2、硬件平台选型：主流边缘AI芯片对比
好，咱们进入第二章。这一章我估计是很多人最头疼的部分——选芯片。
说实话，我见过太多项目，算法调得漂漂亮亮，结果一上硬件就卡成PPT。为什么？芯片选型没做好。今天我就把这几年的经验摊开来聊聊，帮你少走弯路。
2.1 主流边缘AI芯片：三足鼎立
目前市面上能打的边缘AI芯片，基本就三家：NVIDIA的Jetson系列、Google的TPU、还有各家厂商的NPU。我一个个说。
2.1.1 NVIDIA Jetson系列
Jetson是我用得最多的平台。说白了，它就是一块小号的GPU显卡。
- Jetson Nano：入门级，472 GFLOPS，功耗5-10W。适合做原型验证。
- Jetson TX2：1.33 TFLOPS，功耗7.5-15W。我第一个落地项目用的就是它。
- Jetson Xavier NX：21 TOPS，功耗10-20W。目前性价比之王。
- Jetson AGX Orin：275 TOPS，功耗15-75W。旗舰级，能跑大模型。
2.1.2 Google Coral TPU
TPU这玩意儿，我一开始是拒绝的。总觉得Google的东西太封闭。后来真香了。
- 算力：4 TOPS（INT8）
- 功耗：仅2W
- 接口：USB、PCIe、M.2
我曾经在一个无人机项目里用过Coral。那会儿要求整机功耗控制在5W以内，Jetson Nano都嫌费电。最后用Coral USB加速棒，配合树莓派，硬是跑通了YOLOv4-tiny。帧率虽然只有15fps，但够用了。
2.1.3 国产NPU（以华为昇腾、瑞芯微为例）
这两年国产NPU起来了。我接触比较多的是华为Atlas 200和瑞芯微RK3588。
| 芯片 | 算力 | 功耗 | 价格 |
|---|---|---|---|
| 华为Atlas 200 | 22 TOPS (INT8) | 8W | 中等 |
| 瑞芯微RK3588 | 6 TOPS (NPU) | 6W | 较低 |
嗯，这里要注意。国产NPU的算力数字看着漂亮，但实际跑起来，算子支持度是个大问题。我有个朋友做安防项目，选了某款NPU，结果模型里有个自定义算子，厂商说「下个版本支持」，一等就是半年。
2.2 算力与功耗的权衡：别被纸面数据骗了
很多人选芯片，只看TOPS。这是个误区。
我举个例子。Jetson Xavier NX标称21 TOPS，Coral TPU标称4 TOPS。但如果你跑的是MobileNetV2，Coral的实测帧率反而更高。为什么？因为TOPS是理论峰值，实际要看算子匹配度。
我的建议：选型时，拿你的模型去跑一遍。别信PPT。我每次选型都会做三件事：
- 拿目标模型在芯片上跑benchmark
- 测满负载下的功耗和温度
- 看散热方案能不能压住
功耗这块，我吃过亏。有一次用Jetson TX2做户外设备，夏天40度，芯片直接降频，帧率从30fps掉到8fps。后来加了风扇才稳住。你想想看，如果项目要求无风扇设计，那功耗就得控制在10W以内。
2.3 外设接口选择：摄像头和显示是关键
视频流AI分析，核心外设就是摄像头。接口选不对，后面全白搭。
2.3.1 摄像头接口
- USB摄像头：即插即用，但延迟高。适合原型验证。
- MIPI CSI接口：延迟低，带宽大。我所有量产项目都用这个。
- GigE Vision：工业级，传输距离远。适合工厂场景。
我个人习惯，能用MIPI就不用USB。为什么？USB走的是UVC协议，CPU要参与解包，占用高。MIPI直接走ISP，硬件加速，省CPU。
2.3.2 显示接口
如果你需要本地显示，HDMI和DP是标配。但注意，有些Jetson模块的HDMI和CSI是复用的，不能同时用。我当年做智能摄像头就栽在这上面——接了摄像头，HDMI就没信号了。
2.3.3 其他接口
| 接口 | 用途 | 注意事项 |
|---|---|---|
| PCIe | 接加速卡、SSD | Jetson只有x4通道 |
| GPIO | 控制继电器、LED | 注意电平转换 |
| CAN | 车载通信 | 部分NPU不支持 |
2.4 我的选型决策树
最后，我分享一个自己的决策流程。你照着走一遍，基本不会错。
- 先看功耗预算：无风扇选10W以内，有风扇可以放宽到30W。
- 再看模型复杂度：轻量模型（MobileNet）选TPU或NPU；重量模型（ResNet、YOLOv5）选Jetson。
- 然后看生态：团队熟悉PyTorch？选Jetson。熟悉TF？TPU也行。
- 最后看接口：摄像头数量、分辨率、帧率，决定了你需要多少CSI或USB带宽。
嗯，这一章内容不少。你消化一下，下一章我们聊软件架构——怎么把视频流从摄像头一路送到AI模型里。