2. 硬件平台选型：Zynq UltraScale+ MPSoC、Kria K26 SOM、Versal ACAP
做嵌入式视觉系统，选硬件平台是第一步，也是最关键的一步。我见过不少项目，算法调得再好，最后栽在硬件瓶颈上。说白了，选型就是找平衡——性能、功耗、成本、开发效率，哪个都不能偏废。
今天咱们聊三款AMD（原Xilinx）的主流平台：Zynq UltraScale+ MPSoC、Kria K26 SOM，还有Versal ACAP。它们各有各的脾气，也各有各的用武之地。
2.1 Zynq UltraScale+ MPSoC：经典的多核异构方案
先说说Zynq UltraScale+ MPSoC。这个系列我用了好几年，算是AMD在异构计算上的代表作。它把ARM处理器和FPGA逻辑集成在一个芯片里，说白了就是“CPU+FPGA”的合体。
架构亮点：
- 处理系统（PS）：包含四核Cortex-A53（应用处理器）、双核Cortex-R5F（实时处理器），还有Mali-400 GPU。A53跑Linux，R5F做实时控制，GPU处理简单图形——分工明确。
- 可编程逻辑（PL）：也就是FPGA部分，适合做像素级并行处理。比如图像缩放、色彩空间转换、卷积加速，这些活儿交给PL，效率比CPU高一个数量级。
- 高速接口：支持DisplayPort、MIPI CSI-2、PCIe Gen3、DDR4/LPDDR4。做视觉系统，MIPI接口是刚需，直接接摄像头传感器。
我的经验： 之前做1080p@60fps的实时目标检测，用Zynq UltraScale+ MPSoC。图像预处理（去噪、缩放、归一化）全放在PL里做，CPU只跑推理和决策。这样一分工，延迟从原来的30ms降到了5ms以内。
适用场景：
- 需要灵活定制硬件加速的嵌入式视觉系统
- 对功耗和尺寸有严格要求的工业/医疗设备
- 多传感器融合（比如同时接2-4路摄像头）
注意： 这个平台的开发门槛不低。你得懂硬件描述语言（Verilog/VHDL），还得会写驱动。我曾经带过一个团队，软件工程师花了两个月才把PL和PS的通信调通。嗯，这里要提醒你——如果团队没有FPGA经验，慎选。
2.2 Kria K26 SOM：模块化开发的捷径
接下来聊聊Kria K26 SOM。这个产品很有意思，它把Zynq UltraScale+ MPSoC的核心电路（包括DDR、PMIC、时钟）做成了一个模块。你买回来直接焊在底板上就能用，省去了硬件设计的麻烦。
为什么会有SOM？ 说白了，AMD发现很多客户做硬件设计时，高频信号布线、电源完整性这些活太费劲了。干脆把最复杂的部分封装好，你只需要关心应用层开发。
K26 SOM的核心参数：
| 参数 | 规格 |
|---|---|
| FPGA逻辑单元 | 256K LUT |
| PS处理器 | 四核Cortex-A53 + 双核R5F |
| 内存 | 4GB DDR4（64位） |
| 视频接口 | MIPI CSI-2 x4，DisplayPort x1 |
| 尺寸 | 78mm x 60mm |
开发方式： Kria SOM支持AMD的Vitis AI开发流程。你可以用Python或C++写应用，AI模型通过DPU（深度学习处理单元）加速。我试过用YOLOv4-tiny做检测，在K26上跑到了60fps以上。
我的建议： 如果你做的是小批量产品，或者想快速验证算法，Kria SOM是首选。我曾经帮一个客户做智能相机原型，从拿到开发板到跑通demo，只用了两周。要是从零画PCB，至少两个月。
适用场景：
- 快速原型验证
- 中小批量生产（几百到几千台）
- 对尺寸和功耗敏感的嵌入式视觉设备
注意： SOM的缺点是成本略高。大批量（万级以上）时，不如自己设计板子划算。另外，SOM的散热方案要仔细考虑——我见过有人把K26塞进小机箱，结果跑半小时就过热降频了。
2.3 Versal ACAP：面向未来的自适应计算
最后说说Versal ACAP。这个平台有点特殊，它不完全是FPGA，也不完全是SoC。AMD管它叫“自适应计算加速平台”。
架构创新： Versal ACAP内部集成了三种引擎：
- 标量引擎：ARM Cortex-A72和R5F处理器，负责控制和管理
- 自适应引擎：可编程逻辑，和传统FPGA类似
- 智能引擎：AI Engine（AIE），专门为矩阵运算设计的VLIW处理器阵列
这个AI Engine是Versal的杀手锏。它由数百个SIMD处理器组成，每个都能做乘加运算。做卷积、矩阵乘法时，效率比FPGA逻辑高5-10倍。
我记得： 去年有个项目要做4K分辨率的实时超分辨率。用Zynq UltraScale+跑，资源吃紧，帧率上不去。换成Versal VCK190评估板，把核心计算放到AI Engine里，帧率直接翻了三倍。嗯，这就是架构带来的红利。
适用场景：
- 高计算密度的视觉应用（如4K/8K视频处理）
- 需要低延迟的AI推理（比如自动驾驶感知）
- 通信和雷达信号处理（AI Engine也擅长FFT和滤波）
注意： Versal ACAP的开发复杂度最高。AI Engine的编程需要理解数据流和并行计算模型。我曾经花了一个月才把第一个AI Engine的demo跑通。如果你团队里没有异构计算专家，建议先从Zynq或Kria入手。
2.4 如何选？我的三点建议
说了这么多，到底怎么选？我总结三条：
- 看团队能力：如果你们FPGA经验丰富，Zynq UltraScale+ MPSoC性价比最高。如果偏软件，Kria SOM更友好。
- 看性能需求：1080p以下，Zynq够用。4K以上，考虑Versal。别为了省成本选低配，后期改板子更费钱。
- 看开发周期：急着出样机？用Kria SOM。时间充裕？自己设计Zynq板子。Versal适合做技术储备或高端产品。
最后说一句： 选型没有绝对的对错。我见过用Zynq做8K处理的，也见过用Versal做简单控制的。关键是你得清楚自己的瓶颈在哪——是算力不够？还是开发效率太低？想清楚再下手。
下一章，咱们聊聊具体的开发环境搭建。到时候我会手把手教你配置Vitis和PetaLinux。嗯，那才是真正动手的时候。