过去，谈到 AI，人们首先想到的是云端大模型、庞大的服务器集群，以及不断增长的接口调用成本。但在工厂、园区、实验室、机器人和无人机等真实场景里，AI 更需要解决的，是另一类问题：数据能不能留在本地？视频能不能及时分析？网络不稳定时，算法还能不能持续运行？
Ubox给出的答案，是把AI算力放到数据产生的地方。
Ubox B10与 D10 采用CPU、GPU、NPU异构计算架构，综合AI算力50 TOPS INT8，并提供16GB、64GB等内存配置。B10以紧凑型算力主机的形态进入桌面和网络边缘，D10则以开发板形态为嵌入式设备和行业终端提供更灵活的集成空间。
它们不是只用来“跑一个模型”的机器，而是可以承载多种算法、连接多类设备、服务不同业务的本地AI中枢。
让大模型成为企业身边的“本地助手”
在 Ubox 上，可以把大模型部署成本地推理服务，局域网里的电脑、业务系统、终端都能用标准 API 调用。内部问答、文档摘要、写代码、查设备手册，都在本地完成，不依赖公网，数据也留得住。润宇推出的产品方案已提供 Qwen3.6-35B-A3B 等模型的部署路径，按实际需求可选择不同参数量的模型即可。
给摄像头接入本地“大脑”
"看得见"是很多场景的第一步。Ubox 已经在 GPU 上跑通YOLOv11m 等视觉模型，支持图片、视频、USB 摄像头和 RTSP 网络流：传一张图能标出目标，接上摄像头能持续分析，结果封装成 API 供别的系统调用。
在此基础上，结合行业数据训练或微调模型，可以进一步延展出多种应用：
- 在生产现场识别人员、安全帽、工件和设备状态，辅助安全管理与生产巡检；
- 在仓储场景中进行货物识别、数量统计和区域占用分析；
- 在园区场景中识别人、车及特定目标，为告警和事件处置提供数据；
- 在零售场景中分析货架陈列、商品缺货和客流变化；
- 在无人机巡检中完成目标发现、图像筛查和异常点定位。
过去需要把视频不断上传到云端的任务，现在可以在摄像头附近完成初步分析，只把识别结果或告警信息发送给业务平台，从而减少网络带宽占用和云端往返延迟。
不只是目标检测，更是一套算法承载平台
现场不会只有一种算法。分类判产品类别、分割找缺陷和区域、OCR 读仪表和铭牌、行为分析看操作、语音让设备会对话——这些都能在 Ubox 上跑。CPU 管业务和设备，GPU 跑重的模型，高频固定的任务量化后丢给 NPU 省电。算法跟摄像头、传感器、控制器接上，就是一个完整的本地闭环。
给机器人和无人机一颗更靠近现场的“大脑”
对于机器人和无人机来说，通信距离越远，决策链路通常越长。将Ubox部署在设备端或任务现场，可以让视觉识别、目标跟踪、路径规划和任务判断更靠近数据源完成。
D10 提供摄像头、网络、CAN、UART、I²C、SPI和GPIO等接口，更适合机器人、无人机及嵌入式设备的二次开发；B10 则拥有完整的主机形态和丰富的网络、USB及显示接口，适合作为桌面AI工作站、园区边缘节点或现场推理服务器。
一个偏向灵活集成，一个偏向快速部署，共同覆盖从算法验证到行业应用落地的不同阶段。
为什么是 Ubox
Ubox 提供在本地运行大模型、视觉识别与多类算法的能力：数据在本地处理、不上传云端，兼顾数据安全与隐私；本地推理相较云端往返延迟更低；并可通过标准接口接入现有业务系统，覆盖办公、产线、园区与移动设备等现场。
Ubox，让每一种算法
都有机会在真实场景中发挥价值。
本文转载自润宇科技微信公众号。点击阅读公众号原文。