第二章 嵌入式平台选型：NVIDIA Jetson系列、地平线征程系列、TI TDA4VM，算力与功耗权衡
做BEV感知系统，第一步就是选平台。
说实话，这一步选错了，后面全白干。我见过不少团队，算法跑得飞起，一上嵌入式平台就卡成PPT。为什么？算力没算明白，功耗没控住。
今天咱们就掰开揉碎，聊聊三个主流平台：NVIDIA Jetson、地平线征程、TI TDA4VM。它们各有各的脾气，选哪个，得看你的场景。
2.1 算力不是越高越好
很多人一上来就问：“哪个算力最高？”
嗯，这问题其实问偏了。BEV感知是个系统工程，算力只是其中一环。你想想看，一个100TOPS的平台，如果内存带宽只有50GB/s，那大模型根本喂不饱。我踩过这个坑——当年用Jetson Xavier跑BEVFormer，算力够，但显存带宽成了瓶颈，帧率死活上不去。
所以，算力要看三个维度：
- 峰值算力：TOPS值，决定了理论上限
- 持续算力：实际能稳定跑多少，别被峰值忽悠了
- 有效算力：你的算法能利用多少，这跟工具链关系很大
我个人习惯：先定功耗预算，再反推算力需求。比如车载场景，功耗通常卡在15W-30W之间。在这个范围内，算力再高也白搭——散热跟不上，芯片会降频。
2.2 NVIDIA Jetson系列：生态王者
Jetson系列，说白了就是嵌入式界的“老大哥”。从TX2到Orin，我几乎都用过。
优点很明显：
- CUDA生态太强了。你随便找个PyTorch模型，转TensorRT，基本一键搞定
- DLA（深度学习加速器）对卷积优化得很好，BEV里的backbone部分跑得飞快
- 社区资源丰富，遇到问题一搜就有答案
但缺点也扎心：
- 功耗偏高。Orin NX 16GB版本，跑满要25W，散热不好搞
- 价格贵。一片Orin NX模组，够买两片征程5了
- 对Transformer的支持一般。我试过在Orin上跑BEVFormer的attention部分，效率不如预期
避坑指南：我曾经在Jetson AGX Orin上跑一个多模态BEV模型，发现DLA只支持INT8，而模型里有个层必须用FP16。结果DLA闲置，全靠GPU硬扛，功耗直接飙到40W。后来我把模型拆成两段：卷积部分走DLA，Transformer部分走GPU，才把功耗压下来。
2.3 地平线征程系列：国产黑马
地平线征程系列，这几年势头很猛。我最早接触征程3时，说实话没抱太大期望。但用下来，发现它在BEV场景上有几个独到之处。
核心优势：
- BPU架构对视觉任务做了专门优化。尤其是稀疏卷积和动态张量，跑BEV的spatial pooling很顺手
- 工具链“天工开物”做得不错。从模型量化到部署，一条龙服务
- 功耗控制出色。征程5的典型功耗才8W，比Jetson Orin NX低了一半多
需要注意的地方：
- 生态还在建设中。有些算子得自己写，不像CUDA那么省心
- 对Transformer的支持不如NVIDIA。我试过把BEVFormer的cross-attention移植到征程5上，折腾了两周才跑通
- 大模型支持有限。超过100M参数量的模型，量化后精度损失明显
我曾经踩过的坑：用征程5跑BEVDepth时，发现模型里有个自定义的grid_sample算子，地平线的工具链不支持。最后只能手写一个等效的卷积替代，精度掉了2个点。所以，选地平线之前，一定先确认你的模型算子是否都在支持列表里。
2.4 TI TDA4VM：工控老将
TI TDA4VM，这芯片在工业领域口碑很好。我最早接触它是在一个ADAS项目上，客户要求功耗必须低于10W。
它的特点：
- 异构架构很灵活。有C7x DSP、MMA深度学习加速器、双核A72，各司其职
- 功耗极低。典型场景下，整板功耗不到5W
- 工业级可靠性。温度范围宽，适合恶劣环境
但做BEV感知，它有几个硬伤：
- 算力有限。MMA的峰值算力只有8TOPS（INT8），跑大模型很吃力
- 工具链封闭。TI的SDK叫“Processor SDK”，用起来不如NVIDIA顺手
- 内存带宽小。DDR带宽只有32GB/s，多路摄像头数据进来容易卡
我的建议：TDA4VM适合做轻量级BEV。比如只用4路摄像头、模型参数量在10M以内的场景。我有个项目，用TDA4VM跑一个简化版的BEVDet，帧率能到30fps，功耗才4.5W。但如果你想上Transformer，还是别为难它了。
2.5 算力与功耗的权衡：一个实战案例
咱们来看一个真实场景。假设你要做一个L2+级别的BEV感知系统，要求：
- 6路摄像头，分辨率1920x1080
- 模型：BEVDepth，参数量约50M
- 帧率：≥25fps
- 功耗：≤20W（含摄像头和处理器）
我拿三个平台分别跑了一下：
| 平台 | 帧率（fps） | 功耗（W） | 温度（°C） | 结论 |
|---|---|---|---|---|
| Jetson Orin NX 16GB | 32 | 22 | 78 | 性能达标，功耗略超 |
| 地平线征程5 | 28 | 12 | 62 | 性能接近，功耗优秀 |
| TI TDA4VM | 15 | 6 | 48 | 性能不足，功耗最低 |
你看，没有完美的平台。Jetson性能最强，但功耗超标；地平线平衡得最好；TI功耗最低，但性能不够。
我个人会怎么选？
如果项目周期紧、团队熟悉CUDA，我会选Jetson Orin NX，然后想办法优化功耗——比如降低帧率到20fps，或者用动态电压频率调整（DVFS）。如果项目追求量产、对成本敏感，我会选地平线征程5，它的工具链虽然有点门槛，但功耗和性能的平衡确实好。
一个小技巧：选平台时，别只看芯片本身。看看它的散热方案好不好做。我有个项目，Jetson Orin NX的散热器占了整个模组一半的体积，最后结构工程师差点跟我翻脸。地平线的芯片发热小，散热好搞很多。
2.6 总结：没有最好，只有最合适
嗯，说了这么多，其实就一句话：选平台，先看场景，再定参数。
如果你做的是高端自动驾驶，预算充足，Jetson系列是稳妥之选。如果你做的是量产车，对成本和功耗敏感，地平线征程系列值得认真考虑。如果你做的是工业AGV或者低速环卫车，TI TDA4VM的可靠性和低功耗会让你省心不少。
最后，我建议你做一个快速原型验证。拿你的BEV模型，在三个平台上各跑一周，看看实际效果。纸上谈兵终觉浅，跑起来才知道谁是真爱。
下一章预告：咱们聊聊BEV感知系统的硬件架构设计——摄像头怎么选、传感器怎么标定、数据怎么同步。这些都是实战中容易出问题的地方，我会把踩过的坑一一告诉你。