选型前置判断：①电池供电还是持续供电；②跑 TinyML 还是 SLM 小大模型；③是否需要 Linux；④无线协议（Wi‑Fi6/BLE/Thread/Matter/LoRa/NB‑IoT）；⑤工业温度等级要求。

1）端侧 MCU 级｜毫瓦级，RTOS，TinyML（语音唤醒、振动检测、简单分类）

不能跑 Linux，只跑 RTOS/FreeRTOS；适合电池供电传感器、智能家居终端；模型 INT8 量化，几十 M 参数以内。

表格

芯片型号	架构	AI 能力	内存 / Flash	无线	典型功耗	操作系统	典型场景	优缺点
ESP32‑C6	RISC‑V	SIMD 向量加速，轻量 TinyML	512KB SRAM，4MB Flash	Wi‑Fi6 + BLE5.3 + Thread/Zigbee/Matter	待机 < 10μA，活跃～80mA	FreeRTOS	智能家居 Matter 终端、家电、传感器	✅PSA L2 安全认证、生态完善；❌算力有限，不能跑大模型Espressif ...
ESP32‑S31	RISC‑V 双核 320MHz	SIMD 向量，本地音频 / 简单视觉	512KB SRAM，PSRAM 扩展	Wi‑Fi6+BLE5.4+Thread + 以太网	休眠～15μA，活跃 120‑180mA	FreeRTOS	小型 AI 网关、HMI 面板、本地语音、小型工业采集	✅多协议合一、千兆以太网；❌内存不大，不适合 LLMEspressif ...
嘉楠 K210	RISC‑V64 双核	KPU 0.25TOPS INT8	8MB SRAM	无（外接 BLE/Wi‑Fi 模组）	0.2‑0.3W	FreeRTOS/MaixPy	原型机器视觉、人脸检测、创客设备	✅原生硬件 KPU；❌无内置无线，量产稳定性一般
nRF54L15	ARM M33	Axon NPU TinyML	256KB RAM，1.5MB Flash	BLE5.4、802.15.4	休眠 < 1μA	Zephyr	电池供电传感器、可穿戴、运动 / 语音唤醒	✅功耗极低；❌无 Wi‑Fi，算力很小
GD32VW553	RISC‑V	DSP 扩展，轻量信号处理	320KB SRAM，4MB Flash	Wi‑Fi6 + BLE5.2	休眠～20μA	RT‑Thread/FreeRTOS	工业传感器、智能照明	✅国产高性价比、宽温；❌无独立 NPU，仅 DSP 加速GigaDevice

2）强端 SoC｜百毫瓦‑数瓦，支持 Linux，可跑 200M‑2B 轻量 SLM

可以运行 Linux/OpenHarmony；有完整 NPU；适合 AI 摄像头、轻量网关、本地语音交互。

表格

芯片型号	架构	NPU 算力 INT8	内存上限	无线	典型功耗	操作系统	典型场景	优缺点
RV1106	A7+RISC‑V	1.2TOPS	2GB	可外接 Wi‑Fi/4G	0.8‑1.2W	Linux/OpenHarmony	IPC 摄像头、机器视觉、缺陷检测	✅视频编解码强；❌无内置 Wi‑Fi，需要外置模组
RK3568	四核 A55	0.8‑1TOPS	8GB	可外接 Wi‑Fi6/5G	1.5‑3W	Linux/OpenHarmony	工业网关、小型边缘盒子	✅接口丰富，工业级；❌NPU 算力一般，跑 1B 模型吃力
RK3576	八核 A76/A55	4TOPS	16GB	外接	2‑4W	Linux	中端 AI 网关、多摄像头分析	✅性价比高；❌无内置无线，需要外设

3）边缘网关 / AI‑BOX｜3‑15W，跑 1.8B‑7B SLM，可运行 IoT‑Agent

完整 Linux；支持本地 Agent、边缘数字孪生；工业项目主流硬件形态。

表格

芯片型号	架构	NPU 算力 INT8	内存上限	典型功耗	操作系统	典型场景	优缺点
RK3588	A76×4+A55×4	6TOPS	32GB	6‑10W	Linux/OpenHarmony	工业边缘盒、多路视频分析、本地 Qwen‑1.8B‑4B	✅生态成熟，开发资料多；❌功耗偏高，散热要求高
RK1828	RISC‑V 多核	最高 20TOPS	32GB	8‑12W	Linux	工业视觉、本地 3‑7B LLM、IoT‑Agent 节点	✅原生面向端侧大模型；❌生态相比 RK3588 新，第三方板卡少瑞芯微
NVIDIA Jetson Orin NX	ARM+GPU	20TOPS	64GB	10‑15W	Jetpack	机器人、复杂多模态边缘计算	✅AI 软件生态最强；❌价格高，供应链受限

4）高端边缘智算｜15W+，7B‑30B 模型，多路视频并发

表格

芯片型号	架构	NPU 算力	内存上限	功耗	场景
进迭时空 K3	RISC‑V RVA23	60TOPS	64GB	20W	工业智算盒子、本地大模型推理网关
MediaTek Genio Pro5100	ARMv9.2	50+TOPS	32GB	18‑25W	机器人、多流工业视觉、7B 模型本地运行MediaTek

📌选型快速决策指引

1. 电池供电传感器节点、简单 TinyML：优先 ESP32‑C6 /nRF54L；追求 AI 能力选 ESP32‑S31。
2. 电池供电机器视觉原型：K210（原型验证，不适合大规模量产）。
3. 持续供电，轻量 AI 摄像头、视觉质检：RV1106。
4. 工业网关，少量 AI，协议转换为主：RK3568。
5. 需要本地跑 1‑4B 小大模型、部署 IoT‑Agent：RK3588 / RK1828。
6. 机器人、多模态复杂边缘任务：Jetson Orin NX。

⚠️工程落地注意点

1. RISC‑V MCU：不同厂商扩展指令存在碎片化；尽量选用 RVA23 标准内核，提高软件可移植性。
2. 工业场景：重点确认工作温度范围‑40~85℃，商业芯片不能直接上工业现场。
3. 内存是瓶颈：跑 LLM 优先看可用内存，不是单纯 NPU 算力；INT4 量化可以显著降低内存需求。
4. 无线集成：SoC 内置无线 BOM 成本更低；但复杂工业场景，外置独立射频模组稳定性更好。

高端边缘智算 AIoT 硬件适用场景

硬件定义：功耗 15W 以上，算力≥20TOPS INT8，可本地运行 7B～30B 参数 SLM 小大模型、多流视频分析、多传感器融合、IoT‑Agent 智能体、本地数字孪生；代表硬件：RK1828、进迭时空 K3、Jetson Orin NX、Genio Pro5100。

和普通边缘盒子（RK3588，6TOPS）核心区别：支持多模态大模型、高并发多路感知、复杂 Agent 推理、本地数字孪生仿真，不再只做单路图像识别 / TinyML。

一、工业领域（最大落地场景）

1. 复杂工业数字孪生工厂边缘节点 本地维护产线完整数字孪生模型，对接上百路 IoT 传感器、视觉相机；在边缘侧完成仿真推演、故障预演、产线调度优化，不需要回传云端。

• 任务：设备预测性维护、工艺参数自优化、产线异常根因分析；运行工业 IoT‑Agent 自主调度设备。
• 典型：汽车总装车间、半导体工厂、大型化工装置现场。

2. 多机位工业视觉质检集群 同时处理 8‑32 路工业相机图像，多模态检测（缺陷识别、OCR 读取、3D 视觉尺寸测量）；支持大模型做开放集缺陷检测（未知缺陷识别，传统 CV 做不到）。

• 价值：不把图片传出厂区，保护生产数据；毫秒级并发处理。

3. 大型设备集群预测性维护中枢 汇聚几十上百台电机、风机、压缩机振动、温度、声学传感数据；边缘侧运行联邦学习，多设备联合训练故障模型；本地大模型做故障根因推理，输出维修建议。

• 典型：风电场站、大型冶金、水厂机组。

二、智慧交通与低空经济

1. 路侧边缘智算单元（智慧路口） 接入多路摄像头、毫米波雷达、激光雷达、车路协同 OBU；完成行人 / 非机动车 / 机动车识别、轨迹预测、交通事件推理；运行交通 Agent，实现信号自主调优；支持车联网 V2X 本地决策。
2. 无人机 / 低空智联网地面边缘站 接收多架无人机回传视频、传感数据；多目标检测、空域冲突研判、任务自主规划；本地大模型解析航拍画面，实现安防巡检、电力杆塔巡检、油气管道巡检。

机载端算力有限，复杂推理下放地面高端边缘智算节点。

3. 港口 / 码头智能边缘控制 集装箱码头，对接龙门吊、AGV、传感器集群；IoT‑Agent 完成多 AGV 协同调度，堆场仿真，集装箱状态分析；港口断网弱网下本地自治运行。

三、能源电力行业

1. 大型新能源场站边缘智算网关 光伏 / 风电集中场站，接入海量逆变器、储能 BMS、环境传感器；

• 本地 SLM 大模型做故障诊断、功率智能预测；
• 联邦学习，多个场站之间协同训练，原始数据不出场站；
• 储能协同调度，故障快速就地保护。

2. 变电站智能边缘平台 多路摄像头、红外测温、局放传感器；设备状态多模态综合研判，设备故障自然语言化告警报告生成；站内数字孪生。

四、城市治理与安防

1. 大型园区 / 城市综合边缘中枢 几十路视频流 + 物联网感知（烟感、水浸、噪声、井盖、管网传感器）融合；大模型做事件理解：打架、烟火、翻越、人群聚集；自然语言事件研判，生成处置建议。

区别普通 AI 盒子：普通盒子只能做固定规则识别；高端智算可以理解复杂、未定义的异常事件。

2. 大型地下管网综合监测节点 融合管道传感器、液位、气体、井下摄像头；数字孪生管网仿真，推演泄漏扩散路径，给出处置方案。

五、机器人与特种装备

1. 多机器人集群调度边缘大脑 多台 AMR 工业机器人、巡检机器人，机器人本体只做感知运动，复杂任务规划、集群协同交给边缘智算；运行 Agent 分配任务、冲突规避。
2. 特种行业本地离线智能平台 矿山、井下、野外矿区，公网信号差；本地部署 7B‑13B 大模型，实现设备语音交互、故障问答、巡检报告生成，全程不上云。

六、智慧医疗 IoT（院端边缘）

1. 医院设备边缘网关，对接监护设备、影像设备；本地多模态数据分析，保护患者隐私；只输出分析结果，原始医疗数据不出院内。

七、消费 / 商用高端 AIoT

1. 大型商业综合体本地 AI 中枢 商场客流分析、设备物联（空调、照明、电梯）；Agent 自主做能耗优化、客流调度；本地大模型支撑离线智能客服。

---

不适合使用高端边缘智算的场景

避免过度选型，造成成本、功耗浪费

1. 单路摄像头、简单物体识别（RK3568/RK3588 足够）
2. 电池供电终端：该类硬件功耗高，必须持续供电；
3. 简单传感器采集、TinyML 振动检测：普通 RISC‑V MCU 即可。

选型判断条件（什么时候必须上高端边缘智算）

满足任意 2 条，就有必要性：

1. 需要同时处理≥8 路视频 / 激光雷达等高吞吐量感知数据；
2. 需要本地运行≥7B 参数 SLM 小大模型；
3. 需要部署IoT‑Agent 智能体做自主调度、复杂推理；
4. 需要本地完整数字孪生仿真推演；
5. 需要联邦学习多设备协同训练；
6. 业务要求断网离线完整业务可用，不能依赖云端大模型。