AiDStudio 边缘模型转换（→ AiDBox/AiDCam）

这是两条产品线的交汇点。评估部署页内置完整的边缘交付流水线：

PyTorch best.pt（训练产出）
      └─ ONNX（自动中间步骤）
           ├─ RKNN Toolkit 2.3.0 → RK.rknn
           └─ TPU-MLIR           → BM1684X / BM1688 / CV186X .bmodel
    

BModel 是 AiDBox的运行时格式——训练完成后，模型包内直接产出可上盒子的文件。 RKNN 是 AiDCam的运行时格式——训练完成后，模型包内直接产出可上盒子的文件。

RKNN 导出步骤（RK3588/1126B/etc.）

1. 打开「评估部署 → 模型包」，点击右侧导出；

2. 勾选 RKNN (RK3588)；

3. 先选 FP（推荐先验证）——不需要量化校准数据；

4. 点击"开始导出"：若 ONNX 尚未生成，页面自动先执行 PT → ONNX，再 ONNX → RKNN；

5. 完成后重新打开"导出"，下载已有产物 → RKNN。

BModel 导出（BM1688）

1. 刷新页面后可选择 BModel 与目标芯片（BM1684X / BM1688 / CV186X），当前使用 FP16；

2. 完成后下载 .bmodel，导入 AiDBox 模型仓库即可。

AiDStudio：采集 → 标注（迭代）→ 训练 → best.pt
            → ONNX → BModel ──────────────┐
    AiDBox：模型仓库导入 → 场景任务编排     │
            → 实时分析 + MQTT/HTTP 事件 ←──┘