端侧 AI 落地，整机厂商该怎么选主板？先算清这三笔账

AI 能力正从加分项，变成准入门槛。以前是“屏多大、接口够不够、结构能不能塞进去”；现在往往是“人脸能不能在本地跑”“断网了还认不认得出人”。变化之下，一个现实问题浮出水面：不少整机厂商愿意做端侧 AI，却不敢贸然上高端平台。高端方案算力冗余，BOM 压不住；老平台 NPU 不足，算法一跑就卡、发热、掉帧，样机能演示，量产就翻车。

所以选型的关键，从来不是挑算力最大的那颗芯片，而是找到一个算得过来的位置。下面这三笔账，是端侧 AI 项目里最容易被忽略、也最容易亏钱的地方。

一、算力不是越大越好，先划清“够用”的边界

在零售、通行、工控、政务大厅这些典型场景里，真正天天在跑的算法其实很集中：人脸检测与比对、人形与客流统计、轻量 OCR、语音唤醒与降噪。这类模型的共同点是参数量不大，但对实时性和稳定性要求很高。

以 RK3572 这类平台为例，独立 NPU 提供 4TOPS 算力，支持 INT4 到 BF16 的混合精度运算，对 Transformer 结构做了硬件加速，正好落在这批算法的甜点区。把人脸比对、客流分析、语音前端处理放在本地运行，既省掉云端带宽和时延，也让数据不出设备，网络抖动时业务不至于停摆。

但边界要说清楚：4TOPS 不是拿来做本地大模型推理的。如果产品定位是多路高清视频的全量结构化，或者要在设备上跑 7B 以上的模型，这个档位不够，应该往上选平台。选型的第一步也不是看参数表，而是把自己的算法清单列清楚——几个算法、几路视频、多少帧率、允许多大延迟。这四项算完，需要多少算力心里就有数了。

容易被忽略的另一半在 CPU 和 GPU。八核异构的大小核调度，决定了设备待机时够不够省电、满载时能不能顶住；Mali G310 这类 GPU 配合 4K 视频硬编解码，决定了数字人渲染、4K 广告片播放、多页面 UI 切换会不会撕裂卡顿。整机的“顺滑感”，有一半并不在 NPU 上。

二、一块底板，能撑起几条产品线

对整机厂商来说，贵的往往不是主板单价，而是物料种类。同一块板，如果 DDR 容量、存储、无线模块、屏接口、音频功率都能按项目配置，一条硬件底座就能覆盖低、中、高配和不同形态：桌面式终端、壁挂广告机、工控一体机、服务机器人。

以 AIOT-3572SE这类设计为例，DDR 与 eMMC 容量可选配，WiFi 与蓝牙版本可选，屏接口二选一，喇叭功率硬件可调，接口全部采用标准 Wafer 插座板载原生引出。落到生意上，这意味着备料清单变短、库存周转变快、单一物料断供时的替代空间更大，产线换型的时间也更短。

软件侧同理。Android 16 的生态成熟度决定了 APP 移植的成本，而能不能做开机动画、系统应用裁剪、权限管控、NNAPI 接口适配，以及支不支持 USB 本地升级和远程 OTA，决定了设备批量交付之后好不好维护。很多项目前期省下的定制费，最后都花在了售后运维上。

三、量产阶段最贵的成本，是“没想到”

样机跑通不难，难的是批量出货的一致性。整机厂踩过的坑，翻来覆去就那么几类。

转接板接触不良。板载原生引出、统一使用 Wafer 插座，少一层转接就少一类故障源，这一点在振动和老化测试里差别很明显。

屏不适配。LVDS 屏的供电有 3.3V、5V、12V 之分，能用跳线帽切换，同一块板就能覆盖更多屏型，不必为每一块屏改一版硬件。

串口电平接错。RS232、RS485、TTL 三种电平如果靠外接转换板解决，接错一次就可能烧掉外设；硬件层面可配置，是最省事的做法。

测试项覆盖不全。功能性能、软件升级、高低温老化、定时开关机、静电 ESD、扫频振动、自由跌落、过压欠压，是整机出货前的常规动作，而主板的 0 至 60℃ 工作温度和上述测试覆盖度，直接关系返修率。

供电方案留不留余地。12V 直流供电给电源选型留了空间，需要集中供电的项目可以走 POE，RTC 纽扣电池保证断电不丢时钟。

这些项目在参数表上通常不显眼，但它们决定的是产线直通率，以及三年后的售后成本。

四、报价单之外，还要问清两件事

第一件是平台的延展性。同一个系列有没有向上、向下的型号，避免一条产品线换一个平台，让软硬件团队反复重新学习。第二件是技术支持的形式：能不能拿到样品、完整规格文档、SDK，出现问题时 FAE 多久响应，从方案评估、样机调试到批量生产是不是同一拨人跟。报价单上的那点差价，往往抵不过一次量产问题的沟通成本。

五、一张可以直接拿去用的清单

先列算法清单，按算法、路数、帧率、延迟四项确定算力档位。

确认平台的上下延展性，尽量让多条产品线共用一套软硬件底座。

问清接口是否板载原生，屏供电与串口电平是否可配置。

要看测试报告，而不只是 datasheet，重点核对温度范围、老化与 ESD 项目。

评估软件定制能力与 OTA 方案，并把三年运维成本一起算进去。

确认供货周期与技术支持方式，最好写进项目节点。

结语

端侧 AI 走到今天，竞争已经不只在“谁的芯片参数更高”，更在“谁能用合适的成本，把 AI 稳定地装进一台台设备里”。视美泰的 AIOT-3572SE 大致是按这个思路做的：4TOPS 的算力覆盖主流视觉与语音算法，一块底板可配置出多条产品线，量产环节的坑尽量在硬件设计阶段堵住。它的参数不算亮眼，但对多数整机项目而言，是一块算得过来的底板。