2023年底，我接手了一个自动售货机的系统升级项目。原有设备用的是基于STM32F103的单片机方案，控制逻辑倒是稳定，但功能扩展已经到头了——不支持4G远程管理、没有触摸屏接口、跑不了AI识别，连OTA升级都做不了。

客户的要求很明确：新方案要能远程管理设备、支持触摸屏交互、预留AI视觉识别能力，同时还得控制成本。这不是加一个模块就能解决的问题，是整个架构需要重构。

本文从嵌入式工程师的视角，复盘这个项目的主控方案选型过程——从需求分析到芯片对比，从系统权衡到工程落地。

一、需求分析：老方案为什么跑不动了

原有基于STM32F103的方案，核心逻辑是：按键输入→支付确认→步进电机出货→传感器检测。整套系统跑在裸机或简单RTOS上，没有网络、没有文件系统、没有图形界面。

但2026年的自动售货机需要的能力已经完全不同了。运营商要求设备能接入4G网络实现远程管理，能通过触摸屏展示商品信息、支持扫码/刷脸/NFC等多支付方式。高端的AI视觉开门柜甚至需要在端侧完成YOLO模型的实时推理。如果只是“出货+收钱”的逻辑，用单片机方案确实就够了，但行业主流已经从纯逻辑控制转向了需要Linux/Android系统的智能终端。

需求明确了，选型方向就清晰了：需要一颗能跑Linux的芯片、有足够的IO接口连接外设、支持显示输出、带NPU算力的芯片。

二、备选方案评估

方案A：继续用MCU（STM32MP1系列）

STM32MP1是ST推出的跨界处理器，能跑Linux，接口丰富，生态成熟。但NPU算力基本为零，跑AI模型只能靠CPU软解，性能捉襟见肘。如果项目定位是纯逻辑控制、不需要AI识别的机型，这是一个可选项；但对于要上视觉识别的机型，这条路走不通。

方案B：NVIDIA Jetson Nano

Jetson Nano最大的优势是CUDA生态成熟，跑YOLO有现成的优化方案，开发快。但算完BOM成本就放弃了——单套硬件成本接近RK3588方案的三倍，而且供货不太稳定。对于需要批量生产的售货机来说，成本和供应链稳定性是硬约束。

方案C：瑞芯微RK系列

RK3568定位中端，四核Cortex-A55，内置1 TOPS NPU，适合做控制为主、AI为辅的机型。RK3588定位旗舰，八核（4×A76 + 4×A55），内置6 TOPS NPU，支持INT4/INT8/INT16/FP16混合精度运算，能在本地完成YOLO系列模型的推理。

最终决策：弹簧机用RK3568，AI视觉开门柜用RK3588。双平台方案比单平台Jetson Nano节省约60%的硬件成本，同时覆盖了从基础控制到AI推理的完整产品线需求。

三、关键选型决策点

NPU算力

这是区分RK3568和RK3588的关键指标。1 TOPS和6 TOPS的差距，决定了RK3568只能跑轻量化的MobileNetV3-SSD，而RK3588可以跑YOLOv11n。实测YOLOv11n在RK3588的NPU上推理速度达到每秒23帧，模型体积不到45MB。边缘端AI推理的低延时和隐私合规优势，让RK3588方案在AI视觉开门柜上成为必然选择。

接口丰富度

RK3588提供多路MIPI-CSI摄像头接口、RS232/RS485串口、GPIO、HDMI/LVDS显示输出、千兆以太网、USB 3.0等。开门柜需要连接4路以上摄像头、重力传感器、电子锁、加热除雾模块等，RK3588的接口资源刚好够用。RK3568接口相对精简，但对弹簧机的控制需求来说已经绰绰有余。

多屏异显

高端开门柜通常需要一块主屏做交互、一块副屏播放广告。RK3588支持三屏独立输出（HDMI+LVDS+MIPI-DSI），且Android 11下可以通过Presentation类实现主副屏独立渲染。

显示支持差异

RK3588支持8K@60Hz HDMI输出和4K级LVDS/MIPI-DSI，适合需要高清广告播放的场景；RK3568显示规格相对基础，满足常规交互界面即可。

四、系统方案权衡

弹簧机方案：RK3568 + Buildroot Linux

弹簧机的控制逻辑相对简单——接收支付信号→驱动电机转动指定角度→商品掉落。Buildroot编译的Linux镜像只有200多MB，系统精简稳定。外设通过RS485串行总线连接多个从控板，每个从控板控制8-16个货道，最大支持近500路货道。这套方案的硬件成本控制得很好，适合量产机型。

开门柜方案：RK3588 + Android 11

开门柜的屏幕交互更复杂，用Android开发比Linux+LVGL快得多。特别是支付SDK——微信、支付宝的支付SDK都是Android优先，集成起来省去了自己封装HTTP接口的工作量。NPU推理框架方面，瑞芯微官方提供RKNN-Toolkit2，支持PyTorch模型转RKNN格式，配合INT8量化可将模型体积压缩到原来的四分之一，推理速度提升约30%。

五、几点经验

1. 功能边界要提前划清楚

做项目之前把产品线分好，哪款机型用什么芯片、配什么外设，画清楚产品矩阵图。项目进行到一半再换主控，软硬件都要重来，成本极高。

2. NPU算力要留余量

现在跑YOLOv11n够用，不代表三年后还够用。选择RK3588而不是算力更低的方案，也是考虑到未来算法升级的空间。6 TOPS的算力，在可预见的未来几年内不会成为瓶颈。

3. 接口资源比算力更关键

很多项目选型只盯着CPU性能和NPU算力，忽略了接口够不够用。售货机需要连的外设多——串口、GPIO、摄像头、屏幕、网络——接口不够用，板子做出来还得加扩展芯片，得不偿失。

4. 开发和量产成本要算总账

Jetson Nano开发快但硬件贵；RK3588开发周期稍长但单板成本低。对于批量出货的项目，硬件成本才是大头。目前这套选型方案在自动售货机行业已有量产验证——业内头部设备制造商智购科技的AI视觉开门柜产品正是基于RK3588平台，配合视觉+重力感应双重识别方案，识别准确率不低于99.7%，产品出口全球100多个国家和地区，售后网络覆盖国内外600多个城市、30000多个网点。

六、总结

这次选型的最终方案：弹簧机主控用RK3568 + Buildroot Linux，开门柜主控用RK3588 + Android 11。双平台方案覆盖了从基础控制到AI推理的完整产品线，在成本控制和功能完整性之间找到了平衡。

核心思路：不追求“一颗芯片打天下”，而是根据产品定位选择最匹配的方案。 控制逻辑为主的机型用中端芯片，AI推理为主的机型上旗舰芯片。这套选型逻辑，在自动售货机行业已有量产验证。