企业官网建设流程全解析

系列：《高通 NPU 边缘 AI 实战：从芯片架构到开发板落地》
从零到一 · 高通 Dragonwing 边缘 AI 12 讲
数据口径：[官方]=厂商规格书/文档代表性数值，[推算]=架构估算，[实测]=仅给方法不给结果。
本讲定位：第一次上手真实开发板——犀牛派 A1（基于高通 QCS6490），完成开箱、接线、系统就绪、基础联调与 NPU 可用性确认，后续陆续会把第 01/02 讲的理论用到硬件上。

本讲目标

• 目标读者：已经读完第 01/02 讲、选好了 SoC（默认 QCS6490），手里第一次拿到基于该 SoC 的真实开发板，准备点亮它的人。
• 本讲目标：把一块犀牛派 A1 从「纸箱里的板子」变成「能进系统、能传文件、NPU 确认可用」的开发平台，并建立一份可复用的环境检查清单。
• 你将带走：开箱接线顺序、三种进入系统的方式（串口/ADB/网络）、网络与文件互传、NPU 可用性验证命令、一键信息收集脚本，以及一份排错手册。

一、环境调研：为什么要自己搭环境，以及你的板子长什么样

1.1 从「纸上选型」到「手上板子」

第 02 讲结束时，你已经在纸面上把 SoC 选好了——本文默认是选择的QCS6490（约 12 TOPS INT8、生态最成熟、资料最多）。但「选对 SoC」和「板子能跑模型」之间，还隔着一整套环境搭建工作：板子要能点亮、系统要能进、工具链要能装、NPU 节点要能找到。这一讲做的，正是把纸面假设落地的第一步。

很多人卡在第一步不是因为难，而是因为步骤顺序错了：先急着装 SDK，结果板子没联网、ADB 不识别，SDK 根本传不上去。本讲的核心方法论是——先把板子变成一台「正常的电脑」，再谈 AI。

为什么值得单独用一整讲讲「搭环境」？因为边缘 AI 落地的真实分布是「80% 的时间在搞环境、20% 的时间在调模型」。一个算法工程师在云端的习惯是「pip install一下就能跑」，但到了边缘设备，他要面对的是供电、显示、串口、ADB、BSP 版本、驱动节点这一整套完全陌生的「硬件运维」技能树。很多人卡在第一步不是因为 AI 难，而是因为从来没人告诉他「板子要先当电脑来伺候」。这一讲就是把这套运维技能树一次性补齐，让你后面能心无旁骛地专注在模型本身。

1.2 认识你的板子：犀牛派 A1（硬件速览）

本系列实战主选的开发板是犀牛派 A1（Rhino Pi-A1），它是阿加犀出品的、基于高通QCS6490的真实开发板，出厂预装AidLux系统（一个把 Android + Linux 融合的双系统、并预置了 AI 工具链的发行环境，开箱即可做 AI 开发）。

为什么选它：QCS6490 是整张矩阵里生态最成熟、性价比最高的一档（第 02 讲已论证）；犀牛派 A1 把它做成了一块「插电即用」的开发板，且 AidLux 预置了后续要用的 QNN 相关运行环境，能省掉大量配环境的时间。后面所有上机示例，默认都在这块板上跑。

下面是 QCS6490 平台层面的关键能力（板子的具体接口布局、内存/存储容量等以阿加犀官方规格书为准，下面只列 SoC 平台级事实）：

把上面「平台能力」再拆开一层，方便你建立「板子肚子里到底是什么」的具象认知（均为 QCS6490 平台级事实 [官方]，具体芯片型号/容量以阿加犀官方规格书为准）：

一个关键认知：QCS6490 和旗舰手机 SoC 其实是「同源」的。它用的 CPU/GPU/NPU/ISP 架构，与高端手机芯片一脉相承；区别在于——手机 SoC 为「一年一换、极致能效、消费级温度」优化，而 QCS6490 这类边缘 SoC 为「长期供货、宽温工作、工业接口、开放可定制的 BSP」优化。正是这层差异，让它能被装进机器人、工业相机、智能网关这类生命周期长、环境苛刻的设备里。你买的不是「一颗手机芯片」，而是一颗「为长期可靠运行重新封装的同源芯片」。

提示：本讲不堆参数，重点是「怎么把它跑起来」。参数细节你在第 01/02 讲已经建立过心智模型，这里只确认「板子确实长在这个能力区间」。

1.3 系统选择：AidLux / Linux / Android 怎么选

犀牛派 A1 出厂预装 AidLux，这是最省心的开局。但你要理解三条路线的差异，方便后续换板或换系统：

本系列默认 AidLux 路线：理由只有一个——它把第 04 讲要装的很多东西提前预置好了，让你能用最少步骤从第 03 讲过渡到第 05 讲。等你熟练了，再换纯 Linux 或 Android 都不迟。

1.4 你需要准备的周边

开箱前先备齐，避免「板子到了没线」的尴尬：

• 电源：确认板子所需电压/电流（以官方规格书为准，通常 12V/2A 或类似），用原装或参数匹配的电源，供电不足是新手第一坑（见 6.1）。
• 显示：支持 HDMI 的显示器 + HDMI 线（首次建议接显示，方便看启动日志）。
• 网络：网线（千兆以太网）或 Wi-Fi 环境。
• 主机：一台装了 Windows/Linux/macOS 的电脑，装有adb（Android Debug Bridge）和scp/ssh。
• 相机（可选）：MIPI CSI 摄像头，第 08 讲才用，本讲先不接。

1.5 AidLux 开箱即用的真相：预置了哪些东西

很多人听到「预装 AidLux、开箱即用」会有误解，以为插电就能跑模型。准确说法是：AidLux 把后续要用的「运行环境」提前铺好了，但模型转换、量化、部署这些「你的活」还得你自己做（第 05–07 讲）。它通常预置了：

• Python 运行环境：开箱就有 Python3，方便你写采集、预处理、后处理脚本；
• AI 推理运行时：与高通 NPU 对接的运行时/库（QNN 相关），省去你从零配驱动的麻烦；
• 远程访问能力：Web 端 / SSH 访问，方便你不用接显示器也能操作；
• 示例与工具：部分示例模型、常用命令行工具。

一句话总结 AidLux 的价值：它把「环境地基」从「你要自己挖」变成「已经挖好」，但地基之上的房子（你的模型与业务）还得自己盖。这也是本系列把开发板主选犀牛派 A1 的核心原因——它让你用最少的步骤，从第 03 讲过渡到第 05 讲。

二、开箱与接线：顺序错了会返工

2.1 开箱清单

开箱后先核对（以阿加犀官方清单为准，下面为通用项）：开发板本体、电源适配器、天线（无线版）、快速指南。确认板子无明显物理损伤、接口无弯曲。

2.2 接线顺序（重要）

永远按这个顺序：① 先不接电源，把所有数据/显示线接好 → ② 最后接电源上电。反过来（先通电再热插拔 HDMI/USB）容易烧接口或起不来。

2.3 首次上电与启动

接好线、最后接电源后，板子会自动上电。正常情况：电源灯亮 → 显示器出现启动画面 / AidLux 桌面或登录提示 → 系统就绪（首次启动可能比后续慢，属正常）。

2.4 首次启动：从按下电源到系统就绪的时间线

理解启动流程，你才能在「卡住」时判断卡在哪一段。典型时间线（具体以官方为准）：

排错口诀：有灯无日志 → 查供电/串口线；有日志卡内核 → 查镜像/内存；过内核卡服务 → 查文件系统/存储（df -h提前看）。把这条时间线记牢，板子起不来时你不再瞎猜。

2.5 板载 LED、恢复模式与强制重启

虽然具体丝印以阿加犀官方为准，但这类开发板普遍有几个「救命设计」，提前知道能省你很多事：

• 状态 LED：通常电源灯（常亮=供电正常）、活动灯（闪烁=系统活着）。灯不亮先回 6.1。
• 恢复/刷机模式：遇到系统起不来，往往要进 fastboot / 恢复模式重刷镜像。具体进法（按键组合/短接）以官方指南为准——第一次正常启动时就把进恢复模式的方法记下来，别等砖了再找。
• 强制重启：长按电源键或断开重接。连续推理死机时常用。

工程建议：板子到手、第一次正常启动后，立刻把「如何进恢复模式、如何重刷官方镜像」两条写进你的实验笔记。多数人是在板子变砖的慌乱中才第一次去查，那时往往已经浪费半天。

2.6 验收标准：什么叫「环境搭好了」

别凭感觉判断「应该好了」。给环境搭建一个明确的可验收判据清单——全部打勾，才算这一讲毕业：

把这八条贴在显示器旁边，逐条打勾。你会发现「环境搭好」是一件可以客观判定的事，而不是一句含糊的「差不多了」。这也正是工程化思维——把模糊的「能用」变成可测量的「达标」。

三、系统初体验与基础联调

板子亮了只是开始，下面三步把它变成「你能操作」的开发平台。

3.1 三种进入系统的方式

三种方式不互斥：串口保底、ADB 过渡、SSH 日常。前两种在板子网络没配好时尤其救命。

3.2 网络配置（有线优先）

• 有线：插上网线通常自动获取 IP（DHCP）。用ip addr或 AidLux 桌面网络图标确认拿到地址。
• 无线：在 AidLux 桌面或adb shell里用nmcli/ 系统网络工具连 Wi-Fi。

拿到 IP 后，建议立刻ssh进去，比 ADB 更顺手。

3.3 文件互传

• ADB 路线：adb push local_file /data/local/tmp/上传；adb pull /path/on/board ./下载。
• 网络路线：scp local_file user@IP:/home/user/上传；scp user@IP:/path ./下载。

后面把模型、脚本传上板子，全靠这两条。本讲先把它们跑通一次即可。

3.4 确认系统信息

进系统后，先看一眼「我是谁、我在哪」：

# 查看系统版本与架构uname-acat/etc/os-release# 查看 CPU 信息（确认是 ARM64 / aarch64）lscpu# 查看内存free-h

正常应输出aarch64架构、已识别的内存大小。若架构不对或内存识别异常，先回到 6.x 排错。

3.5 进系统后顺手做几件事（常用环境命令）

进系统第一件事不是装 AI，而是确认「这台电脑健康」。下面几条命令建议每条都跑一遍：

# 1) Python 是否就绪（AidLux 通常自带）python3--version# 2) 磁盘空间（模型/镜像很占空间，别等满了再哭）df-h/# 3) 系统负载与温度（aarch64 上可看，具体温度节点路径以系统为准）uptimecat/sys/class/thermal/thermal_zone*/temp2>/dev/null|head# 4) 网络连通性ping-c38.8.8.8# 5) 确认能通过网段被主机找到（用于后续 ssh / scp）hostname-I

这几条分别对应「解释器、存储、热、网、地址」五个维度。把它们固化成你每次上新手板的第一动作，能提前 80% 的隐形坑。尤其df -h和温度，模型一大、连续推理一久，这两者最容易先爆。

3.6 主机侧工具准备（在你的电脑上）

联调是双向的——板子就绪还不够，你的电脑也要有称手的工具。建议第一次搭环境时就把主机侧配齐：

# 1) 安装 adb（以 Ubuntu 为例，macOS 用 brew install android-platform-tools）sudoaptupdate&&sudoaptinstall-yandroid-tools-adb adb version# 2) 验证能发现板子（板子接 USB 且开启调试后）adb devices# 3) 确认 scp/ssh 可用（网络路线用）whichscpssh

Windows 用户去谷歌「Android 平台工具」下载platform-tools并加进 PATH；macOS 用 Homebrew 一行搞定。把adb、scp、ssh三个命令在主机上跑通，是「能联调」的前置条件——别等到要传模型了才发现电脑没装 adb。

四、确认 NPU 可用：本讲最关键的一步

板子能进系统 ≠ NPU 能跑模型。下面四步把「NPU 在不在、能不能被工具链看到」坐实。

4.1 查看 SoC 信息

# 查看 CPU 型号（间接确认 QCS6490 平台）cat/proc/cpuinfo|grep-i"processor\|model name"|head

4.2 定位 Hexagon / HTP 相关节点与库

高通 NPU 本质上在系统里表现为 Hexagon 相关的驱动与共享库。可尝试定位：

# 查找与 hexagon / htp 相关的库文件（不同系统路径可能不同）find/-iname"*hexagon*"2>/dev/null|headfind/-iname"*htp*"2>/dev/null|head

在 AidLux 上，QNN 相关库通常已预置在系统路径中；若你换成了纯 Linux 自行安装 QNN SDK，则这些库在你解压 SDK 的目录里。本讲只要确认「系统里有这些库」，具体怎么用是第 04/05 讲的事。

4.3 qnn-platform-validator 初探

高通 QNN 工具链提供一个平台校验工具qnn-platform-validator，用来确认当前环境是否支持目标 backend（如 HTP）。在第 04 讲装好 QNN SDK 后，可以跑它来验证；本讲先记住这个名字，它是「NPU 可用性」的官方判官。

4.4 一条命令确认 NPU 在线（[实测] 方法）

最朴素的可用性判断：系统里存在 Hexagon/HTP 相关库与节点，且后续能跑通 qnn-platform-validator。严格意义上的「跑通第一个 NPU 推理」要到第 07 讲才算数——本讲的目标是「环境就绪、NPU 节点可见」，把「能不能跑」的验证留给工具链装好之后。

[实测] 本讲不输出任何 NPU 基准数字，只确认「环境 + 节点可见」。真实推理延迟/利用率，必须在第 04–07 讲装好工具链后，用qnn-net-run/qnn-profile在你的模型上实测，不要拿厂商峰值凑数。

4.5 「节点找得到却跑不动」的三种常见原因

本讲只确认节点可见，但先给你打预防针：将来（第 04–07 讲）你大概率会遇到「库能看到、但qnn-net-run一跑就报错」。最常见三因：

1. BSP 与 SDK 版本不匹配：板子镜像（BSP）里的驱动版本，和你在主机装的 QNN SDK 版本对不上，工具链认不出 backend。解决：按第 04 讲做版本匹配。
2. 权限/SELinux 限制：某些系统下 NPU 设备节点需要特定权限或关闭 SELinux 才能访问。解决：确认设备节点权限，必要时按官方指引调整。
3. 驱动未加载 / 固件缺失：find能看到库文件，但内核侧驱动没起来。解决：看dmesg里有没有 Hexagon/HTP 相关报错，对照官方 BSP 说明。

记住一句话：「节点可见」≠「能推理」，前者是地基，后者还要第 04–07 讲的工具链来兑现。本讲把地基夯实，后面才不会在「明明库都在却跑不起来」上浪费几天。

五、环境检查清单（Checklist）

把上面的步骤固化成一份可勾选的清单，每次换板/换环境都过一遍。

5.1 硬件 Checklist

• 电源参数匹配、上电灯亮
• HDMI 显示正常（或确认无需显示、走串口）
• 网线/Wi-Fi 接通，拿到 IP
• USB/串口可联机
• 板子温度正常（不烫手、不频繁重启）

5.2 软件 / 工具 Checklist

• 主机adb可用，adb devices能看到板子
• 能ssh进板子
• 能adb push/scp互传文件
• uname -a显示aarch64
• 系统内可见 Hexagon/HTP 相关库
• （第 04 讲后）qnn-platform-validator能跑通 HTP backend

5.3 一键信息收集脚本

下面这段 Python 可在板子上跑（或在主机侧整理），把关键信息一次性收集，便于发帖/求助/复盘：

# [推算] 板端环境信息收集（在板子 Python 环境或主机归档用）importsubprocess,platform,os,shutildefrun(cmd):try:returnsubprocess.check_output(cmd,shell=True,stderr=subprocess.DEVNULL).decode().strip()exceptException:return"N/A"defdisk():try:total,used,free=shutil.disk_usage("/")returnf"{(free//(1024**3))}GB free /{(total//(1024**3))}GB total"exceptException:return"N/A"info={"arch":platform.machine(),# 期望 aarch64"system":platform.system(),"release":platform.release(),"cpu_count":os.cpu_count(),"disk_root":disk(),# 根分区余量，模型大了先爆它"python":run("python3 --version"),"ip":run("hostname -I"),"hexagon_libs":run("find / -iname '*hexagon*' 2>/dev/null | head -3"),}fork,vininfo.items():print(f"{k:14}:{v}")# 输出示例: arch: aarch64 / cpu_count: 8 / disk_root: 20GB free / hexagon_libs: /vendor/lib/libhexagon_...

把它跑出来的结果连同「板子型号 + 批次 + 镜像版本 + 采集时间」一起归档成一行 CSV/Markdown，多板管理就靠它。后面第 11 讲讲量产时，这份归档还会升级成「批次一致性表」——环境可描述、可复现，是工程化的起点。

把它存成env_check.py，每次新环境跑一遍，输出贴进你的实验记录——这是工程化习惯，能省你日后无数排查时间。

六、坑点清单：新手第一周必踩的六个坑

6.1 供电不足

用功率不够的电源或劣质线，板子会反复重启、NPU 跑一下就掉。务必用官方/参数匹配的电源，供电是底座，底座不稳一切都白搭。

6.2 HDMI 不显示

先确认显示器输入源切对、线插紧；再确认板子确实启动了（看电源灯/串口日志）。部分板子默认不输出 HDMI 直到系统初始化完，耐心等几十秒。

6.3 ADB 不识别

常见于：没装驱动（Windows）、没开 USB 调试、线的数据功能坏。换线、换口、重装驱动、adb kill-server && adb start-server逐个试。

6.4 板子发热降频

QCS6490 能效不错，但密闭/无散热长期满载仍会降频（呼应第 01 讲功耗墙）。开发阶段保证通风，量产阶段按第 11 讲做 thermal 设计。

6.5 NPU 节点找不到

多半是系统镜像没带对应库，或你装 QNN SDK 没配对 BSP 版本（第 04 讲重点）。确认 AidLux 版本 / SDK 版本匹配。

6.6 网络不通

IP 没拿到先看 DHCP；SSH 连不上先确认 sshd 在跑、防火墙没挡。有线永远比无线稳，首推有线调试。

6.7 镜像版本与板子批次不匹配

同一型号板子可能分批次、配不同 BSP 版本。拿错镜像刷进去会起不来或功能缺失。对策：刷前核对板子批次与镜像版本号，记进实验笔记，别凭「型号一样」就混用。

6.8 误以为 AidLux 能「直接跑模型」

AidLux 预置的是运行环境，不是你的模型和业务。常见误区：插电就指望能推理。正确预期：本讲把环境地基铺好，第 05–07 讲你仍要亲手做转换、量化、部署。工具链省的是「配环境」，省不掉「你的模型落地」。

七、场景剖析：三种典型开局

同样是犀牛派 A1，不同目标的人开局重点不同：

• 纯视觉 PoC：重点在 HDMI 显示 + 网络 + 后续相机（第 08 讲）；本讲把显示和网络搞通即可。
• 机器人感知节点：重点在 SSH 远程 + 稳定供电 + 后续 ROS2（第 10 讲）；本讲优先确保能无显示远程操作。
• 工业检测：重点在稳定网络 + 散热预留 + 后续多路相机（第 08/11 讲）；本讲先确认环境可复现。

你会发现：环境搭建的「正确姿势」高度依赖你最终要做什么。本讲给的是通用地基，后面按场景往上盖楼。

八、术语表（Glossary）

• AidLux：阿加犀出品的、融合 Android + Linux 并预置 AI 工具链的系统环境，犀牛派 A1 出厂预装。
• ADB（Android Debug Bridge）：安卓调试桥，用于主机与板子间联机、shell、文件互传。
• 串口（Serial Console）：最底层的文本调试通道，板子网络没通时的保底入口。
• HTP（Hexagon Tensor Processor）：高通 NPU 的正式名称，本讲确认它在系统里「可见」。
• qnn-platform-validator：QNN 提供的平台校验工具，用来确认环境是否支持某 backend（如 HTP）。
• BSP（Board Support Package）：板级支持包，包含内核、驱动、镜像；SDK 版本要与 BSP 版本匹配。
• aarch64：ARM 64 位架构，高通边缘 SoC 的用户态架构，工具链需对应。

九、常见问题（FAQ）

Q1：犀牛派 A1 一定要用 AidLux 吗？
不一定。AidLux 是开箱最省心的默认路线，预置了 AI 工具链；你也可刷纯 Linux/Android，但要自行安装 QNN SDK（第 04 讲）。新手建议先用 AidLux 跑通全流程，再考虑换系统。

Q2：我没有显示器能搭环境吗？
能。走「串口 + 网络」路线：串口看启动日志、网络 SSH 进去操作，完全不需要 HDMI。很多机器人/工业部署本就是无显示 headless 形态。

Q3：adb devices 看不到板子怎么办？
按 6.3 顺序排查：换数据线（很多线只有充电功能）、确认 USB 调试开启、重装驱动、adb kill-server重启服务。仍不行就改用串口/网络。

Q4：怎么确认我的板子确实是 QCS6490？
cat /proc/cpuinfo看 CPU 型号、lscpu看架构，再结合官方规格书核对。板子丝印或系统信息也会标注平台。本讲重点是确认架构是 aarch64、能力落在 QCS6490 区间。

Q5：NPU 可用性的「最终判官」是什么？
qnn-platform-validator跑通 HTP backend，且第 07 讲能真正用qnn-net-run在 NPU 上出推理结果。本讲只是「节点可见 + 环境就绪」，真正的可用性验证在第 04–07 讲。

Q6：供电到底要多大？
以阿加犀官方规格书标注的电源参数为准，不要自己估。宁大勿小，劣质电源是隐形的稳定性杀手。

Q7：板子烫手正常吗？
轻微温热正常；烫到不敢碰、或频繁重启/降频就不正常，多半供电或散热问题。开发阶段保证通风，关掉外壳密闭。

Q8：为什么我强调「先把板子变成正常电脑再谈 AI」？
因为 90% 的「AI 跑不起来」其实是「环境根本没通」：网络没配、文件传不上去、库找不到。先解决通用计算平台问题，AI 工具链才能顺理成章装上去。

Q9：环境信息收集脚本一定要跑吗？
强烈建议。它花 30 秒，却能在你后续求助、写实验记录、换板对比时省下几小时。工程化的第一步，就是让环境「可描述、可复现」。

Q10：本讲和后面的工具有什么衔接？
本讲产出「就绪的板子 + 可见的 NPU 节点 + 信息收集脚本」；第 04 讲在上面装 QNN SDK / AI Hub / Device Cloud；第 05–07 讲依次做转换、量化、部署。本讲是地基，地基不稳后面全白搭。

Q11：AidLux 和纯 Linux 我该怎么最终决定？
开发阶段用 AidLux 最快；如果你的产品要深度定制 BSP、去掉安卓层、做极致裁剪，再切纯 Linux（Yocto/Ubuntu）。决定权在你产品形态，不在工具——工具是手段。

Q12：我有多块板子，怎么批量管？
每块的 IP、SN、系统版本用本讲的env_check.py收集后归档成表；批量 SSH 用pssh/ 脚本循环。量产前的「多板一致性」就靠这份归档，别靠脑子记。

Q13：无显示（headless）部署，环境怎么验证？
完全走串口 + SSH：串口看启动日志确认系统起得来，SSH 进去跑 3.5 的命令 + 4.x 的节点检查。headless 才是工业/机器人的常态，建议早点习惯无显示操作。

本讲速查卡（Cheat Sheet）

• 接线铁律：先接数据/显示线，最后接电源。
• 三进系统：串口（保底）/ ADB（过渡）/ SSH（日常）。
• 三必跑命令：uname -a（架构）、df -h（存储）、温度节点（热）。
• NPU 确认两步：系统里找到 Hexagon/HTP 库 + 后续qnn-platform-validator跑通 HTP。
• 一个脚本：env_check.py收集信息，每次新环境必跑、必归档。
• 一句底线：本讲只到「环境就绪 + 节点可见」，真能推理是第 04–07 讲兑现的。

十、结论与下讲预告

本讲把一块犀牛派 A1 从纸箱变成了「就绪的开发平台」：开箱接线 → 进系统（串口/ADB/SSH）→ 配网络传文件 → 确认 NPU 节点可见 → 打卡环境 Checklist。这些是后面所有上机操作的底座。

核心一句话：边缘 AI 落地，第一步不是装 SDK，而是让板子先成为一台你完全掌控的电脑。

下一讲（第 04 讲）我们在就绪的板子之上，把工具链一次性装齐：QNN SDK（Neural Processing SDK / AI Engine Direct）、Hexagon SDK、AI Hub、Device Cloud，建立「本地 + 云端」双工作流，为第 05 讲起的真机转换/量化/部署铺好路。

参考链接

• 阿加犀 AidLux 官方：aidlux.com
• Qualcomm Neural Processing SDK（QNN）：developer.qualcomm.com
• Qualcomm AI Hub（已验证模型）：aihub.qualcomm.com
• Hexagon SDK：developer.qualcomm.com