1. 课程导入与IGX平台概览
NVIDIA IGX 是面向工业与医疗边缘场景的加固级计算平台。它并不是一块单纯的 GPU 板卡，而是一套把“算力、功能安全、实时控制、长期可维护性”打包在一起的系统级方案。理解 IGX，需要同时看它的硬件架构、软件栈、目标场景，以及一个容易被忽视却决定项目成败的问题：在工厂车间、手术室、矿山或轨道交通上连续运行 5～10 年，这套系统凭什么还能稳定工作。
IGX 的定位：工业边缘的“安全算力底座”
传统边缘 AI 方案通常由三部分组成：一台工控机负责实时控制，一块 GPU 服务器负责 AI 推理，再加一层网络把两者连起来。这种拼装方式在实验室可行，但到了现场会遇到三个硬问题：一是实时控制与 AI 推理争抢资源，抖动不可控；二是整机没有功能安全认证，无法进入需要 SIL/ISO 13849 或 IEC 62304 的场景；三是生命周期短，消费级 GPU 三五年就停产，而工业设备要求十年供货。
IGX 的设计目标正是把这三件事收敛到一个平台上。它把 NVIDIA 的 AI 算力（Orin 系列 SoC 或独立 GPU）、Arm 架构的实时控制域、以及经过认证的安全机制集成在同一块载板上，让 AI 推理与实时控制可以共存而不互相破坏时序。同时，NVIDIA 对 IGX 给出长期供货与软件维护承诺，使工业客户可以按十年周期规划产品。
硬件架构：双域协同与加固设计
IGX 硬件最值得关注的是“双域”结构。一个域是 AI 计算域，运行在 NVIDIA GPU 或 Orin SoC 上，负责视觉推理、传感器融合、大模型边缘推理等任务；另一个域是实时控制域，通常由独立的 Arm Cortex 核或 MCU 承担，负责运动控制、安全逻辑、IO 采样等对确定性要求极高的任务。两个域之间通过高速内部总线交换数据，但关键安全信号走独立通道，避免 AI 域异常时拖垮控制域。
在物理层面，IGX 平台强调加固：宽温设计（常见工业级 -40℃～85℃ 结温范围）、抗振动冲击、ECC 内存、看门狗与电源监控。这些不是“加分项”，而是现场可用性的前提。例如在焊接机器人旁，电磁干扰和振动会持续存在，普通开发板可能几小时就出现内存位翻转或通信丢包，而 IGX 的 ECC 与错误上报机制可以把这类问题变成可观测、可恢复的事件。
软件栈：从驱动到安全中间件
IGX 的软件栈可以按四层理解。最底层是 NVIDIA 提供的 BSP 与驱动，包含 GPU 驱动、CUDA、TensorRT，以及针对 Orin 的 JetPack 组件。第二层是实时与安全中间件，例如用于确定性通信的 TSN 协议栈、用于功能安全的监控代理。第三层是应用框架，如 DeepStream 用于视频分析流水线，Isaac ROS 用于机器人感知与控制。最上层是客户自己的工业应用。
对可靠性验证而言，软件栈的关键在于“可观测性”。IGX 平台会暴露大量运行时指标：GPU 温度与功耗、ECC 错误计数、内存带宽占用、实时域的调度延迟、看门狗触发记录等。这些指标是后续章节做长期稳定性测试的基础。没有这些数据，所谓“稳定”只能靠感觉；有了它们，才能把稳定性变成可量化、可回归的工程指标。
目标应用场景
IGX 的典型场景集中在三类。第一类是工业自动化，例如协作机器人、AGV/AMR、视觉质检工位。这类场景要求 AI 推理与运动控制在同一节拍内完成，且不能因为一次推理超时就导致机械臂急停。第二类是医疗设备，例如手术导航、内窥镜 AI 辅助、移动式影像设备。这类场景对功能安全和电磁兼容要求极高，IGX 的认证基础可以缩短整机注册周期。第三类是恶劣环境下的边缘节点，例如矿山无人驾驶、铁路沿线巡检、油气管道监测，宽温与抗振是刚需。
可靠性与长期稳定性验证的核心价值
在工业边缘 AI 中，可靠性验证不是“上线前跑一遍”的环节，而是贯穿选型、开发、量产、运维的持续过程。它的价值体现在三个层面。
第一，把不可见的风险变成可测的指标。例如 GPU 在高温下的降频行为、DDR 在振动下的误码率、实时域在 AI 负载突增时的调度抖动，这些在短时间演示中往往看不出来，但会在现场运行数月后集中爆发。验证工作就是通过加速老化、温度循环、负载剖面等手段，把这些风险提前暴露。
第二，为功能安全认证提供证据链。医疗和工业安全标准要求提供故障率数据、诊断覆盖率、安全响应时间等证据。IGX 平台本身提供了部分安全机制，但整机是否达标，取决于客户如何集成、如何验证。长期稳定性测试记录、故障注入结果、看门狗响应日志，都是认证材料的一部分。
第三，支撑十年生命周期的可维护性。工业设备一旦部署，更换成本极高。验证工作不仅要证明“现在能用”，还要证明“三年后性能衰减在可接受范围内”“五年后备件与软件补丁仍可获得”。这要求验证计划覆盖长期供货、软件版本兼容、现场可更换单元（FRU）的寿命评估。
在进入具体验证方法之前，先建立一张整体地图：IGX 的 AI 域与控制域各自承担什么、它们之间如何交互、哪些指标决定现场可用性。上面的架构图给出了这个框架。接下来，我们会从测试环境与工具链开始，逐步把这张图上的每个关注点变成可执行的验证动作。