第4章：硬件平台选型
硬件选型这事儿，说难不难，说简单也不简单。我见过太多项目，算法调得漂漂亮亮，最后栽在硬件上——要么算力不够，要么功耗超标，要么成本压不下来。说白了，选硬件就像配电脑，你得知道自己要干什么。
这一章，咱们把主流的边缘计算硬件掰开揉碎聊一聊。ARM架构、x86架构、NPU加速卡，还有一套我这些年总结的选型方法论。
4.1 ARM架构：低功耗的王者
ARM架构在边缘计算领域，就像手机界的安卓——遍地都是。它的核心优势就两个字：省电。
4.1.1 树莓派系列
树莓派，玩嵌入式的人手一块。我个人习惯拿它做原型验证，成本低、生态好、社区资源多到爆炸。
| 型号 | CPU | 内存 | AI算力 | 典型功耗 |
|---|---|---|---|---|
| 树莓派4B | BCM2711 (4核Cortex-A72) | 2/4/8GB | 无 | 7.5W |
| 树莓派5 | BCM2712 (4核Cortex-A76) | 4/8GB | 无 | 12W |
| 树莓派Zero 2W | BCM2710A1 (4核Cortex-A53) | 512MB | 无 | 1.5W |
4.1.2 NVIDIA Jetson系列
Jetson系列，这才是正经的边缘AI硬件。它把GPU塞进了嵌入式平台，说白了就是给边缘设备装了个小显卡。
| 型号 | AI算力 | GPU | 内存 | 功耗 |
|---|---|---|---|---|
| Jetson Nano | 472 GFLOPS | 128核Maxwell | 4GB | 10W |
| Jetson Orin NX | 70 TOPS | 1024核Ampere | 8/16GB | 15-25W |
| Jetson AGX Orin | 275 TOPS | 2048核Ampere | 32/64GB | 30-60W |
我在项目中遇到过最头疼的事：用Jetson Nano跑实时视频分析，模型量化后精度掉了5个点。后来发现是INT8校准集没选好。嗯，这里要注意——Jetson的TensorRT优化，校准数据一定要覆盖真实场景。
4.2 x86架构：性能与兼容性的标杆
x86架构在边缘计算里，就像老黄牛——稳。它最大的优势是软件生态成熟，你写的PC程序基本能直接跑。
4.2.1 Intel NUC
NUC，全称Next Unit of Computing。巴掌大的机身，塞进一颗酷睿处理器。我习惯拿它做边缘服务器，或者需要跑Windows应用的场景。
| 型号 | CPU | 内存 | 存储 | 功耗 |
|---|---|---|---|---|
| NUC 13 Pro | i7-1360P (12核) | 最大64GB | M.2 NVMe | 28W |
| NUC 12 WS | i9-12900 (16核) | 最大64GB | M.2 NVMe | 65W |
4.2.2 工控机
工控机，工业环境的老兵。它不追求性能极致，但要求稳定、耐造、能7x24小时跑。
工控机的特点：
- 宽温设计：-20℃到70℃都能工作
- 抗震动：无风扇设计，固态硬盘
- 接口丰富：串口、GPIO、CAN总线一应俱全
- 长生命周期：一个型号供货5年以上
你想想看，如果是在煤矿、油田、户外基站这种地方，你敢用树莓派吗？我反正不敢。工控机虽然贵点，但省心。
4.3 NPU/TPU加速卡：给边缘装上AI引擎
ARM和x86跑AI推理，说白了就是软柿子。真正干重活的，还得靠专用加速器。
4.3.1 常见加速卡对比
| 产品 | 算力 | 功耗 | 接口 | 适用场景 |
|---|---|---|---|---|
| Google Coral TPU | 4 TOPS | 2W | USB/PCIe | 轻量级视觉 |
| Intel Movidius VPU | 1 TOPS | 1.5W | USB | 人脸检测 |
| 华为昇腾310 | 16 TOPS | 8W | PCIe | 视频分析 |
| 算能BM1684 | 17.6 TOPS | 12W | PCIe | 边缘服务器 |
4.4 硬件选型方法论
说了这么多硬件，到底怎么选？我总结了一套方法论，一共四步。
4.4.1 第一步：明确需求
先问自己几个问题：
- 跑什么算法？模型多大？
- 实时性要求多高？毫秒级还是秒级？
- 工作环境什么样？室内还是户外？
- 预算多少？批量还是单台？
说白了，需求不明确，选型就是瞎蒙。我见过有人花两万买工控机，结果只跑个温度采集——浪费。
4.4.2 第二步：算力估算
算力估算有个简单公式：
所需算力 = 模型推理时间 × 每秒处理帧数 × 安全系数
举个例子：
模型推理一次需要 50ms
每秒需要处理 30 帧
安全系数取 1.5
所需算力 = 50ms × 30fps × 1.5 = 2250ms = 2.25s
也就是说，你需要一个能在 2.25 秒内完成 30 次推理的硬件4.4.3 第三步：接口匹配
硬件选型最容易被忽略的就是接口。你想想看，买了Jetson才发现摄像头是USB接口，但Jetson的USB带宽不够——这就尴尬了。
常见的接口匹配问题：
- 摄像头：USB 3.0、MIPI CSI、GigE Vision
- 传感器：I2C、SPI、UART、CAN
- 存储：SATA、M.2、eMMC
- 网络：千兆以太网、WiFi 6、5G模块
4.4.4 第四步：成本与供应链
最后一步，也是最现实的一步。我建议你考虑三个维度：
- 单机成本：硬件本身的价格
- 开发成本：软件适配、调试、测试的人力
- 维护成本：故障率、备件供应、技术支持
我曾经选了一款小众的NPU芯片，算力强、价格低，结果开发到一半发现SDK有bug，厂商技术支持也跟不上。最后不得不换平台，项目延期两个月。所以，供应链稳定比性能重要得多。
知识体系总览
下面这张图，把本章的核心逻辑串起来了：
这张图把三大架构和选型方法论串在了一起。你从中心出发，先看需求落在哪个象限，再套用方法论做决策。