coralnpu

把 AI 推理塞进低功耗边缘芯片,本地实时跑模型

开源 🏷️完全免费 🔧 仅开源项目,无在线服务,需自行部署 基础设施 🍴 复刻 379 🐛 待处理 77 👀 关注 38
GitHub ↗
GitHub 星标 ★ 2715
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目,无定价信息

项目预览

coralnpu 项目界面预览图
图片来源:GitHub 官方仓库名片

项目数据

分类基础设施
开发团队google-coral
定价模式🏷️完全免费
价格说明开源项目,无定价信息
访问状态🔧 仅开源项目,无在线服务,需自行部署
是否开源是
开源协议Apache-2.0
主要语言Emacs Lisp
GitHub 星标★ 2715
上线时间2025-10-02 00:00:00
代码更新2026-11-20
仓库体积9.6 MB
本站数据更新2026-11-22
维护状态活跃
收录时间2026-10-08
浏览次数4

项目介绍

CoralNPU 是一个面向边缘端 AI 推理的开源机器学习加速器核心,目标是让低功耗设备也能高效跑神经网络。它提供可综合的硬件 RTL 设计,包含张量计算单元、片上存储和调度控制逻辑,支持常见卷积、全连接等算子,方便集成到 SoC 或 FPGA 中。项目配套软件工具链,可将训练好的模型量化、编译并映射到硬件上执行,降低从算法到芯片的落地门槛。与依赖云端算力不同,CoralNPU 强调能效比和本地实时响应,适合电池供电或散热受限的场景。其开源方式让开发者能审查、修改微架构,按需裁剪算力与面积,避免被单一厂商绑定。对于研究边缘 AI 芯片、做原型验证或教学演示的团队,它提供了从架构到部署的完整参考实现。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

数据来源:GitHub API 逐日快照 · 收录于 2026-10-08 · 当前星标 ★ 2715

使用教程

难度:进阶 约 15 分钟 部署方式:本地安装 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Bazel 8.6.0
  • Python 3.9-3.13

安装与启动步骤

  1. 1安装 Bazel

    安装 Bazel 8.6.0,README 系统要求明确指定此版本。

  2. 2安装 Python

    安装 Python 3.9-3.13,版本需在 README 指定范围内。

  3. 3获取项目代码

    从 GitHub 地址 https://github.com/google-coral/coralnpu 获取项目代码,README 未给出克隆命令。

  4. 4构建模拟器

    README 未提供构建命令,需按仓库说明构建,生成 bazel-bin 下的模拟器和示例 ELF。

  5. 5运行示例

    运行 README Quick Start 中的模拟器命令,--binary 指向已构建的 hello world 示例 ELF。

    bazel-bin/tests/verilator_sim/core_mini_axi_sim --binary bazel-out/k8-fastbuild-ST-dd8dc713f32d/bin/examples/coralnpu_v2_hello_world_add_floats.elf

如何确认成功

命令执行无报错并正常退出,即表示模拟器运行成功。

常见问题

Q:需要什么环境?

A:需要 Bazel 8.6.0 和 Python 3.9-3.13,README 的 System Requirements 已明确列出。

Q:如何运行示例?

A:使用 README Quick Start 中的 bazel-bin/tests/verilator_sim/core_mini_axi_sim --binary ... 命令。

Q:为什么提示找不到 bazel-bin?

A:需要先构建生成该目录,README 未提供构建命令,请参考仓库或官网文档。

注意事项

  • README 未提供完整克隆与构建命令,运行前需确保已构建出 bazel-bin 产物。
  • 命令中的 bazel-out 路径包含构建哈希,实际路径可能因构建配置不同而变化。
  • 项目面向超低功耗 SoC,基于 RISC-V ISA,集成需硬件或模拟器支持。

核心亮点

  • 提供可综合的 RTL 加速器核心,能直接集成到 FPGA 或 SoC 中验证
  • 配套模型量化与编译工具链,打通从训练模型到硬件执行的流程
  • 面向能效优化,适合电池供电或散热受限的边缘设备

不足之处

  • 项目以 Emacs Lisp 标注语言,实际硬件开发文档和上手门槛可能偏高
  • 社区规模尚小,生态工具与预训练模型支持有待丰富

适用场景

  • 智能摄像头本地实时目标检测
  • 可穿戴设备上的低功耗语音唤醒与识别
  • 工业传感器端的异常检测与边缘推理

替代项目

NVDLA、Gemmini

上一篇:traccia-py

下一篇:aitune

同类项目推荐

vllm-radiance 开源

让 R9700 显卡也能顺畅跑 vLLM 推理服务

Codeberg fork of StillDeadcode / vllm-radiance which is a custom vllm tuned for R970···

★ 177 2026-11-11
ai 开源

用 Stripe 打通 AI 产品从开发到收费的全流程,快速上线赚钱。

One-stop shop for building AI-powered products and businesses with Stripe.

★ 2076 2026-08-09
dstoolkit-mlops-base 开源

用 Azure 一键搭建模型上线流水线,省去手工部署烦恼

Support ML teams to accelerate their model deployment to production leveraging Azure

★ 91 2026-08-09
stable-diffusion-docker 开源

一键启动全功能AI绘画环境,省去配置烦恼

Docker image for Stable Diffusion WebUI with ControlNet, After Detailer, Dreambooth,···

★ 76 2026-08-09
zon-TS 开源

用 ZON 格式替代 JSON,提示词 token 成本直降 35-70%

ZON → 35-70% cheaper LLM prompts than JSON/TOON. Zero overhead.

★ 51 2026-08-09
console 开源

集中管密钥,团队和 AI 代理都能安全取用

Keep secrets from AI agents.

★ 952 2026-09-22
aegea 开源

一条命令搞定AWS日常操作,告别繁琐控制台

Amazon Web Services Operator Interface

★ 69 2026-08-09
dns-aid-core 开源

用 DNS 让 AI 智能体像网站一样被找到和验证

DNS-based Agent Identification and Discovery - Reference Implementation for IETF BAN···

★ 80 2026-08-09
krasis 开源

显存不够也能跑大模型,混合推理榨干硬件性能

Krasis is a Hybrid LLM runtime which focuses on efficient running of larger models o···

★ 530 2026-08-09