一只399美元的机器鸭，让资金重新看瑞芯微

瑞芯微真正有意思的地方，可能不是下一颗旗舰芯片，而是越来越多的人开始拿它做一些原本不在产品定义里的东西。

不是RK3588，也不是什么还没发布的高端型号，而是RK3566。一个叫Microduck的开源机器鸭项目，用它跑神经网络策略，以50Hz的频率控制15个舵机，售价压到399美元。模型在MuJoCo里训练，经过Sim2Real迁移，再以ONNX格式落到板端。整套东西谈不上科幻，却已经能走、能转、能在真实世界里保持平衡。

吸引我的不是机器鸭本身，而是它选了一颗很多投资者不会拿来讨论“具身智能”的芯片。

我们太习惯把机器人和昂贵算力绑在一起。仿佛只要谈到Physical AI，桌面上就必须摆一块Jetson。Microduck给出的答案很朴素：训练可以留在数据中心，真正装进机器里的推理芯片，只要把动作及时、稳定、便宜地跑出来就够了。

GitHub比发布会更诚实

芯片公司总爱讲参数，开发者却只会把时间花在能用的东西上。沿着瑞芯微的GitHub主页往回看，两年前后最明显的变化，不是仓库突然变多，而是关注开始从底层驱动往AI工具链聚集。

截至2026年8月，Rockchip官方GitHub账号共有39个公开仓库，累计大约1.68万颗Star。真正拉开增速的是rknn-toolkit2、rknn_model_zoo和rknn-llm。三者合计Star数从2024年8月的1821颗，涨到2026年8月的7687颗，两年增幅约322%。

拆开看更直观。rknn-toolkit2从680颗涨到3321颗，rknn_model_zoo从845颗涨到2719颗，rknn-llm从296颗涨到1647颗。增长最快的不是传统内核、媒体处理库或者固件，而是模型转换、模型样例和大模型部署。

同期，kernel、mpp和rkbin这些传统项目的合计增长大约86%。它们依然重要，只是开发者的注意力已经换了方向。瑞芯微过去更像一家把视频编解码和安卓生态做得很熟的SoC厂商，现在被频繁打开的仓库，越来越像一套端侧AI部署平台。

开发者已经把它用出了原来没有的样子

官方仓库只能说明公司愿意把什么拿出来。更有趣的部分，往往藏在公司控制不了的地方。

社区维护的ffmpeg-rockchip，两年间从389颗Star涨到1275颗；让RK3588设备跑UEFI的edk2-rk3588，从389颗涨到1026颗。2024年底出现的rkllama，短时间内积累了596颗Star和99个Fork，把本地大模型更顺手地搬到了瑞芯微NPU上。

Hugging Face上的痕迹更密。以RK3588为关键词可以检索到386个模型，其中374个是在过去两年创建的，占比96.9%；以RKLLM为关键词能找到196个模型，178个同样出现在这两年。

这些数字当然不能直接换算成收入，但它们能说明一种很难靠市场宣传伪造的东西：有人在适配，有人在踩坑，也有人愿意把踩过的坑做成工具留给后来者。一个芯片平台开始有生命力，通常就是从这些并不整齐的社区劳动长出来的。

它恰好站在算力断层里

瑞芯微的位置并不豪华，却很舒服。

往下是MCU和ESP32一类低成本方案，做控制、联网和轻量视觉很合适，碰到多路摄像头、复杂模型或者本地大语言模型，空间很快就不够。往上是英伟达Jetson，软件生态成熟、算力充足，价格、功耗和散热也一起上去了。

中间那一段设备数量极大：门禁、售货机、工业相机、会议终端、教育机器人、陪伴玩具、机械臂控制器。它们需要Linux，需要视频处理，需要一点像样的NPU，还得把整机成本压住。很多产品不是用不起Jetson，而是根本没必要用。

瑞芯微多年积累的CPU、GPU、ISP、视频编解码和Android/Linux适配，在这里比单独多几TOPS更值钱。客户买的不是一块孤零零的NPU，而是一台设备能不能按时做出来。

大模型在云上想，便宜芯片在地上动

很多人把端侧AI想成“把大模型完整塞进设备”。这条路很吸睛，也很容易把讨论带偏。

真实产品更可能是分层的。云端大模型负责理解意图、拆解任务、生成计划；本地芯片处理摄像头、语音唤醒、传感器融合和动作闭环。前者负责想得深，后者负责反应快。网络断一下，机器也不能站着不动。

放到机器人里看，瑞芯微未必需要运行最大的模型。它只要稳定承接“看”和“动”，把摄像头数据转成可用信息，把上层指令变成几十次每秒的实时动作，就能进入一个比旗舰算力更广的市场。

我越来越愿意把它理解成一种端侧执行平台。这个称呼没有“大模型芯片”性感，却更接近它可能赚到的钱。

新旧两套工具链，会决定这条路能走多快

2026年1月出现的RKNN3，是这条叙事里最值得盯的一步。rknn3-toolkit和配套model zoo目前分别只有111颗和113颗Star，体量还小，支持的方向已经指向RK1820、RK1828和RK3572等新平台。

麻烦也摆在桌面上：RKNN3与RKNN Toolkit2并不兼容。新工具链能不能快速补齐文档、算子和模型样例，老项目迁移时会不会付出过高成本，都会直接影响开发者的耐心。

硬件公司很容易低估这种摩擦。对开发者来说，推理性能快10%，未必抵得过一次转换失败、一个没有文档的算子，或者一套半年后就换代的接口。瑞芯微已经把人吸引过来了，接下来要证明的是，它能不能少让这些人失望。

别急着把Star当收入

开源热度很好用，也很容易被用过头。Star不是出货量，Fork不是订单，Hugging Face上的模型数量更不是利润表。它们只能证明开发者兴趣正在形成，不能证明商业兑现已经完成。

瑞芯微的工具链也不等于完全开放。不少关键SDK仍受厂商许可约束，NPU编译和调试体验依赖公司持续投入；社区项目维护者人数有限，明星仓库停更并不少见。高端机器人和复杂自主系统需要的CUDA生态、训练部署协同和开发工具，英伟达仍然领先得很远。

我不会因为几千颗Star就把瑞芯微写成“中国英伟达”。这种叫法抬高了想象力，也抹掉了它真正占优势的战场。

我等的不是一场发布会

过去市场给瑞芯微的标签，是消费电子SoC：电视盒子、平板、扫地机，景气来了吃一轮，库存上来熬一轮。这个标签并没有错，只是已经装不下GitHub上正在发生的变化。

如果RKNN的增长继续，如果社区把更多视觉模型、语言模型和机器人项目迁到它的NPU上，如果下一批量产设备开始把“低成本本地智能”当成标配，瑞芯微的身份会慢慢从消费电子芯片供应商，滑向边缘AI平台，再滑向低成本Physical AI的底座。

标签改变通常比财报慢。等收入结构完全证明了它，最有意思的那段估值变化往往已经走完。

我现在盯的也不是瑞芯微能不能击败英伟达。它不需要击败英伟达。它只需要拿下那些不需要Jetson，却又比MCU多要一点视觉、一点语言和一点动作能力的设备。

一只399美元的机器鸭不会改变芯片行业，但它已经把一个问题摆得很清楚：当AI真正离开机房，进入玩具、相机、门锁、机械臂和无数不起眼的机器里，最后吃到增量的，未必总是算力最贵的那家公司。

数据说明：文中GitHub与Hugging Face数据统计截至2026年8月30日，历史增量以2024年8月至2026年8月的公开页面与快照为口径。Star、Fork与模型数量用于观察开发者关注度，不代表商业收入或实际出货量。