2. Snapdragon机器人平台硬件架构
机器人计算平台与手机、平板最大的区别在于：它必须同时处理确定性控制、实时传感器融合、高吞吐视觉推理和低功耗常驻感知。高通Snapdragon机器人平台（如QCS6490、QCS8550、RB5等）以SoC为核心，把CPU、GPU、NPU、DSP、ISP、内存控制器和高速I/O集成在一颗芯片内，再通过板级接口连接传感器、执行器和网络。理解这套硬件架构，是后续做感知系统集成和算力分配的基础。
SoC组成：从计算核心到机器人外设
一颗面向机器人的Snapdragon SoC大致可分为四层。第一层是通用计算域，包括基于Arm架构的CPU集群，通常采用“1+3+4”或“1+4+3”的大小核组合，大核负责规划、状态机和复杂逻辑，小核负责常驻监控与低功耗任务。第二层是加速计算域，包含Adreno GPU、Hexagon NPU和Hexagon DSP，分别承担并行图形/点云处理、神经网络推理和低功耗信号处理。第三层是感知与多媒体域，包括Spectra ISP、视频编解码器和显示控制器，负责多路摄像头接入、图像预处理和可视化输出。第四层是系统与I/O域，包括内存控制器、存储接口、PCIe、USB、I2C、SPI、UART、CAN、GPIO和以太网等，用于连接激光雷达、IMU、电机驱动器、底盘控制器和外部算力单元。
需要特别注意的是，机器人平台通常运行Linux/Ubuntu或QNX，而不是Android。因此SoC中的DSP、NPU和ISP需要通过Qualcomm的SDK（如QNN、SNPE、FastRPC）暴露给上层，不能直接假设它们像手机相机那样自动工作。选型时首先要确认目标SoC是否支持机器人长期供货和工业温度范围。
异构计算单元的分工与协作
CPU、GPU、NPU、DSP不是互相替代的关系，而是按“确定性、并行度、功耗、精度”四个维度分工。CPU适合分支复杂、延迟敏感的控制逻辑，例如路径跟踪、状态机切换和故障处理；GPU适合规则的大规模并行浮点运算，例如点云配准、体素化、SLAM后端优化和图像畸变校正；NPU适合定点神经网络推理，例如YOLO系列目标检测、语义分割和姿态估计；DSP适合常驻低功耗任务，例如IMU高频采样滤波、音频唤醒词检测和传感器时间戳对齐。
实际部署时，一个典型机器人感知流水线可能这样分配：摄像头通过MIPI CSI进入ISP，ISP完成去马赛克和自动曝光后，图像分别送往GPU做去畸变和缩放，送往NPU做目标检测；IMU数据由DSP以1 kHz频率读取并做卡尔曼滤波预积分；CPU运行ROS 2节点，负责时间同步、坐标变换和决策规划。四类单元通过共享内存和NoC交换数据，避免频繁拷贝。
内存与I/O接口的关键约束
Snapdragon机器人SoC采用统一内存架构，CPU、GPU、NPU、DSP共享同一块LPDDR。这意味着内存带宽是全局瓶颈：当NPU做高分辨率推理、GPU同时做点云渲染、CPU还在读写图像时，三者会争抢带宽。选型时要关注内存类型（LPDDR4x约17 GB/s，LPDDR5可达44 GB/s以上）、容量（建议8 GB起步，多路摄像头和点云场景建议12~16 GB）以及是否支持ECC（工业场景重要）。
I/O方面，机器人最常用的是MIPI CSI（摄像头）、PCIe（外部加速卡或高速采集卡）、USB 3.x（深度相机、固态硬盘）、千兆以太网（激光雷达、工业相机）、CAN（电机和底盘）、I2C/SPI/UART（IMU、编码器、低带宽传感器）以及GPIO（急停、使能、指示灯）。选型时要核对接口数量和引脚复用关系，例如某些SoC的PCIe通道与SATA或USB 3.0共享，不能同时全速使用。
面向机器人负载的选型依据
选型不是简单比较TOPS数字，而应围绕机器人实际负载建立判断顺序。第一步，明确感知路数和分辨率：4路以上摄像头或高线束激光雷达，优先选择内存带宽高、ISP通道多的型号。第二步，估算AI推理需求：统计所有模型的输入尺寸、帧率和量化精度，折算成NPU有效算力需求，并留出30%余量。第三步，检查实时性：控制环路是否要求1 kHz以上，传感器时间戳同步是否依赖DSP或硬件触发。第四步，核对I/O：CAN、PCIe、以太网、MIPI数量是否满足，是否需要工业温度范围和长期供货。第五步，评估功耗与散热：机器人多为电池供电，SoC典型功耗、峰值功耗和散热方案直接决定续航和结构设计。
| 负载类型 | 主要计算单元 | 关键资源 | 选型关注点 |
|---|---|---|---|
| 多路视觉感知 | ISP + NPU + GPU | MIPI CSI通道、内存带宽、NPU算力 | ISP路数、LPDDR带宽、量化支持 |
| 激光雷达点云 | CPU + GPU | 浮点算力、内存容量、PCIe/以太网 | GPU OpenCL性能、内存容量 |
| 高频控制与状态估计 | CPU大核 + DSP | 实时性、中断延迟、CAN接口 | CPU主频、DSP可用性、CAN数量 |
| 常驻低功耗感知 | DSP + 小核CPU | 低功耗模式、传感器接口 | DSP待机功耗、I2C/SPI资源 |
| 外部算力扩展 | PCIe / USB 3.x | 高速接口带宽、供电能力 | PCIe通道数、USB供电 |
综合来看，Snapdragon机器人平台的硬件架构可以概括为“通用CPU做决策、GPU做并行、NPU做推理、DSP做常驻、ISP做接入、共享内存做交换、丰富I/O做连接”。选型时先锁定感知路数和实时性要求，再反推内存带宽、NPU有效算力和接口数量，最后用功耗与散热条件做收敛。只有把SoC内部资源和外部机器人负载对应起来，后续的感知系统集成才不会在带宽、延迟或接口上踩坑。