2. IGX硬件架构与可靠性设计
IGX Orin 平台面向工业、医疗与边缘 AI 场景，其可靠性并非单一芯片特性，而是由模组、载板、供电、散热、接口与固件安全共同构成的硬件级体系。理解这套体系，是后续做故障诊断时建立"物理层认知"的前提——很多看似软件崩溃的现象，根因其实在电源纹波、散热降频或看门狗超时。
模组与载板的分层结构
IGX Orin 采用"模组 + 载板"的分层设计。模组集成 Orin SoC、LPDDR5 内存、eMMC/UFS 存储、电源管理 IC（PMIC）以及安全启动所需的密钥存储单元；载板则承载工业级 I/O、以太网、CAN、串口、PCIe 插槽、M.2 扩展位以及看门狗与监控电路。这种分层带来的直接好处是：模组可独立做可靠性验证，载板可按行业需求定制，故障定位时也能先判断问题落在哪一层。
从诊断角度看，模组侧关注的是 SoC 结温、内存 ECC 状态、供电轨电压与安全启动链；载板侧关注的是接口电气特性、外部看门狗喂狗信号、风扇与温度传感器回路。二者通过高速连接器耦合，连接器接触不良会表现为间歇性 PCIe 掉链或启动失败，这类问题在日志里往往只留下"设备未枚举"的模糊记录。
电源与散热：最容易被忽视的可靠性源头
工业现场的供电质量往往比实验室恶劣。IGX 载板通常接受 12V 或 24V 输入，经多级 DC-DC 转换为模组所需的各路电压。上电时序由 PMIC 严格控制，任何一路电压未在窗口内建立，SoC 都不会释放复位。诊断时若发现系统"完全无反应"，应优先用示波器测量关键供电轨的上升时间与纹波，而不是先怀疑固件。
散热方面，Orin SoC 的结温阈值通常在 105°C 左右触发降频，更高则关机保护。载板上的温度传感器与风扇 PWM 构成闭环，风扇转速反馈丢失会导致散热能力下降。一个典型现象是：设备在常温下运行正常，装入密闭机箱后运行十几分钟开始丢帧或重启——这几乎可以锁定为散热回路问题，而非算力不足。
看门狗、ECC 与安全启动的协同
这三者分别对应"系统是否活着""数据是否可信""代码是否被篡改"三个维度。外部看门狗需要软件周期性喂狗，若喂狗停止，看门狗会拉低复位信号强制重启；ECC 对内存单比特错误自动纠正、双比特错误上报，错误计数持续增长说明内存或供电存在隐患；安全启动则从 BootROM 开始逐级校验签名，任何一级失败都会中止启动。
诊断时可以把它们串成一条判断链：系统反复重启，先看门狗是否触发（查复位原因寄存器），再看 ECC 错误计数是否异常，最后确认安全启动是否因签名或密钥问题被拦截。这条链能覆盖大部分"启动异常"类故障。
接口与连接器的可靠性
工业场景中的振动、粉尘与温度循环会加速连接器老化。PCIe 设备间歇性掉链、CAN 总线偶发错误帧、以太网链路反复 up/down，都可能源于连接器接触电阻变化或屏蔽不良。诊断这类问题，除了看软件日志，还应检查连接器插拔次数、固定螺丝扭矩以及线缆屏蔽层接地。对于 M.2 扩展位，散热垫贴合不良也会导致 SSD 过热降速，表现为写入性能骤降。