智能音箱背后：瑞芯微的“声音芯片”家族

从 RK3308 到 RK2118G，为什么智能音箱不选通用 SoC？

你家的小爱同学、天猫精灵、小度音箱—— 拆开来看，里面大概率不是 RK3568 这种 “万金油” 芯片，而是一颗专门的声音 SoC。
为什么？因为通用 SoC 做音箱有三个问题：

1.音频接口不够——I2S、PDM、TDM、SPDIF、HDMI ARC，通用 SoC 通常只给 1-2 路 I2S

2.功耗太高—— 四核 A55 待机也要几百毫瓦，音箱可是 7×24 小时在线

3.没有 VAD 硬件加速—— 语音活动检测（检测你是不是在说话）全靠软件跑，延迟高

瑞芯微的答案是：RK3308 系列和RK21xx 系列。

一、RK3308 家族：四核 A35 的音频专家

家族成员

芯片	CPU	内置内存	特点
RK3308	4xA35	256KB SRAM	标准版，需外置 DDR
RK3308B	4xA35	256KB SRAM	去掉了 CAN 接口
RK3308GK	4xA35	64MB DDR2 内置	无需外置内存
RK3308H1	4xA35	128MB DDR3L 内置	内存更大，即插即用
RK3308H1-S	4xA35	128MB DDR3L	H1 的小封装版
RK3308H2	4xA35	--	变体
RK3308H3	4xA35	--	最新变体（2025）
RK3308J	4xA35	--	工业级（宽温）
RK3308M	4xA35	--	医疗级
RK3308K	4xA35	--	特殊封装变体

核心规格

音频接口有多夸张？

RK3308 的音频接口配置：

•2x I2S_2CH（每路 2 通道）

•4x I2S_8CH（可聚合为 I2S_16CH，其中 I2S_8CH_3 只支持 4CH RX 模式）

•PDM 8ch（直接接 PDM 麦克风）

•TDM 8ch（时分复用）

•SPDIF TX/RX（光纤音频）

•HDMI ARC（从电视回传音频）

这意味着什么？
一颗芯片可以同时接：

•6-8 个麦克风（做远场拾音）

•2 个喇叭（立体声）

•1 个光纤音频输入输出

•1 个 HDMI ARC（从电视拿音频）
不用外置任何音频扩展芯片。

VAD 硬件加速

VAD（Voice Activity Detection）是智能音箱的核心功能：检测用户是否在说话，决定什么时候唤醒语音识别。
RK3308 用硬件做 VAD，不用 CPU 跑 —— 好处：

•待机功耗极低：VAD 检测时 CPU 可以睡眠

•延迟更低：硬件检测比软件快几毫秒

•省电：7×24 小时待机的音箱，这很关键

RK3308H1：嵌入式 128MB DDR3L

RK3308H1 和其他版本最大的区别：内存内置。

对比项	RK3308 标准版	RK3308GK	RK3308H1
内置内存	256KB SRAM	64MB DDR2	128MB DDR3L
外置内存	需要（DDR2/DDR3）	不需要	不需要
PCB 面积	大（外置 DDR 芯片）	小	小
BOM 成本	高（多一颗 DDR）	低	低
I2S	2x I2S_2CH + 4x I2S_8CH	同左	同左
显示	1080p RGB/MCU	1080p	1080p（+gamma/dithering）

注意：RK3308 全系列（包括标准版）的 I2S 配置是一样的（2x I2S_2CH + 4x I2S_8CH，可聚合为 16CH）。H1 的真正优势是更大的内置内存（128MB DDR3L vs 64MB DDR2）。

适用场景

场景	推荐型号	理由
智能音箱（外置 DDR 方案）	RK3308 / RK3308B	标准版，灵活配置
智能音箱（极简方案）	RK3308H1	内置 128MB，一颗芯片搞定
低成本音箱	RK3308GK	内置 64MB，成本最低
工业环境音箱	RK3308J	宽温认证
带屏音箱	RK3308H1	VOP 支持 1080p + gamma/dithering

二、RK21xx 系列：MCU 级的超低功耗音频

RK3308 是 Linux 级的 SoC（四核 A35，能跑 Android/Linux），但有些场景不需要这么强的 CPU—— 比如一个只需要语音唤醒 + 音频播放的小型设备。
这时候就轮到RK21xx 系列出场了。

家族成员

芯片	CPU	DSP	NPU	内置内存	定位
RK2106	2xCortex-M3	--	--	~1MB RAM	无线音频 / MP3/IoT
RK2108	Cortex-M4F (+FPU)	HiFi3 DSP	--	~1MB 共享内存	智能家居 / IoT / 语音
RK2108C	M4F	HiFi3 DSP	--	--	RK2108 变体
RK2108D	M4F	HiFi3 DSP	--	--	RK2108 变体
RK2116G	2xStar-SE (ARMv8-M)	3xHiFi4 DSP	音频 NPU	1024KB + 嵌入式 DDR2	智能语音 / AI 音频
RK2116M2	Star-SE + HiFi4	3xHiFi4	音频 NPU	同上	M.2 封装
RK2118G	2xStar-SE (ARMv8-M)	3xHiFi4 DSP	音频 NPU	1024KB + 嵌入式 DDR2	智能语音 / AI 音频
RK2118M	Star-SE + HiFi4	3xHiFi4	音频 NPU	同上	M 封装
RK2118M2	Star-SE + HiFi4	3xHiFi4	音频 NPU	同上	M.2 封装
RK2206	Cortex-M4 (+DSP)	--	--	内部 SRAM	IoT / 无线音频

RK2106：最便宜的音频 SoC

项目	规格
CPU	2xCortex-M3
内存	64KB PMU SRAM + 320KB SYSRAM0 + 256KB SYSRAM1 + 128KB HIGHRAM0 + 256KB HIGHRAM1 ≈ 1MB
音频	2xI2S（最高 192KHz）、Codec ADC
显示	i8080 MCU，最高 400x400
特色	硬件 MP3 解码加速器（IMDCT36 + sub-band synthesis）
功耗	3 种电源模式，超低待机
定位	MP3 播放器、无线音频、IoT

RK2106 的核心卖点是不需要外置内存—— 所有 RAM 都在芯片里，加上内置 MP3 硬件解码器，一颗芯片 + Flash + 电池 = 一个 MP3 播放器。

RK2108：M4F + HiFi3 DSP

项目	规格
CPU	Cortex-M4F（带 FPU），16KB I-Cache + 16KB D-Cache
DSP	HiFi3 DSP（4x24-bit MAC / 双 32-bit MAC，3 VLIW 槽，2-Way SIMD VFPU）
DSP 内存	64KB/512KB I/D TCM
音频	I2S (2ch+6ch)、PDM 6ch、Codec ADC、Audio PWM
视频	VIP 输入（BT601/BT656）、VOP 最高 800x480
特色	VAD、音频 bypass 路径、4 种电源模式、DSP 自动降功耗
定位	智能家居、IoT、语音交互

HiFi3 DSP 是 Cadence 的授权核，在音频处理领域是行业标杆。它能高效跑各种音频算法：

•回声消除（AEC）

•噪声抑制（NS）

•波束成形（Beamforming）

•语音增强

RK2118G：音频 SoC 的天花板

项目	规格
CPU	2xStar-SE（ARMv8-M 架构），FPU，TrustZone
DSP	3xHiFi4 DSP（4 VLIW, 64-bit SIMD, 4x32x32 MAC）
DSP 内存	DSP0: 256KB ITCM + 768KB DTCM，DSP1/2: 64KB ITCM + 256KB DTCM
NPU	音频 NPU（32xFP16 MAC/cycle），支持 TensorFlow/Caffe/TFLite/PyTorch/Onnx
音频	5xSAI、PDM、ASRC（2x）、FIR/IIR 硬件加速（4096 阶 FIR, 64 biquad IIR）
显示	VOP，最高 480x480（i8080 MCU 接口）
接口	USB 2.0 OTG、RMII、CAN、FSPI、eMMC、SD、2xSPI、4xUART、I2C、FLEXBUS
内存	嵌入式 DDR2 + 1024KB 系统内存
定位	智能语音交互、音频 AI 处理、智能音箱

RK2118G 最吓人的规格：

 

CPU: 2xStar-SE (ARMv8-M)DSP: 3xHiFi4 (专业音频 DSP)NPU: 音频专用 NPU (FP16, 跑 ML 模型)= 一套完整的 AI 音频处理平台

 

注意：RK2118G 没有 PCIe 和 USB 3.0—— 只有 USB 2.0 OTG。显示输出通过 i8080 MCU 接口，最高 480x480（不是 1280x1280）。
这颗芯片可以本地跑 AI 音频模型—— 关键词唤醒、语音识别前端、噪声分类、声学场景识别，全部用 NPU 硬件加速，CPU 几乎不参与。

RK2116 vs RK2118

对比项	RK2116G	RK2118G
CPU	2xStar-SE	2xStar-SE
DSP	3xHiFi4	3xHiFi4
NPU	音频 NPU	音频 NPU
内存	1024KB + DDR2	1024KB + DDR2
区别	M.2 封装，适合模块	标准封装，适合主板

RK2116 和 RK2118 的硅片基本一样，区别在于封装：2116 是 M.2 模块形式（像 Wi-Fi 卡一样插上去），2118 是标准封装。

三、RK35xx 中的音频选手

除了 RK3308 和 RK21xx，RK35xx 系列里也有面向音频场景的芯片。

RK3502G2：扫地机器人专用

项目	规格
CPU	3xCortex-A7，128KB L2
GPU	无（只有 2D 引擎，1280x1280）
内存	嵌入式 128MB DDR3L
音频	5xSAI、PDM 8ch、ASRC（2x）、Audio DSM、SARADC
协处理器	Cortex-M0
定位	扫地机器人

为什么扫地机器人用音频 SoC？因为需要语音提示（"开始清扫"、"电量不足"）+ 语音控制（"回充"），同时要跑运动控制算法。3xA7 刚好够用，5xSAI 接麦克风阵列，128MB 内置 DDR3L 省 PCB 面积。

RK3506B/G1/J：智能音箱 / 显示

项目	RK3506B	RK3506G1/G2	RK3506J
CPU	3xA7	3xA7	3xA7
内存	DDR2/DDR3（外置）	嵌入式 64MB DDR2	DDR2/DDR3（外置）
音频	2xSAI, PDM, SPDIF	5xSAI, PDM, ASRC, DSM, ADC	SAI, PDM
显示	2xMIPI DSI	MIPI DSI	--
特殊接口	CAN, RMII	CAN, RMII, FLEXBUS	CAN, RMII
定位	智能音箱 / 语音	智能显示 / 语音	工业 / 车载

RK3506 系列是带屏音箱的理想选择：3xA7 跑轻量 Linux + 小屏幕显示 + 音频接口齐全。

四、RK730 音频 Codec

项目	规格
类型	纯音频 Codec 芯片
功能	ADC + DAC、耳机输出、喇叭输出、差分模式
定位	便携音频设备

RK730 不是 SoC，而是一个纯音频编解码芯片。如果你的主控（比如 RK3568）没有足够的音频接口，或者需要更高品质的音频输出，可以外接 RK730。

五、横向对比：语音 SoC 选型矩阵

场景	推荐芯片	理由
智能音箱（低成本）	RK3308GK	内置 64MB，一颗芯片搞定
智能音箱（最佳方案）	RK3308H1	内置 128MB，接口最全
带屏音箱	RK3506G1	3xA7 + 64MB 内置 + MIPI DSI
语音遥控器	RK2106	M3 双核，超低功耗
语音交互 IoT	RK2108	M4F + HiFi3 DSP，VAD 硬件
AI 音频（本地识别）	RK2118G	音频 NPU，跑 TensorFlow/PyTorch
扫地机器人	RK3502G2	128MB 内置，5xSAI，M0 协处理器
工业语音终端	RK3308J	宽温 + 丰富音频

总结

瑞芯微的音频 SoC 策略很清楚：

1.RK3308 系列：Linux 级智能音箱首选，丰富 I2S + VAD 硬件，H1 版本内置 128MB DDR 极简方案

2.RK21xx 系列：从 M3 到 Star-SE+HiFi4+NPU，覆盖从最简单的 MP3 到 AI 音频的全场景

3.RK3502/3506：在通用 SoC 基础上强化音频接口，面向特定场景（扫地机、带屏音箱）

审核编辑 黄宇