示例。 一 为什么先建立基线 边缘 AI 开发会同时涉及系

一、测试背景 最近对一块基于高通 QCS8550 平台的犀牛派 X1 开发板进行了性能测试，主要关注以下几个方面： CPU 单核和多核性能； GPU 图形与计算性能； 内存带宽； 存储读写速度； 空载和满载温度； 满载功耗以及长时间运行时的降频情况

本文记录在犀牛派 X1 上通过 Ollama 部署qwen:1.8b的完整过程，并使用 Ollama API 测试模型加载时间、输入速度、输出速度和 CPU 占用。文章最后还会分析中文提示词乱码、首轮加载时间和上下文长度带来的影响。 一、测试目标

骁龙 AI PC 本地部署 LLM，开启 HTP burst 模式可以提升 token 生成速度，该参数如何配置，开启后需要关注哪些日志指标？

高通 QNN 自定义算子开发，在 Hexagon HTP 上实现自定义算子，为什么不能直接使用 malloc/new 做动态内存分配？

Snapdragon Spaces Unity 项目，Dual Render Fusion 模式下 App 退到后台，XR 内容会停止渲染，这个机制是什么，如何按需修改业务逻辑？

骁龙 AI PC 上，用 llama.cpp 调用 Adreno GPU 跑本地 LLM，需要提前准备哪些依赖，编译时要开启什么编译选项？