2. Intel边缘视觉硬件平台选型

多摄像头边缘视觉系统的硬件选型，本质上不是“挑一颗最快的芯片”，而是把摄像头路数、分辨率与帧率、每帧要跑的模型、允许的端到端时延、功耗与散热、部署环境、预算与生命周期这几组约束，映射到“CPU + 集成/独立加速器 + 内存带宽 + I/O”的组合上。Intel 在边缘侧可用的算力载体大致分为五类：Intel NUC（小型整机）、Intel Atom（低功耗 SoC）、Intel Core（主流桌面/嵌入式 CPU，含核显与 NPU）、Intel Xeon 边缘服务器（高核数、多通道内存、可挂多张加速卡）、以及 Intel Movidius VPU（专用视觉推理加速器，如 Myriad X）。它们不是互相替代的关系，而是处在算力、功耗、扩展性三个维度上的不同位置。

先明确选型的量化输入

在比较平台之前，必须先把需求写成可计算的量。以一路 1080p@30fps 摄像头为例，原始数据率约为 1920×1080×3 字节×30 ≈ 186 MB/s；若做 YOLOv5s 这类轻量检测（输入 640×640），单帧在 CPU 上可能需 30～80 ms，在 Myriad X 上约 10～20 ms。四路摄像头若每路都做检测，则推理吞吐需求约为 4×30 = 120 FPS。这个数字直接决定平台档次：Atom 通常只能承担 1～2 路轻量推理或纯解码转发；Core 可承担 4～8 路轻量模型；Xeon 边缘服务器配合多张加速卡可承担十几路以上或更大模型。

另一个常被忽略的量是内存带宽。多路视频解码、缩放、推理前后处理都在争抢内存带宽。Atom 平台多为单通道 LPDDR4，带宽约 10～20 GB/s；Core 平台双通道 DDR4/DDR5 可达 40～80 GB/s；Xeon 服务器多通道内存可达 100 GB/s 以上。当路数增加时，瓶颈往往先出现在内存带宽而非算力峰值。

五类平台的定位与典型适用场景

Intel Atom 属于低功耗 SoC，TDP 常在 6～15 W，适合单路或双路 1080p 的轻量任务，例如只做视频解码、运动检测、简单分类，或作为摄像头网关把码流转发到后端。它的优势是功耗低、可无风扇设计、成本低；劣势是算力与内存带宽有限，跑中等规模检测模型时帧率会明显下降。典型场景：门禁人脸抓拍、单路智能相机、低功耗边缘采集节点。

Intel NUC 是小型整机形态，通常搭载 Core 或 Atom 处理器，体积小、接口齐全（多 USB、HDMI、部分型号带双网口）。它适合作为“一台设备管几路摄像头”的边缘节点，例如 4 路 1080p 的零售客流分析、小型产线质检。NUC 的关键限制在散热与扩展：持续满载时可能降频，且通常只有 1～2 个 M.2 插槽，能挂的加速卡数量有限。

Intel Core（含嵌入式版本）是主流选择，TDP 约 15～65 W，具备多核 CPU、较强核显（Intel UHD/Iris Xe）以及部分型号的 NPU。核显和 NPU 可以承担推理加速，OpenVINO 对这两者有良好支持。Core 平台通常配双通道内存，能支撑 4～8 路 1080p 的轻量模型推理，或 2～4 路中等模型。它适合大多数中等规模的多摄像头边缘视觉项目，是性价比与灵活性最均衡的一档。

Intel Xeon 边缘服务器面向高密度场景：多核、多通道内存、PCIe 通道多，可插多张加速卡（如 Flex 系列 GPU 或多张 Movidius 加速卡）。它适合 16 路以上摄像头、需要跑较大模型（如高精度检测、多模型并行）或需要本地存储与数据库的场景，例如智慧园区、大型工厂、交通路口。代价是功耗、体积、散热和成本都显著上升，通常需要机柜或专用机箱。

Intel Movidius VPU（Myriad X）是专用视觉推理加速器，典型功耗约 1～2 W，单颗可提供约 1 TOPS 级别的推理能力，擅长卷积网络推理。它通常以 USB 棒或 M.2 模块形式挂载在 NUC、Core 或 Xeon 主机上，把推理从 CPU 卸载出去。多颗 VPU 可以并行扩展，例如 4 颗 Myriad X 可支撑约 8～12 路轻量检测。它的限制是模型兼容性与内存（通常 4 GB 级），不适合超大模型或需要频繁切换模型的场景。

选型决策表（示例参数，用于教学对比）

下表给出的是教学示例参数，用于说明量级差异，不代表任何具体型号的实测值。实际选型应以目标型号的官方规格与实测基准为准。

从需求到平台的映射方法

实际选型可以按以下顺序推进。第一步，统计摄像头路数、分辨率、帧率，算出总推理吞吐需求（FPS）。第二步，确定模型：输入尺寸、参数量、是否量化（INT8 通常比 FP32 快 2～4 倍）。第三步，用目标平台做一次基准测试，得到单帧时延，再乘以路数，判断是否满足时延预算。第四步，检查内存带宽与 I/O：多路解码是否会让带宽饱和，USB 摄像头是否共享控制器带宽。第五步，评估功耗与散热：无风扇环境必须选低 TDP 平台，或降低帧率/分辨率。第六步，考虑扩展与生命周期：未来是否加路数、是否需要多机级联。

一个可执行的最小验证流程

在批量采购前，建议用一台目标平台做最小验证。以 Core 平台 + OpenVINO 为例，先用 benchmark_app 测单模型单帧时延：

benchmark_app -m yolov5s.xml -d GPU -api async -niter 100 -nstreams 4

其中 -d GPU 指定用核显推理，-nstreams 4 模拟 4 路并行。观察输出的 Throughput 与 Latency：若 Throughput 达到 120 FPS 且 Latency 低于 33 ms，则 4 路 1080p@30fps 基本可行。随后用真实四路视频流做端到端测试，观察 CPU 占用、内存带宽、温度与是否降频。若温度持续超过 90°C 并降频，说明散热不足，需要换更高 TDP 的散热方案或降低路数。

对于 Movidius VPU，验证重点是模型能否成功编译为 blob，以及多颗 VPU 并行时的吞吐是否线性增长。可以用 mvNCCompile 或 OpenVINO 的 MYRIAD 插件编译模型，再测单颗与多颗的 FPS 差异。若多颗并行时吞吐没有提升，通常是宿主 USB 带宽或 PCIe 通道成为瓶颈。

总结来说，Atom 适合低功耗单路，NUC 适合小规模多路，Core 是中等规模的主力，Xeon 边缘服务器面向高密度大模型，Movidius VPU 则是把推理从 CPU 卸载出去的灵活加速选项。选型的核心不是记住型号，而是把路数、帧率、模型、功耗、扩展性写成可计算的约束，再用基准测试验证，最终在算力、能效、成本之间找到匹配点。