第二章 硬件平台认知：主流嵌入式AI芯片对比

做嵌入式视觉这几年，我最大的感触就是：选芯片比选模型还让人头疼。

模型不行可以换，硬件选错了，整个项目就得推倒重来。今天咱们就来聊聊市面上主流的几款嵌入式AI芯片——Jetson、RK3588、树莓派、K210。我会结合自己的项目经验，帮你理清它们各自的脾气秉性。

2.1 四款芯片的定位差异

先给个总体的印象吧。这四款芯片，其实代表了四个完全不同的方向：

• Jetson系列：英伟达出品，主打高性能。说白了就是给那些想在边缘端跑大模型的人准备的。
• RK3588：瑞芯微的旗舰，国产芯片里性价比很高的选择。我个人觉得它是目前“性能与功耗平衡得最好”的选手。
• 树莓派：这玩意儿其实不算严格意义上的AI芯片。它就是个通用计算平台，但胜在生态好、社区活跃。
• K210：嘉楠科技的RISC-V芯片，主打超低功耗和极低成本。适合做简单的视觉识别任务。

你想想看，如果项目要求实时检测1080P视频流里的行人，用K210肯定不行。反过来，如果只是做个智能门锁的人脸识别，上Jetson Orin NX又太浪费了。

2.2 算力与功耗的权衡

做嵌入式视觉，永远绕不开一个话题：算力和功耗怎么选？

我习惯用一个简单的公式来评估：能效比 = 算力（TOPS） / 功耗（W）。这个值越高，说明芯片越“划算”。

芯片型号	AI算力（INT8）	典型功耗	能效比	参考价格
Jetson Orin NX 16GB	100 TOPS	15W - 25W	4.0 - 6.7	约4000元
Jetson Nano	0.5 TOPS	5W - 10W	0.05 - 0.1	约1000元
RK3588	6 TOPS	6W - 12W	0.5 - 1.0	约800元
树莓派4B	0.1 TOPS（CPU）	3W - 7W	0.01 - 0.03	约400元
K210	0.8 TOPS	0.3W - 1W	0.8 - 2.7	约50元

2.3 各芯片的实战表现

2.3.1 Jetson系列：性能怪兽

我在做智慧安防项目时用过Jetson Xavier NX。说实话，跑YOLOv5s模型，1080P视频流能做到30FPS以上，非常流畅。但有个问题——散热。我记得有一次在40度的室外测试，机器直接过热降频了。

2.3.2 RK3588：国产之光

RK3588是我最近用得比较多的芯片。它内置了NPU，算力6 TOPS，跑轻量级模型完全够用。我做过一个智能垃圾分类的项目，用RK3588跑MobileNetV2-SSD，功耗才8W左右，效果很满意。

嗯，这里要注意一点：RK3588的NPU对模型格式有要求。它只支持RKNN格式，你需要用瑞芯微提供的工具把模型转换一下。这个过程我踩过不少坑，后面章节会详细讲。

2.3.3 树莓派：生态为王

树莓派其实不适合做AI推理。它的CPU算力太弱了，跑个YOLOv3 tiny都费劲。但为什么我还要提它？因为它的生态太好了。

我曾经用树莓派做原型验证。先用树莓派搭好整个系统，包括摄像头、显示、网络通信，等验证通过后，再移植到RK3588上。这样开发效率高很多。

2.3.4 K210：极致低功耗

K210是个很有意思的芯片。它只有0.8 TOPS的算力，但功耗低到令人发指——不到1W。我做过一个智能猫眼项目，用K210做人脸检测，电池供电能用好几个月。

不过K210的局限性也很明显。它只能跑一些非常轻量的模型，比如MobileNetV1或者自己训练的小网络。而且它的内存只有8MB，模型稍微大一点就放不下了。

2.4 如何选择？我的决策流程

每次做项目选型，我都会按这个流程走一遍：

1. 先定功耗预算：电池供电还是插电？电池的话，功耗上限是多少？
2. 再定算力需求：要跑什么模型？YOLOv5s还是YOLOv8n？目标帧率是多少？
3. 然后看生态：团队熟悉什么框架？PyTorch还是TensorFlow？有没有现成的部署工具？
4. 最后算成本：芯片价格、开发板价格、散热成本、电源成本，全算上。

举个例子。如果你要做个智能摄像头，要求实时检测人车，功耗不能超过10W。那我会推荐RK3588。它的6 TOPS算力够用，功耗在10W以内，而且国产芯片供货稳定。

反过来，如果你只是做个玩具级别的项目，比如智能小车识别红绿灯，那K210就足够了。成本低，开发也简单。

2.5 总结

选芯片这事儿，没有最好的，只有最合适的。我见过太多人一上来就选Jetson，结果发现功耗压不住，最后又换回RK3588。也见过有人用K210硬跑大模型，结果帧率只有1FPS。

记住一句话：先搞清楚你的需求，再去看芯片的参数。算力、功耗、成本、生态，这四个维度缺一不可。

下一章，我们会聊聊模型选型。到时候我会结合这些芯片的特点，告诉你什么样的模型适合什么样的硬件。