边缘 AI：按芯片供应商整理的开源模型与数据集

调研日期：约 2026-10-25（Asia/Shanghai）
说明：以下链接均经公开网页检索核实；仅收录能公开访问的 Model Zoo / 官方示例。厂商「免费可下」≠「权重完全开源」，商用前务必核对许可。宁缺勿滥：搜不到稳定公开入口的条目不硬写。

文首：按厂商找模型时要注意什么

1. 工具链绑定：多数 Zoo 产出厂商专有格式——STM32Cube.AI 生成的 C 库、ESP-DL 组件、RKNN、Hailo HEF、Qualcomm QNN、Coral Edge TPU .tflite、TensorRT engine 等。换芯片通常要重新量化与编译，不能指望「一份 ONNX 到处跑满加速」。
2. 算子支持面：NPU/TPU 只加速子集算子；不支持的子图会回退 CPU，延迟和功耗会明显偏离宣传 TOPS。选型前用官方 benchmark 或板端 benchmark_app / 厂商工具实测。
3. 许可分层：GitHub 上的转换脚本常见 Apache-2.0 / MIT；权重可能是 NVIDIA Open Model License、厂商专有、或「仅非商用」。上游若为 AGPL（部分 YOLO 发行），商用要单独评估。
4. 是否「真开源权重」：有的 Zoo 只给导出流程 + 网盘 ONNX；有的给预编译二进制但训练脚本闭源（如部分唤醒词）；NanoEdge AI Studio 输出预编译 .a，不是可再训练源码模型。
5. 数据集现实：厂商 Zoo 多锚定 COCO、ImageNet、CIFAR、Google Speech Commands 或自带 demo 图。行业现场（电力巡检、产线缺陷）仍需自采标注；公开集只适合冷启动。

1. STMicroelectronics（ST）

平台 / 工具链：STM32Cube.AI 与 X-CUBE-AI（纳入 ST Edge AI Suite）把 Keras、TFLite、ONNX 转为 STM32 优化 C 代码，并可把算子调度到 Neural-ART NPU。NanoEdge AI Studio 面向传感器时序异常检测，生成预编译嵌入式库，适合振动/电流等「少样本」场景。

开源模型 / Model Zoo
- STMicroelectronics/stm32ai-modelzoo：官方称 140+ 参考模型，覆盖图像分类、目标检测（含 ST_YOLO、YOLOv8、YOLO11）、姿态、语义/实例分割、深度估计、风格迁移、ReID、人脸检测、音频事件检测（AED）、语音增强、人体活动识别（HAR）、手势、电弧故障（AFCI）等；支持 PyTorch / TensorFlow / ONNX。产品页：stm32ai.st.com/model-zoo
- stm32ai-modelzoo-services：再训练、量化、评测、板端部署与应用代码生成
- Hugging Face 看板：STMicroelectronics/stm32-modelzoo-app
- NanoEdge 相关开源示例（非 Studio 本体）：stm32ai-nanoedge-datalogger、振动异常检测

数据集或官方 Demo 数据：Zoo 与 services 提供参考数据集配置与板端评测流程；具体类别依赖各 use-case 文档。工业时序多用自采日志。

边缘落地提示：纯 MCU 看 STM32U5/H7；要 NPU 优先 STM32N6（如 N6570-DK）；MPU 路线可结合 X-LINUX-AI 与 STM32MP2。先在 ST Edge AI Developer Cloud 或本地 STEdgeAI 做算力/内存估算再买板。

2. Espressif（乐鑫 / ESP）

平台 / 工具链：ESP-DL 是面向 ESP32 系列的推理库；ESP-WHO 在其上做视觉整机示例；ESP-SR 提供音频前端、唤醒、VAD、命令词与 TTS。模型多以 ESP-IDF Component 形式发布，可用 Component Registry 拉取。

开源模型 / Model Zoo
- esp-dl/models（目录说明见 models/README.md）：YOLO26、COCO Detect/Pose/Seg（YOLO11n）、人脸检测/识别、猫/狗/手检测与手势、行人、ImageNet MobileNetV2、Speaker Verification、Person ReID、PP-OCR v6 tiny、运动/颜色检测等；芯片多为 ESP32-S3 / S31 / P4
- espressif/esp-who：人脸、行人、二维码等异步相机示例
- espressif/esp-sr：WakeNet / MultiNet 等；模型经 menuconfig 写入分区。注意：语音模型多为二进制组件，训练权重不完全开源

数据集：视觉示例多基于 COCO 或厂商自采；语音为官方唤醒词/命令词包。自研 ASR 可另接 Common Voice 等。

边缘落地提示：ESP32-S3 性价比视觉入门；ESP32-P4 更适合 OCR/较重视觉；无 PIE 的 C3/C5/C6 等可关注 WakeNet10s。Flash/PSRAM 布局要在 menuconfig 里与模型存放位置一致。

3. AMD（含原 Xilinx）

平台 / 工具链：Vitis AI 服务自适应 SoC 与加速卡上的 DPU；Ryzen AI Software 通过 ONNX Runtime 的 Vitis AI Execution Provider 把量化 ONNX 图切到 PC 端 NPU，不支持的算子回退 CPU，并可与 DirectML（iGPU）流水线。

开源模型 / Model Zoo
- Xilinx/Vitis-AI model_zoo：经典视觉与检测模型列表与下载脚本；含非商用协议说明
- amd/RyzenAI-SW（MIT）：ResNet 入门、LLM/VLM、RAG、benchmark 等
- Hugging Face：amd collections（Ryzen AI NPU LLM、Hybrid 等预量化 ONNX）
- 文档：Ryzen AI Developer Guide、算子兼容性

数据集：CNN 示例常用 ImageNet；检测示例对齐 COCO 等。LLM 许可见各模型卡。

边缘落地提示：消费级 PC 选带 Ryzen AI NPU 的处理器；嵌入式/板卡看 Versal、Zynq UltraScale+（ZCU102/104、KV260）。上 NPU 前必须完成 INT8/BF16 等量化。

4. NVIDIA

平台 / 工具链：TAO Toolkit 做迁移学习、剪枝与量化，导出后经 TensorRT / DeepStream 部署到 Jetson。预训练权重集中在 NGC Catalog。

可公开下载的预训练（许可逐模型核对）
- 文档总览：TAO Model Zoo Overview（PeopleNet、TrafficCamNet、PeopleSegNet、BodyPoseNet、ActionRecognition、Retail/PCB、OCR 等）
- NGC 示例：PeopleNet、TrafficCamNet
- 多款目的模型页面声明 NVIDIA Open Model License（以当时 NGC 文本为准）；TAO 工具链本身偏专有，但可导出开放部署格式

数据集：TAO 指定 COCO、KITTI 或自定义 TFRecords/KITTI 式标注；NGC 常提供 trainable / deployable 包。

边缘落地提示：Jetson Orin Nano / NX / AGX；多路视频优先 DeepStream。下载需 NGC 账号；加密训练包注意密钥说明。

5. Intel

平台 / 工具链：OpenVINO 统一部署到 CPU、核显与 NPU。历史 Open Model Zoo 已进入维护模式，官方推荐转向 Hugging Face 上的 OpenVINO IR 优化模型。

开源模型
- openvinotoolkit/open_model_zoo（Apache-2.0）：Intel 预训练（人脸、行人、姿态、OCR、情感、BERT-QA 等）+ 公共模型下载/转换与 C++/Python demos
- 弃用说明：Model Zoo docs
- Hugging Face OpenVINO collections：含视觉与 INT4 LLM 等

数据集：OMZ demos 自带样例媒体；训练数据指向各公共基准。

边缘落地提示：酷睿 Ultra NPU、工控 x86 盒子；先用 benchmark_app 对比 CPU/GPU/NPU，再决定 INT8 策略。

6. Qualcomm

平台 / 工具链：Qualcomm AI Hub（及 Workbench）把模型优化到 QNN / TFLite / ONNX Runtime；设备侧历史栈含 SNPE，现主流为 QNN。

开源模型
- qualcomm/ai-hub-models（BSD-3）：面向骁龙设备的可导出模型集合、评测与部署资产获取；文档 AI Hub docs
- 设备/示例参考：qualcomm/qidk

数据集：随模型卡指定公开基准；Hub 重点是「已针对高通硬件优化的权重与导出路径」，而非自建行业数据集。

边缘落地提示：Snapdragon 手机与 IoT 模组、RB 系列开发套件。云端编译产物要与板端 QNN/AI Engine 版本匹配。

7. Google / Coral

平台 / 工具链：标准 TensorFlow Lite 模型经 Edge TPU Compiler 编译后，由 libedgetpu 在 Coral 设备上加速。

开源模型
- 官方目录：coral.ai/models——图像分类、目标检测、语义分割、人体姿态、音频分类；提供 Edge TPU 与 CPU 版及标签文件
- google-coral/test_data：预编译测试权重
- google-coral/examples-camera：相机流水线与模型下载脚本

数据集：标签与演示图随模型包；自训常用 ImageNet/COCO 再 compile。

边缘落地提示：USB Accelerator、Dev Board、以及树莓派 + Coral。仅 已编译的 Edge TPU TFLite 可加速；换骨干或新算子必须重新编译。

8. Hailo

平台 / 工具链：Hailo Dataflow Compiler 生成 .hef，运行时用 HailoRT。树莓派官方 AI Kit 即基于 Hailo-8L。

开源模型
- hailo-ai/hailo_model_zoo（MIT）：公开 ONNX/TF 权重、预编译 HEF、评测与再训练流程；模型清单见 PUBLIC_MODELS.rst
- Hailo-8/8L 与较新 Hailo-10 系列可能分属不同分支/tag，按仓库说明选择

数据集：公开模型对齐 COCO、Cityscapes 等；Zoo 提供评测入口。行业数据需自备后走再训练/量化流程。

边缘落地提示：Hailo-8L（Pi AI Kit）、Hailo-8 M.2。HEF 与编译器、固件版本强绑定，升级工具链后要回归。

9. Rockchip（瑞芯微）

平台 / 工具链：PC 端 RKNN-Toolkit2 将 ONNX/TF 等转为 RKNN；板端 rknpu2 推理。Model Zoo 同时给 Python 与 C Demo。

开源模型
- airockchip/rknn_model_zoo（Apache-2.0）：分类（MobileNet/ResNet）、检测（YOLOv5～v11、yolo26、YOLOX、PP-YOLOE 等）、分割、姿态、RetinaFace、车牌 LPRNet、PPOCR、CLIP、Whisper、wav2vec2、TTS 等
- 工具链文档入口：airockchip/rknn-toolkit2
- 部分权重经 README 中的网盘链接分发（需密钥）

数据集：各 demo 附推理样例；训练数据回指 Ultralytics、PaddleOCR、Hugging Face 等上游。

边缘落地提示：RK3588（多路硬解 + NPU）、RK3576/356x、RV1106 等。务必让 Model Zoo 大版本与 RKNPU SDK（如 2.5.x）对齐，否则精度/性能可能异常。

10. NXP

平台 / 工具链：eIQ 机器学习软件（含 TensorFlow Lite Micro、部分型号 Neutron NPU 加速）集成进 MCUXpresso SDK。

开源模型
- NXP/eiq-model-zoo：按视觉/音频等领域组织的预训练与 TFLite 转换示例
- nxp-mcuxpresso/mcuxsdk-examples 的 eiq_examples：tflm_cifar10、tflm_kws、tflm_label_image 等可直接上板

数据集：CIFAR-10、关键词唤醒（Google Speech Commands 类）、标签图像 demo 集。

边缘落地提示：i.MX RT、i.MX 9、MCX 等带 NPU/Ethos-U 的型号；先跑通 SDK 官方 eiq 例程再替换自有模型。

11. 其他搜到的重要公开资源

总表

使用建议（简）

• 先锁芯片再进对应 Zoo：同一 YOLO 在 ST、ESP、RK、Hailo 上的量化图、后处理与内存布局都不同。
• MCU 路线：ST Model Zoo 或 ESP-DL + ESP-SR；传感器异常可评估 NanoEdge（生成库闭源）。
• Linux SBC：按算力与生态在 RKNN、Hailo、Coral、Jetson 间权衡。
• PC NPU：Ryzen AI 的 HF 合集或 OpenVINO HF IR。
• 许可：上线前阅读各仓库 LICENSE 与 NGC/HF 模型卡；本文不构成法律意见。

链接如失效，请以各厂商 GitHub / 开发者门户当前页面为准。调研基于 2026-10 公开网页检索。