上一篇把 OpenClaw + ClawChips 跑通了：QQ 是入口，端云路由是调度，NPU 是本地算力。但框架只是壳，它具体能干什么活，取决于装了哪些 SKILL。ClawChips 内置了一系列基于 RK182X 模组运行的算法 SKILL——定时提醒、早安播报、图片识别、OCR 文字提取、多智能体巡检——不用写代码，在 QQ 机器人对话里说一句话就能触发。这篇把九个技能过一遍：每个是什么

前几篇把 M5-182X-A1 点亮、把开发环境逐项验收完了。环境就绪之后，这块板子能当什么用？答案写在 wiki 的开发指南里：它是一台 AI Agent 主机。板端跑着 OpenClaw——一个全功能的开源 Agent 框架，接上 QQ 就是一个随叫随到的机器人助手；ShiMetaPi 在它基础上做了 RK3588 + RK182X 平台适配，这套适配叫 ClawChips。这篇讲清楚它是什么

在智能设备和边缘计算项目越来越多的今天，开发者面临的不是“有没有板子”，而是——有没有好用、靠谱、买得起的板子。想做个语音控制的小设备，结果板子性能跟不上；想跑点 AI 项目，又找不到性价比高的开发板；想接多个屏幕显示不同内容，但接口不够、系统不支持；用树莓派做项目，贵、缺货，还没国产可控方案…这些问题背后，是硬件门槛、供货不稳定、生态不匹配等多重挑战。为此，我们推出了一款真正为国内开发者打造的全

Drone Detection with Event Cameras》不仅展示了事件视觉在极端工况下的性能上限，更指明了感知技术从“模拟成像”向“生物仿生”跨越的必然趋势。对于低空安全领域而言，螺旋桨特征识别与多模态数据对齐将是未来区分实验室研究与工业级产品的关键分水岭。随着灵光 1 号等融合型硬件的成熟，基于事件相机的反无人机系统将真正具备全天候、高鲁棒的实战感知能力，为低空经济的有序发展筑起安

摘要：苏黎世大学团队提出利用事件相机解决雪天自动驾驶视觉退化问题。事件相机通过亚毫秒级时间分辨率捕捉亮度变化，能有效区分雪花与场景结构。研究构建了DSEC-Snow数据集，实验显示该方法在图像重建质量（PSNR提升3dB）及下游任务性能（提升20%）上显著优于传统方法。尽管事件相机不能完全替代其他传感器，但其高时间分辨率信息可增强雪天感知鲁棒性。锐思智芯的灵光1号等产品有望推动该技术落地，为恶劣天

这款开发板最迷人的地方在于，它让曾经需要昂贵进口方案才能实现的功能，现在用国产芯片就能轻松搞定。无论是想打造智能工厂的"最强大脑"，还是开发下一代医疗设备，这个平台都像乐高积木一样，让创意可以快速变成现实。

SAM是Meta提出的一个分割一切的提示型模型，其在1100万张图像上训练了超过10亿个掩码，实现了强大的零样本泛化，突破了分割界限。本例程对SAM官方开源仓库的模型和算法进行移植，使之能在基于BM1684X芯片的嵌入式设备上进行高效推理测试。

ShiMetaPi算力盒子是一款面向工业自动化的AI计算模块，采用BM1684X芯片提供8TOPS算力，支持多模型并行推理。产品具备工业级可靠性（宽温、抗干扰、IP65防护），预装20+工业视觉算法，支持5G/有线网络实现端边云协同。硬件提供多相机接口和显示输出，软件支持深度学习模型和大语言模型部署。典型应用包括电子制造质检、金属加工检测等场景，检测速度≤50ms，检出率达99.4%。该产品可作为

AI ISP不是什么神秘概念。它是在传统ISP固定硬件管线中嵌入深度学习模块的一种架构。要理解为什么这样设计有价值，得先回到传统ISP的流水线上看一看。传统ISP 是一套串联工序。光从场景反射，穿过镜头，打到CMOS Sensor上，芯片开始工作。Sensor输出的是Bayer Raw——一种每个像素只记录R、G、B三色之一、按马赛克排列的原始数据。这个原始数据和你在手机屏幕上看到的彩色图片之间，

上篇讲了AI ISP为什么要在Bayer Raw域做降噪、为什么深度学习能解决传统算法无法逾越的噪声/信号分离问题。两条线索汇在一起，指向同一个命题：这些理论怎么变成一颗能跑在摄像头上、能在暗光下输出彩色画面、每帧不超过66毫秒的芯片。这篇我们从芯片工程的角度，把这颗GK7206V1拆开看。