摘要
自動(dòng)駕駛感知需要持續(xù)處理攝像頭、激光雷達(dá)和其他傳感器數(shù)據(jù),但不同項(xiàng)目對(duì)算力、功耗、軟件生態(tài)和升級(jí)方式的要求并不相同。本文以DTB-3120-A78AE與DTB-3180-Q670E為例,比較Jetson Orin與x86獨(dú)立GPU兩類ai工控機(jī)路線,幫助項(xiàng)目從任務(wù)負(fù)載出發(fā)配置邊緣AI平臺(tái)。
一、算力指標(biāo)需回到任務(wù)負(fù)載
ai工控機(jī)的選型容易陷入單一數(shù)字比較:TOPS越高是否一定更合適,GPU功耗越大是否代表計(jì)算能力更強(qiáng)。實(shí)際上,TOPS通常用于描述特定精度下的AI推理能力,GPU功耗則反映平臺(tái)能夠承載的顯卡功率,兩者并不是可以直接換算的同一指標(biāo)。

自動(dòng)駕駛感知還會(huì)受到模型結(jié)構(gòu)、輸入分辨率、傳感器數(shù)量和推理框架影響。輕量化感知單元更重視單位功耗下的推理效率;需要兼顧算法開發(fā)、數(shù)據(jù)處理及后續(xù)升級(jí)的平臺(tái),則更關(guān)注x86生態(tài)、PCIe擴(kuò)展和通用計(jì)算能力。
DTB-3120-A78AE代表Jetson Orin邊緣推理路線,將CPU、GPU和AI軟件棧集成于緊湊平臺(tái);DTB-3180-Q670E采用x86處理器與可替換獨(dú)立GPU組合,為多任務(wù)計(jì)算及后續(xù)硬件升級(jí)保留空間。兩款產(chǎn)品對(duì)應(yīng)的是不同技術(shù)路徑,并非簡單的高低配置關(guān)系。

二、Jetson路線聚焦邊緣推理
DTB-3120-A78AE采用NVIDIA Jetson Orin NX模塊,提供100—157 TOPS INT8算力,集成1024核NVIDIA Ampere架構(gòu)GPU、32個(gè)Tensor Core及8核ARM Cortex-A78AE處理器。
計(jì)算資源集中于單一模塊,有利于在有限體積和功耗條件下運(yùn)行目標(biāo)檢測、圖像識(shí)別及多傳感器感知模型。
平臺(tái)支持NVIDIA JetPack SDK,可使用CUDA、cuDNN和TensorRT等工具完成模型部署及推理優(yōu)化,并支持ROS2。對(duì)于已經(jīng)采用NVIDIA邊緣AI開發(fā)鏈的項(xiàng)目,模型從開發(fā)環(huán)境遷移至車端時(shí),可以繼續(xù)使用相應(yīng)的軟件工具。

DTB-3120-A78AE配置M.2 NVMe接口、Micro SD卡槽和2個(gè)千兆網(wǎng)口,內(nèi)置UART與CAN總線,可連接車輛控制器及其他通信設(shè)備。產(chǎn)品支持4S—14S電池組供電,重量約297g,適合無人機(jī)、無人配送車及輕量級(jí)自動(dòng)駕駛感知單元。
Jetson路線的重點(diǎn)是集成度。CPU、GPU和AI軟件生態(tài)圍繞推理任務(wù)形成統(tǒng)一平臺(tái),可減少獨(dú)立顯卡及復(fù)雜擴(kuò)展結(jié)構(gòu)對(duì)空間和功耗的占用。
三、x86獨(dú)顯路線保留升級(jí)空間
DTB-3180-Q670E采用Intel Q670E芯片組,支持第12代、第13代酷睿i3、i5、i7和i9處理器,最高可配置24核32線程CPU;2個(gè)DDR5內(nèi)存插槽最高支持64GB。
較強(qiáng)的通用計(jì)算能力可同時(shí)承擔(dān)傳感器數(shù)據(jù)預(yù)處理、業(yè)務(wù)邏輯、日志管理和AI推理等任務(wù)。

該型號(hào)提供PCIe x16雙槽位,可搭載130W NVIDIA RTX系列獨(dú)立顯卡。獨(dú)立GPU方案能夠根據(jù)模型規(guī)模和項(xiàng)目階段配置顯卡,并在后續(xù)計(jì)算負(fù)載增加時(shí)升級(jí)硬件。對(duì)于需要持續(xù)迭代模型、兼顧開發(fā)調(diào)試與現(xiàn)場推理的項(xiàng)目,這種擴(kuò)展方式可以延長平臺(tái)的使用周期。
數(shù)據(jù)接入方面,DTB-3180-Q670E配置5個(gè)2.5G網(wǎng)口和1個(gè)千兆網(wǎng)口,部分網(wǎng)口可選PoE+供電,可連接相應(yīng)攝像頭或路側(cè)傳感器;同時(shí)提供7個(gè)USB3.2接口和4個(gè)可編程RS232/422/485串口。
產(chǎn)品還提供2個(gè)SATA接口與1個(gè)M.2 NVMe接口,并支持RAID冗余;內(nèi)置SIM卡槽,可選4G或5G通信。DC 8—48V寬壓輸入與-25℃至70℃工作溫度,為高算力平臺(tái)適配車載供電及戶外環(huán)境提供硬件基礎(chǔ)。

四、兩類平臺(tái)的配置邊界
選擇ai工控機(jī)時(shí),需要把算法任務(wù)、接口、功耗和升級(jí)周期放在同一套配置邏輯中。Jetson Orin平臺(tái)更接近圍繞邊緣推理優(yōu)化的集成計(jì)算單元,x86加獨(dú)顯平臺(tái)則屬于可持續(xù)擴(kuò)展的通用AI計(jì)算平臺(tái)。
| 比較維度 | DTB-3120-A78AE | DTB-3180-Q670E |
| 計(jì)算路線 | Jetson Orin NX集成平臺(tái) | x86 CPU+可替換獨(dú)立GPU |
| AI能力 | 100—157 TOPS INT8 | 支持130W NVIDIA RTX顯卡 |
| 軟件生態(tài) | JetPack、CUDA、TensorRT、ROS2 | Windows、Ubuntu及x86應(yīng)用生態(tài) |
| 數(shù)據(jù)接口 | 2個(gè)千兆網(wǎng)口、UART、CAN | 5個(gè)2.5G、1個(gè)千兆、USB、COM |
| 存儲(chǔ)方式 | M.2 NVMe、Micro SD | M.2 NVMe、雙SATA、RAID |
| 部署重點(diǎn) | 輕量化、邊緣推理 | 多傳感器、高擴(kuò)展、持續(xù)升級(jí) |
如果項(xiàng)目主要運(yùn)行已經(jīng)完成訓(xùn)練和優(yōu)化的模型,并對(duì)重量、空間及功耗較為敏感,DTB-3120-A78AE更接近“將推理能力直接嵌入設(shè)備”的設(shè)計(jì)思路。
若平臺(tái)需要同時(shí)運(yùn)行復(fù)雜業(yè)務(wù)、接入更多高速傳感器,并計(jì)劃隨算法迭代更換GPU,DTB-3180-Q670E則能夠提供更大的配置彈性。
五、高負(fù)載運(yùn)行中的散熱配置
AI計(jì)算會(huì)持續(xù)產(chǎn)生熱量,散熱能力會(huì)影響高負(fù)載運(yùn)行狀態(tài)。緊湊Jetson平臺(tái)依靠模塊級(jí)集成控制整體功耗,適合在有限空間內(nèi)建立緊湊散熱結(jié)構(gòu);x86加獨(dú)顯平臺(tái)同時(shí)包含高性能CPU和獨(dú)立GPU,需要更大的散熱模塊及經(jīng)過組織的內(nèi)部風(fēng)道。
DTB-3180-Q670E采用鋁合金散熱模塊與優(yōu)化風(fēng)道。在65W CPU滿負(fù)荷運(yùn)行測試中,內(nèi)存溫度為63℃。這一結(jié)果體現(xiàn)了內(nèi)部散熱結(jié)構(gòu)對(duì)關(guān)鍵部件溫度管理的作用,也說明高算力平臺(tái)不能只關(guān)注顯卡型號(hào),還需要考慮整機(jī)熱量傳導(dǎo)路徑。

算力余量還需要與散熱余量同步規(guī)劃。過度預(yù)留GPU能力會(huì)增加功耗及熱設(shè)計(jì)壓力,計(jì)算資源不足則可能限制后續(xù)模型升級(jí)。平臺(tái)配置需要在當(dāng)前負(fù)載、功能迭代和車輛供電之間形成平衡。
六、基于任務(wù)邊界完成平臺(tái)選擇
東田工控可結(jié)合傳感器數(shù)量、模型類型、推理框架、車內(nèi)空間、供電范圍和通信方式,為項(xiàng)目匹配Jetson或x86獨(dú)顯平臺(tái),并提供內(nèi)存、存儲(chǔ)、無線通信、系統(tǒng)環(huán)境及GPU配置支持。
樣機(jī)階段可圍繞模型運(yùn)行、數(shù)據(jù)接入和持續(xù)負(fù)載開展驗(yàn)證,使算力配置與實(shí)際任務(wù)形成對(duì)應(yīng)。
因此,ai工控機(jī)不宜先選擇最高算力,再尋找應(yīng)用任務(wù)。先確定輸入數(shù)據(jù)、模型規(guī)模、并發(fā)程序和升級(jí)周期,再選擇集成推理平臺(tái)或可替換GPU平臺(tái),更有利于控制當(dāng)前配置及后續(xù)擴(kuò)展成本。
結(jié)語
Jetson Orin與x86獨(dú)顯平臺(tái)代表兩種不同的邊緣AI建設(shè)思路:前者強(qiáng)調(diào)集成度和推理能效,后者強(qiáng)調(diào)通用計(jì)算、多接口和持續(xù)升級(jí)。DTB-3120-A78AE與DTB-3180-Q670E分別承接這兩類需求,為ai工控機(jī)從輕量感知單元到高擴(kuò)展車載計(jì)算平臺(tái)提供了不同的配置路徑。
FAQ
ai工控機(jī)選型時(shí),TOPS越高越好嗎?
不一定。TOPS需要結(jié)合計(jì)算精度、模型結(jié)構(gòu)、傳感器數(shù)量和推理框架理解。滿足當(dāng)前任務(wù)并保留合理余量,通常比單獨(dú)追求更高數(shù)值更有應(yīng)用價(jià)值。
100—157 TOPS與130W GPU可以直接比較嗎?
不能。前者描述特定精度下的AI推理能力,后者表示平臺(tái)支持的顯卡功率等級(jí),并不等于具體算力。比較時(shí)還需要結(jié)合GPU型號(hào)、模型及軟件環(huán)境。
DTB-3120-A78AE更適合哪些自動(dòng)駕駛設(shè)備?
該平臺(tái)重量約297g,集成Jetson Orin NX、CAN及電池組供電能力,適合無人機(jī)、無人配送車和空間受限的輕量級(jí)感知單元。
DTB-3180-Q670E的獨(dú)立顯卡可以升級(jí)嗎?
該型號(hào)提供PCIe x16雙槽位,并支持130W NVIDIA RTX系列顯卡,可根據(jù)項(xiàng)目模型規(guī)模和后續(xù)計(jì)算需求配置相應(yīng)GPU。
兩款平臺(tái)都支持ROS2嗎?
DTB-3120-A78AE基于JetPack生態(tài),支持ROS2。DTB-3180-Q670E支持Ubuntu 20.04/22.04,可用于構(gòu)建相應(yīng)的機(jī)器人及自動(dòng)駕駛軟件環(huán)境。





10149
