相信大部分人都听过近几年大火的绝地求生游戏（吃鸡）里“落地成盒”的梗，形象、不失风趣，一度成为网络流行语，但是，这是贬义。而边缘AI计算盒子FZ5“落地成盒”的故事又是另一回事了。

在几个月前，笔者有幸试玩过米尔科技与百度合作推出的一款深度学习计算卡FZ3，有兴趣的可以点击看看，是一款基于赛灵思SoC设计的极高性价比AI开发板，与百度大脑工具平台（飞浆AI框架）的无缝兼容更是大大降低了AI应用门槛，但是，事情显然没有到此为止，现在FZ5来了。

FZ5边缘AI计算盒子

言归正传，FZ5，看名字就知道是FZ3的传承和升级，再进一步的话可以细分为FZ5C以及FZ5D。两者在主要功能上没什么差异，C为4GB运存，而D为8GB运存，我拿到的是C版本，价格3499元，D版本在此基础上加400元。

FZ5摒弃了米尔科技传统的包装风格，可能盒子不像板子，是太厚了（笑哭）？内部配件：一个AI BOX包含MicroSD卡（FZ5C边缘AI计算盒子），一根MicroUSB线，一份说明书，一个12V的电源适配器包含4种插头。

FZ5完全看不到板子，真正切切一个“黑盒”的模样。实物外观如下图所示。

外部功能接口示意图如下。

非常硬核的接口配置，4个USB3.0口，值得注意的是，这里的HDMI是输入源接口，而不是作为输出的，视频输出接口是miniDP，这些接口在传统的开发板上是并不常见的，可能这是今后AI开发板与传统嵌入式开发板的一个分水岭。FZ5具体的硬件框图如下。

“黑盒”核心，全能SoC XCZU5EV

AI BOX FZ5虽然只一个成人巴掌大小的尺寸，但是拥有专业的AI应用潜力。核心采用赛灵思Zynq UltraScale + MPSoC SoC XCZU5EV系列产品，记得FZ3采用的是XCZU3EG系列，从这点上也可大致推断，FZ3，FZ5的命名有参考产品核心SoC的选型。

XCZU5EV完整规格型号为XCZU5EV-SFVC784，集成了 ARM 四核 Cortex-A53（PS），双核 Cortex-R5（PS），Mali-400 MP2 图形处理单元和Kintex Ultrascale + FPGA（PL）。四核 Cortex-A53 具有强大的计算能力，双核 Cortex-R5 可用于实时处理应用，Mali-400 MP2 可用于加速图形处理，VCU 可用于硬件视频编解码加速应用，而 FPGA 具有完全可编程性。简直就是一个全能选手，配合丰富且常用的接口以及可扩展接口，可适应各种应用场景。

上手体验

说那么说，实际上手体验又是如何呢？

相比FZ3开发板类型，FZ5的黑盒装无论是携带还是实际操作更加方便了，尤其加上出厂烧录的MicroSD镜像，让你真正体验什么叫开箱即用。

根据你实际的外设可以选择不同的调试方式，比如USB转串口，SSH，或者外接显示器，可能只有外接显示器比较麻烦，这里的输出显示是miniDP接口。而采用USB转串口工具是最为方便的，真正的开箱即用。

但是USB转串口调试对应设备的控制台，在进行一般调试时可能会有冗余的打印信息，并且初次使用的话还需要安装串口驱动 CP210x_Windows_Drivers。所以建议用户使用网口调试，FZ5默认的IP是192.168.1.254，所以网口调试需将计算机的IP段设置为192.168.1.x

无论是USB转串口调试，还是网口调试，FZ5在启动后都要求用户输入login和password，即root & root，输入成功，即可登录设备系统。

FZ5 出厂搭载了Linux系统，开发者可以基于Linux系统进行应用程序进行开发，系统中也有自带的深度学习预装环境以及为模型推理的例程，用户也可以直接使用。

主要调用流程：1.应用程序获取视频输入->2.调用预测库加载模型->3.调度模型和底层驱动加速模块进行计算->4.获得运行结果。

下面就来看看实际的体验如何。

分类模型示例

读取一张本地图片，调用模型进行推理，并输出结果。

考虑到简单通用性，该示例从json文件中读取模型和图片信息，加载并执行。执行时需要指定相应的配置文件。而配置文件其实是大同小异，我们可以看下Inceptionv2神经网络模型的配置文件示例，以此为例。

其中各个参数的含义如下表所示。

因为FZ5上具有编译能力，所以这里实际演示一下，进入到sample/classification示例的build目录下进行编译，如下如所示是已经编译过的结果。

编译结束后会在build 目录生成如下几个文件。

image_classify 为读取本地图片推理示例，运行./image_classify ../configs/resnet50/drink.json执行结果如下。

而video_classify 则是读取摄像头数据进行推理，需要连接摄像头，这里是使用USB摄像头，这个还好，但是，非常可惜的是官方没有配miniDP转接口，因此就没法连接显示器，因此下面的demo演示只能看看系统打印的log。

运行./video_classify ../configs/resnet50/drink.json

执行结果如下。

目标检测示例

和分类不同，物体检测除了能知道物体的类型，还能检测出物体所在的位置坐标。物体检测也分了两个示例，一个是在图片上检测物体，并绘制出坐标信息。还有通过摄像头采集视频，检测在屏幕上绘制坐标信息。

同样image_classify 读取本地图片推理示例。

运行./image_detection ../configs/vgg-ssd/screw.json

video_classify 则是读取摄像头数据进行推理。不过这里由于没有外接显示器而无法显示。

不过，值得一提的是，针对一些需要将HDMI作为视频源输入接口的工业应用场景，FZ5提供了一路HDMI IN接口支持，系统以及软硬件均做了相关适配，可以直接使用，非常人性化。

此外，FZ5的软核仍在持续升级中，性能也将同步提升。相同网络结构不同版本对算力要求不同，如有具体项目应用，也可联系米尔科技官方申请定制优化。同样，FZ5也可以像FZ3一样运行EasyDL平台模型预测示例，与FZ3也是异曲同工之妙，差别在于FZ5具有不同的接口和更高的性能，本文就要不再赘述，如有需要可以查看先前FZ3的评测。

小结

从面向评估研发阶段的计算卡到面向批量化AI项目落地的高可靠性AI BOX，FZ3到FZ5完成“落地成盒”的蜕变，而它想传达给你的就是：你只需要专注于你的应用，将AI加速的事交给边缘AI计算盒子FZ5就是了。

原创声明:本文系电路城原创测评，如需转载请注明来源出处！

相关方案推荐

标题：基于NXP QorIQ®LS1046A的边缘计算之人脸识别方案

方案简介：

预计2020年智能设备的出货量将会超过400亿台，随着越来越多的智能设备出现，从数据的获取到数据的处理到深度学习，必须要在信息当中进行挖掘。信息爆炸，设备不堪重负，边缘计算应运而生。而未来数据的产生速度会逐步超过存储能力。他指出在未来的5-10年，边缘计算比数据中心的统一计算更为重要。

边缘计算将改变物联网(IoT)，就像云计算改变企业IT一样。我们创建安全、高度可编程和灵活的计算系统来增强人工智能(AI)和机器学习(ML)，有助于开创本地AI的时代，而边缘节点不仅智能，且训练有素，知晓它们的环境和状况，使其能够脱机或采用有限的云连接。

恩智浦平台提供硬件和软件级别的安全边缘计算，提供基本技术，支持低功耗、低延迟、高吞吐量的解决方案，以实现更高的效率、便利性、隐私性和安全性。

方案规格

处理器：4个32/64位ARM(R) Cortex(R)V8 A72 CPU，高达1.6 GHz内核速度

存储器：

· 支持8 GB DDR4 SDRAM存储器

· 支持双位错误检测和单位纠错的ECC(64位数据的8位检查字)

· 支持高达2100 MT/s的数据传输速率

· 提供一个288引脚的DDR4 DIMM连接器

· DIMM连接器支持无缓冲的X72 8 GB双排

· SDHC端口与适配器卡槽直接连接，配备4 GB eMMC存储器器件

·1个512 MB SLC NAND闪存，带ECC支持(1.8 V)

· CPLD连接：CPLD中8位寄存器可配置复用器/解复用器选择

· 支持两个64 MB板载QSPI NOR Flash存储器

USB：

· 两个USB 3.0控制器，带有集成PHY

· 1个USB1 3.0端口可连接到A型主设备连接器

· 1个USB1 3.0端口可配置为带Micro-AB接头的OTG

· 1个USB2.0可连接miniPCIe接口

以太网：

· 支持通道2和通道3的SGMII 1G PHY

· 支持带XFI重定时器的SFP+模块

· 支持AQR106/107 10G PHY与XFI/2.5G SGMII

PCI Express和SATA：

· PCIe express x1 (Gen1/2/3)迷你卡

· PCIe x1 (Gen1/2/3)标准卡

· PCIe x1 (Gen1/2/3)标准卡

· 1个SATA 3.0连接器