Luxonis 做的是机器人与自动化装置的「眼睛」：OAK 系列深度相机把立体视觉与 AI 推论整合在同一颗模组里，让机器不必连云端就能即时看懂眼前的东西。
功能特色与适用场景
如果你做过机器视觉专案，大概知道最麻烦的环节是把相机、深度感测、AI 推论硬体与软体堆叠兜在一起，光是同步时间戳就能耗掉几周。Luxonis 的解法是把这些整合成一个模组：OAK 相机同时提供立体深度感测与板载 AI 运算，最新的 OAK 4 具备 52 TOPS 的 AI 算力与六核 ARM CPU，支援最高 4800 万画素影像感测器，也能接 IMU、麦克风、飞时测距（ToF）与红外补光。软体端则是开源的 DepthAI API，这点很关键——开发者能用熟悉的 Python 介面部署模型，而不是被锁在封闭 SDK 里。装置规模变大之后，Luxonis Hub 负责部署与监控。整体来说，它填补的是「Raspberry Pi 太弱、工业视觉系统太贵又太封闭」中间那段空缺。
适合机器人、自主移动载具、农业与工业设备、物流仓储的开发团队，以及需要在装置端做即时视觉推论、不能依赖网路的场景。
主要功能
- OAK 系列深度相机，整合立体视觉与板载 AI 推论
- OAK 4 具 52 TOPS AI 算力与六核 ARM CPU
- 支援最高 4800 万画素影像感测器
- 可搭配 IMU、麦克风、ToF 与红外补光模组
- DepthAI 开源 API，以 Python 部署模型
- Luxonis Hub：装置部署与远端监控管理
- 边缘推论不需连网，延迟低且资料不外送
常见用途
- 自主移动机器人（AMR）的避障与导航
- 农业机具辨识作物与杂草
- 仓储物流的栈板与包裹辨识
- 产线上的瑕疵检测
- 零售场域的人流与货架分析
主要功能
- OAK 系列深度相机，整合立体视觉与板载 AI 推论
- OAK 4 具 52 TOPS AI 算力与六核 ARM CPU
- 支援最高 4800 万画素影像感测器
- 可搭配 IMU、麦克风、ToF 与红外补光模组
- DepthAI 开源 API，以 Python 部署模型
- Luxonis Hub：装置部署与远端监控管理
- 边缘推论不需连网，延迟低且资料不外送
优点
- 软硬体整合度高，省下大量系统整合工时
- DepthAI 开源，不被封闭 SDK 绑死
- 边缘运算适合断网或低延迟要求的场域
- 价位介于玩具级与工业级之间，适合新创与研究团队
缺点
- 官网未直接标示价格，需至商店查询
- 属于硬体采购，导入前要先评估机构整合
- 板载算力仍有上限，超大模型跑不动
- 需要一定的电脑视觉开发能力，不是即插即用的成品
使用场景
- 自主移动机器人（AMR）的避障与导航
- 农业机具辨识作物与杂草
- 仓储物流的栈板与包裹辨识
- 产线上的瑕疵检测
- 零售场域的人流与货架分析
编辑点评
我很喜欢 Luxonis 这种产品，它解决的是真实的工程痛点而不是想像出来的需求。台湾硬体实力强，做机器手臂、农机、物流设备的团队很多，这种「相机即模组」的东西可以省下非常可观的整合时间。提醒一句：买之前先确认你的模型能不能转换到它的推论框架，这通常是卡最久的一步。
常见问题
OAK 相机和一般 USB 网路摄影机差在哪？
差在它自己会算。一般摄影机只负责送画面，AI 推论要靠主机的 CPU 或 GPU；OAK 把推论晶片做在相机里，直接输出辨识结果，主机负担大幅降低，也不需要把影像全部传出去。
一定要会写程式才能用吗？
要。它是给开发者的元件，不是开箱即用的成品。你至少需要 Python 基础与基本的电脑视觉概念，才能透过 DepthAI 部署模型。好处是社群与范例丰富，学习曲线比工业视觉系统平缓很多。
52 TOPS 的算力够跑什么模型？
足以即时跑常见的物件侦测、姿态估计、分割等视觉模型，这也是机器人与产线应用最常用的类型。但大型语言模型或高解析度的生成式模型就不在它的设计范围内，那需要另外的运算资源。
