2. 硬件平台选型：主流边缘计算设备对比
好，咱们进入第二章。这一章我估计是大家最关心的——到底该买哪块板子？
说实话，我这些年经手的边缘设备不下十几种。从最早的树莓派2B，到后来的Jetson TX2，再到现在的RK3588和Intel NUC。每次选型都像在打仗，选对了事半功倍，选错了...嗯，我见过有人用树莓派跑YOLOv5，结果卡成PPT，最后项目延期两个月。
所以这一章，我把四款主流设备掰开揉碎讲清楚。你听完就知道该选谁。
2.1 四款设备的核心参数对比
先上硬菜。我整理了一张对比表，你直接看：
| 参数 | Jetson Nano | RK3588 | 树莓派4B | Intel NUC i5 |
|---|---|---|---|---|
| AI算力（TOPS） | 0.472 TFLOPS (FP16) | 6 TOPS (INT8) | 无专用NPU | 无专用NPU |
| CPU | 4核Cortex-A57 | 4核A76 + 4核A55 | 4核Cortex-A72 | 4核/6核 i5 |
| 内存 | 4GB LPDDR4 | 8GB/16GB LPDDR4X | 2GB/4GB/8GB LPDDR4 | 8GB/16GB DDR4 |
| 功耗 | 5W - 10W | 8W - 15W | 3W - 7W | 15W - 28W |
| 价格（约） | ¥800 - ¥1200 | ¥1200 - ¥1800 | ¥300 - ¥800 | ¥3000 - ¥6000 |
| 视频解码 | H.264/H.265 4K@30fps | H.264/H.265 8K@30fps | H.264 4K@30fps | H.264/H.265 4K@60fps |
这张表我建议你截图保存。选型时直接拿出来对照。
2.2 逐个拆解：谁适合什么场景？
2.2.1 Jetson Nano —— 深度学习入门的「标准答案」
Jetson Nano是我用得最多的板子。为什么？因为它有NVIDIA的CUDA生态。你想想看，你在PC上训练的模型，几乎不用改就能直接部署上去。
但要注意，它的AI算力只有0.47 TFLOPS。什么意思？跑个轻量级的MobileNet-SSD，大概能到30fps。但你要是想跑YOLOv5s，帧率就掉到15fps左右了。
功耗方面，5W到10W，用充电宝就能供电。我曾在户外做过一个野生动物的识别项目，用太阳能板+12V电池，连续跑了三天没出问题。
2.2.2 RK3588 —— 国产芯片的「黑马」
RK3588是瑞芯微的旗舰芯片。说实话，我第一次拿到样片时有点惊讶——6 TOPS的INT8算力，比Jetson Nano强了十几倍。
而且它有个绝活：8K视频解码。我做过一个智慧安防的项目，需要同时解码4路4K视频流。Jetson Nano直接卡死，RK3588轻松搞定。
价格方面，¥1200到¥1800，性价比确实高。但要注意，它的开发资料没有NVIDIA那么全。我刚开始用的时候，光配环境就花了两天。
2.2.3 树莓派4B —— 学习可以，生产慎用
树莓派，大家都认识。我最早接触边缘计算就是从树莓派开始的。但说实话，它真的不适合做实时视频AI分析。
为什么？因为它没有专用的NPU。跑AI模型全靠CPU硬算。我试过在树莓派4B上跑OpenCV的人脸检测，640x480的分辨率，帧率只有5fps。你想想看，5fps的视频流，画面一卡一卡的，谁受得了？
不过，树莓派有个优点：生态极其丰富。GPIO接口、摄像头接口、各种传感器模块，随便接。我建议用它做「数据采集端」或者「控制端」，而不是「分析端」。
2.2.4 Intel NUC —— 性能猛兽，但功耗也猛
Intel NUC，说白了就是一台迷你PC。我有个项目需要跑YOLOv8x，Jetson Nano和RK3588都跑不动，最后上了NUC i7，1080p视频流跑到45fps。
但代价是什么？功耗28W起步，满载能到65W。你想想看，如果做户外项目，光供电方案就得花不少心思。而且价格贵，一台NUC i5配8GB内存，差不多要¥4000。
我个人觉得，NUC适合「实验室环境」或者「室内固定部署」。如果你不差钱，也不在乎功耗，那NUC确实是最省心的选择——直接当Windows/Linux电脑用，啥软件都能装。
2.3 性能指标怎么看？TOPS、内存、功耗
很多新手选型时只看TOPS，觉得越大越好。其实不是这样的。
TOPS 是理论峰值算力，但实际能用到多少，取决于你的模型和框架。比如RK3588标称6 TOPS，但如果你用TensorFlow Lite，可能只能发挥出3 TOPS。我建议你关注「实际推理帧率」，而不是纸面数据。
内存 也很关键。跑AI模型时，模型本身、输入图像、中间特征图都要占内存。我试过在4GB内存的Jetson Nano上跑YOLOv5m，结果OOM（内存溢出）了。后来换成8GB的RK3588才搞定。
功耗 是边缘设备的生命线。我有个原则：功耗超过20W的设备，必须考虑散热方案。Jetson Nano和RK3588还好，加个散热片就行。NUC的话，得配风扇，甚至要考虑机箱风道。
2.4 我个人的选型建议
说了这么多，直接给结论吧：
- 如果你是学生或者刚入门： 买Jetson Nano。生态好，资料多，遇到问题能搜到答案。先跑通流程再说。
- 如果你做产品原型，预算有限： 选RK3588。性价比高，视频解码能力强，适合多路视频流场景。
- 如果你只是学习Linux和Python： 树莓派4B就够了。但别指望它做实时AI分析。
- 如果你做商业项目，不差钱： Intel NUC。稳定、兼容性好、性能强。但记得配个好点的散热器。
嗯，这一章就到这里。下一章我们聊聊「视频流接入与解码」，这是整个系统的入口，也是坑最多的地方。到时候我分享几个我踩过的坑，保证让你少走弯路。