Synaptics Coralboard™ SL 与 Raspberry Pi 5 对比：如何选择适合边缘 AI 的开发板
本文对比的是公开发布的规格参数。Synaptics 与 Raspberry Pi Ltd. 无任何关联。Raspberry Pi 是 Raspberry Pi Ltd. 的商标。
Coralboard™ 系列是与 Google Research 合作、面向采用 Coral NPU 技术的产品而打造的边缘 AI 开发套件家族，旨在让开发者更轻松地进行高能效 AI 产品的原型开发。Synaptics 近期推出了该系列的首款套件——Synaptics Coralboard™ SL。许多开发者都熟悉 Raspberry Pi 5，在评估一款新开发板时，它自然是一个参照对象。那么，全新的 Coralboard SL 与市场上最受欢迎的通用单板计算机相比表现如何？请继续阅读，一探究竟！
太长不看版
Synaptics Coralboard SL 以能效和成本效率为核心，并且基于一个从第一天起就可直接量产的平台。它的设计理念很简单：通过优化每瓦每美元的性能，将真正的 AI 能力带到低 功耗、电池供电的设备中。在纯速度基准测试中，它未必能在每一项上都胜过 Raspberry Pi 5 这样的通用开发板，但其节能优势非常可观——正如下文数据所示，往往能达到数倍之多。
Synaptics Coralboard SL 与 Raspberry Pi 5 概览
下面我们来看看 Coralboard SL 与 Raspberry Pi 5 的相同点与不同点。
定位
两者面向的任务不同。Raspberry Pi 5 是一台通用的 Arm Linux 计算机，拥有庞大的软件和 HAT 生态，但没有片上 AI 加速器。Coralboard 则专为边缘 AI 的高能效和量产就绪而打造。
处理器（片上系统）
Coralboard SL 基于 Synaptics Astra SL2619，这是一款双脑架构 SoC，将应用级处理器核心与专用实时核心以及片上 NPU 结合在一起。Raspberry Pi 5 基于 Broadcom BCM2712，这是一款没有片上 NPU 的通用应用处理器。
Coralboard SL (SL2619)
| Raspberry Pi 5 (BCM2712)
|
尺寸
Raspberry Pi 5 采用标准 Raspberry Pi 板型（85mm x 56mm），比小巧的 Coralboard 更大。
Coralboard SL | Raspberry Pi 5 |
功能差异
| 功能 | Coralboard SL 2GB | Raspberry Pi 5 |
|---|---|---|
| 内存 | 2 GB DDR4（更多选项即将推出），见说明 | 最高 16 GB LPDDR4X |
| 存储 | micro-SD | micro-SD PCIe 2.0 x1 |
| USB | 1 x USB2 | 2 x USB3 2 x USB2 |
| 有线网络 | USB 网络 | 千兆以太网 |
| 无线网络 | 扩展 Wi-Fi 6E 与蓝牙 5.3 模块 | 板载 Wi-Fi 5 与蓝牙 5.0 |
| 触摸显示屏 | MIPI DSI | MIPI DSI |
| HDMI | 扩展 micro-HDMI | 双 micro-HDMI |
| 摄像头 | MIPI CSI 或 USB | MIPI CSI 或 USB |
| 麦克风 | 带 PDM 麦克风的扩展模块或 USB | 扩展模块或 USB |
| 音频输出 | I2S 或 USB | 扩展模块或 USB |
| GPIO | 20 针排针、MikroBus、QWIIC | 40 针排针 |
| Linux | 基于 Yocto Project 的 Astra SDK | Raspberry Pi OS |
| RTOS | Zephyr / FreeRTOS | 不适用 |
AI 加速、模型与模型优化
Coralboard SL 专为高能效边缘 AI 而打造，片上集成 Torq AI 引擎，无需额外硬件即可直接在 SL2619 上卸载并加速模型推理。Torq AI 引擎采用 Coral NPU 技术，可加速多种类型的模型，包括视觉、音频以及基于 Transformer 的 LLM。你可以使用 PyTorch、ONNX、JAX 和 TFLite/LiteRT 等主流框架的模型，并通过基于开源行业标准 MLIR / IREE 的 Torq 编译器进行优化。阅读更多
Raspberry Pi 5 没有片上 NPU。AI 加速需通过 官方 Raspberry Pi AI Kit / AI HAT+ 扩展实现，它使用经由 Pi 5 PCIe 接口连接的 M.2 模块（最高约 26 TOPS）。这能提供更高的峰值吞吐量，但它是一个独立模块，有自己的 SDK、功耗和成本。见下文
电池供电运行
Coralboard SL 配有专用的电池电源输入接口，兼容带 JST-PH 2.0 接头的 3.7V 锂聚合物电池。Raspberry Pi 5 只有一个用于 RTC 纽扣电池的小接口；若要用电池为开发板本身供电，需要额外的 UPS/电池 HAT 为其 USB-C 电源输入供电。
能效
两个平台都支持动态电压频率调节（DVFS），可根据当前负载调节时钟和电压。Coralboard SL 的基础功耗明显更低，这既得益于其低功耗 SoC，也因为板上元器件更少。
此外，其 SL2619 双脑架构允许 Arm Cortex-A55 应用核心完全断电，而片上的 Arm Cortex-M52 核心以约 50 mW 的功耗保持运行，处理日常维护任务并等待唤醒事件。Raspberry Pi 5 的 BCM2712 没有类似的片上监控核心。
基准测试
为了了解两个平台的对比情况，我们测量了以下场景。有关功耗和性能测量方式的更多信息，请参阅下文的基准测试详情。
这些结果旨在说明特定测试条件下各平台之间的相对差异，不作为官方性能或功耗规格。如需权威数据，请查阅各处理器的数据手册。
基础功耗
在运行任何高级应用之前，我们先测量了系统空闲时的整板功耗。为准备此项测量，我们拔掉了所有线缆（电源和串口除外），并关闭了显示、网络服务和 Wi-Fi。待功耗稳定后，测得以下结果。
| 基准测试结果 | Coralboard SL 2GB | Raspberry Pi 5 |
|---|---|---|
| 基础功耗（整板） | 0.56 W | 1.90 W |
Coralboard SL 的空闲基础功耗仅为 Raspberry Pi 5 的 30%。对于常开或电池供电的设计，空闲功耗往往比推理峰值功耗更重要。
目标检测
我们使用 YOLOV8n 测试了目标检测。基准测试应用从 USB 摄像头视频流中检测 COCO 数据集中的物体。
我们在 **Coralboard SL 2GB（Astra SL2619）**上使用 NPU 测试了模型推理，并在 Raspberry Pi 5 2GB 上测试了 2 个 CPU 和 4 个 CPU 两种配置。测量的是整板功耗。为聚焦于 AI 模型的执行效率，我们减去了基础功耗。
- 性能与功耗
乍一看，Raspberry Pi 5 的纯速度更高（102 FPS 对 74 FPS）。但请注意达到这一性能需要多少功耗。对于重视能效的应用，应当考虑每单位能量能获得多少性能。
- 每焦耳推理次数
现在可以清楚地看到，搭载 Astra SL2619 及 Torq NPU 的 Coralboard SL 在能效方面表现出色，每单位能量完成的工作量是对手的 2.6 倍以上。与此同时，它仍能达到 74+ 帧每秒（FPS）。请参阅下文关于 FPS 的说明。
与 Raspberry Pi 5 相比，Coralboard SL 的每焦耳推理次数达到 2.6 倍，同时仍能维持 74 FPS。
大语言模型（LLM）
接下来我们测试了 Gemma3 270M LLM。这是 Google 推出的开放权重模型，主要面向端侧部署和聚焦的特定任务。它可用于多种语言相关任务，甚至简单的智能助手。
同样，我们在 **Coralboard SL 2GB（Astra SL2619）**上使用 NPU 测试了模型推理，并在 Raspberry Pi 5 2GB 上测试了 2 个 CPU 和 4 个 CPU 两种配置。同样测量整板功耗，并减去基础功耗以聚焦于 AI 模型的执行效率。
此外，我们还测试了该模型不同量化级别的多个变体，包括 int4、int8、bf16 和 fp32。不出所料，量化程度越高，模型的能效和内存效率就越高。不过，Coralboard SL 与 Raspberry Pi 5 之间的相对性能非常接近。以下对比聚焦于量化最激进的模型——int4。
- 性能与功耗
同样，Raspberry Pi 5 的速度更高（41 tok/sec 对 15 tok/sec）。但 Coralboard SL 的节能幅度同样巨大。我们来看看每单位能量的性能。
- 每焦耳推理次数
搭载 Astra SL2619 和 Torq NPU 的 Coralboard SL 再次成为能效最高的平台，测试中每焦耳（瓦秒）完成 1.17 次推理，而 Raspberry Pi 5 的最佳配置为每焦耳 0.7 次。
- 内存占用
那么内存占用呢？我们检查了每种测试配置所需的峰值内存。
得益于 Torq 编译器和运行时带来的模型优化，在 Astra SL2619 上运行的模型在测试中所需内存最少。
- 与 Raspberry Pi 5 相比，Coralboard SL 每单位能量完成的工作量达到 1.7 倍，同时仍能达到约 15 tokens/秒，快于人类语速（ 约 3 tok/sec）和舒适阅读速度（约 5 tok/sec）。
- 此外，Coralboard 的内存效率高出约 19%。
更多信息请参阅下文的基准测试详情。
模块化与可扩展性
两款开发板都提供了从原型到量产的路径。Coralboard SL 的设计可扩展至用于量产设计的 Grinn AstraSOM-261x 系统级模块（见下文）。Raspberry Pi 5 的量产路径是 Raspberry Pi Compute Module 5（CM5），它在 SO-DIMM 式模块中搭载相同的 BCM2712 SoC，可用于定制载板。
走向量产
Synaptics Coralboard SL 2GB 的设计基于 Grinn AstraSOM-261x，这是一款可直接量产的系统级模块（SoM）。在量产系统中采用 SoM 可大幅降低设计复杂度。更多信息请访问 Grinn AstraSOM-261x 产品页面。Raspberry Pi 生态中对应的量产路径是 Raspberry Pi Compute Module 5，专为大规模集成到定制载板而设计。
总结
Raspberry Pi 5 和 Coralboard SL 其实并不是在争夺你桌上的同一个位置。当你需要通用计算能力、广泛的 HAT 和软件生态 以及灵活的内存/存储选项时——尤其是在功耗预算并非首要限制的项目中——Raspberry Pi 5 是不错的选择。而 Coralboard SL 则专为另一端而打造：将真正的 AI 负载——视觉、音频，甚至基于 Transformer 的 LLM——装进低功耗、通常由电池供电的设备中，凭借片上 NPU 和双脑架构，以远低于 Pi 空闲功耗的代价持续监听唤醒事件。
想了解更多？
- 购买 Coralboard SL
- 查看 Coralboard SL 入门指南。
- 了解更多关于 Astra SL2610 系列的信息。
- 在 Google 官方开发者网站上了解更多关于 Coralboard 系列的信息。
- 在 GitHub 上获取最新的 SL2610 示例应用
- 在 Synaptics 开发者专区学习如何开始使用 Synaptics Astra 构建边缘 AI 应用
附加信息
说明
-
AI HAT - Raspberry Pi 5 兼容扩展神经网络加速器（AI HAT+ 和 AI HAT+2）。它们能提升 AI 处理性能，但会带来可观的额外成本以及更高的功耗。为保持成本和能耗的可比性，我们有意没有测试 AI HAT。
-
DRAM 内存 - 更多内存可以提升性能，但同样会增加成本（尤其是在近期内存价格飙升的情况下）。更多内存也意味着更高功耗。同样为了保持可比性并聚焦于能效，我们测试的两个平台均为 2 GB 版本。
-
FPS：这里的 FPS 仅衡量推理吞吐量——基于每帧的模型计算时间——而非端到端的摄像头采集速率，后者受摄像头自身帧率限制（约 30）。那么，你真正需要多少 FPS？更快意味着在等待下一帧到来时可以处理其他事情。是否真的需要，取决于具体应用。
基准测试详情
功耗测量设置
- 使用 USB Type-C 功率分析仪测量整板输入功耗。功耗数据包含微处理器、内存和外设芯片。
- 将测得功耗减去基础功耗，得到执行推理所需的净功耗。
- 能量按功耗乘以完成推理所需时间计算。
- 关闭了显示和网络等未使用 的服务以降低功耗。
目标检测测试
- 目标检测测试使用 USB 摄像头。
- 模型经训练可识别 COCO 物体。
- 运行时
- 在 CPU 上运行使用 LiteRT/TFLite
- 在 NPU 上运行使用 Torq/IREE
LLM 测试
- 使用 10 个问题进行了简单测试。
- 所有测试的结果均经过交叉核对。模型回答略有差异，但均符合事实。
- 运行时
- 在 CPU 上运行使用 llama.cpp/GGUF
- 在 NPU 上运行使用 Torq/IREE
测试软件
- Astra SDK（Yocto Linux）v2.5
- Torq 编译器与运行时 v2.3
测试硬件
- Coralboard SL 2GB（Google I/O 版）
- Raspberry Pi 5 2GB
代码
基准测试所用代码使用 Python 实现，并已发布至此代码仓库。
Google 和 Coralboard 是 Google LLC 的商标。Raspberry Pi 是 Raspberry Pi Ltd. 的商标。