技术选型
Jetson与RK3588做边缘AI如何选择？
Jetson与RK3588选型应比较目标模型生态、实测性能、视频接口、功耗、成本、开发效率和长期维护，而不是只看TOPS。
直接答案： 重视CUDA生态、模型适配、复杂视觉管线和开发效率时，Jetson通常更容易形成成熟方案；重视成本、功耗、本地化平台和特定NPU部署时，RK3588可能更合适。最终选择必须以目标模型、相机路数、延迟、温度和系统接口实测为准。
选型对比维度
| 维度 | Jetson系列 | RK3588类平台 |
|---|---|---|
| AI生态 | CUDA、TensorRT及视觉工具链成熟 | 依赖NPU工具链和算子适配 |
| 模型迁移 | 常见视觉模型资料较多 | 需要重点验证转换与算子支持 |
| 多媒体 | 型号间能力不同，应核对视频链路 | 视频与接口丰富，板卡实现差异较大 |
| 成本功耗 | 根据型号跨度较大 | 常用于成本和功耗敏感设备 |
| 维护 | 关注JetPack与系统版本 | 关注板卡BSP、驱动和厂商支持 |
为什么TOPS不能直接比较
TOPS通常对应特定数值精度和理想算子，不能代表目标模型端到端性能。预处理、后处理、数据复制、不支持算子和内存带宽都可能成为瓶颈。
建议的基准测试
使用同一模型、同一评估数据和接近真实的视频路数，记录转换后精度、平均与高分位延迟、吞吐、内存、功耗、温度和连续运行。还要验证相机、串口、网口、存储和系统升级。
结论
把平台选型视为产品约束权衡，而不是芯片排行榜。若模型和设备条件尚未稳定，先做小规模平台PoC。相关服务：边缘AI部署 。
常见问题
哪一个平台性能一定更强？
不能脱离具体型号、功耗配置、模型和运行时下结论。应使用目标模型和输入做端到端实测。