AI视觉边缘计算盒的主流SOC分析及落地踩坑的注意事项。

        边缘计算盒是云边端架构和小系统管理的核心设备，是视觉AI落地的关键设备，也是物联网的节点设备，是人工智能应用绕不过去的核心。

        当前边缘计算设备的技术路径有4种，分别是：CPU架构，GPU架构，ASIC架构，FPGA架构。每一种架构都有各自的特性，这些特性决定了他的优劣势。从性能，成本，功耗，灵活性和同构性这5个维度来看，我们可以用一个雷达图来呈现。

CPU有着极佳的同构性和灵活性，奈何性能太差，功耗太高，比较适合底层技术能力弱的，对性能要求不高的应用方向，视觉方向因为编解码计算量大，不是很适合。

GPU性能较强，灵活性和同构性也不错，功耗表现和成本表现一般，比较适合底层技术能力弱，对成本不敏感的应用方向。

FPGA各方面的综合表现比较平均，因为是可编辑的逻辑硬件，要求对硬件有很强的认知，而且当前FPGA的工程师生态相对比较差，落地上有相当的难度。

ASIC作为某个领域的专用芯片，有着绝佳的性能、低功耗和低成本表现，但是因为专用性，灵活性和同构性较差，当然作为某个领域的专业产品，灵活性和同构性并不是障碍，所以这个短板在专用领域不算短板，因此视觉方向的ASIC芯片，用在视觉 边缘计算领域变得顺理成章。

        视觉ASIC的芯片领域合适用来做边缘计算的SOC如今已经非常丰富了，厂商比较多，海思、高通、MTK，amlogic等等，近两年寒武纪，地平线也加入了进来。要想把边缘计算盒做好，哪些因素需要去考虑呢？下面分享一点个人的看法：

一、成熟度，这里成熟度包括芯片的成熟度和开发工具的成熟度。

        1、芯片成熟，代表着未来做出的产品的成熟度，判断芯片成熟度的方法有以下2个：

        a、公司之前有没有推出过类似的成熟产品

        b、芯片有没有客户成功量产的产品背书

        2、开发工具的成熟度，代表着未来产品落地的成功概率和开发周期，判断方式同样是要看有没有公司成功短时间落地。

二、算力评估，因为是边缘端的设备，综合的算力是有限的，而且计算架构往往是浮点和定点结合的，所以算力是在特定计算架构下的算力。

三、模型的适配，ASIC架构的SOC核心是个NPU，因为计算架构和计算资源的原因，算法模型往往是要根据计算资源做相应的调整，这个对算法的适配有较高的要求。

四、芯片的接口能力和外设能力，边缘计算盒往细分行业用，需要结合行业的应用场景来，在细分行业中，边缘计算盒通常又充当了物联网网关的作用，接口和外设能力是细分应用领域不可缺少的一个考虑因素。

下面重点介绍一下，视觉AI领域常用的一些视觉SOC。

这几个SOC都是市场上比较常见，TX2的计算核心是GPU，有良好的通用性，算力和海思3559A相当，但是由于视频编解码都要消耗算力，所以综合算力是比3559A弱的。海思3559A有着优秀的同编同解的能力，做边缘计算的同时还能提供转码服务。

昇腾310是海思是一个比较大算力的芯片，有比较强的CPU和NPU算力，操作系统也比较友好，编码能力偏弱，单纯有算力要求的，可以选择它。

寒武纪220的各项规格都不错，缺点是功耗偏大，市场上见到的比较少。