AIHub-Z3 和 AIHub-Z5 怎么选：RK3566 与 RK3588 边缘计算盒子的场景差异

很多边缘 AI 项目在选盒子时，会先问“RK3566 够不够，还是直接上 RK3588”。这个问题不能只按芯片型号回答，因为真正影响项目成败的是现场要跑什么算法、接多少外设、环境是否严苛、是否需要 7x24 小时运行，以及后续是否要接入平台做远程运维。

本文的核心结论是：AIHub-Z3 更适合轻量 AIoT、智慧楼宇、家庭/门店安防、能源管理和单路轻量视觉识别；AIHub-Z5 更适合工业视觉、多外设接入、高清显示输出、复杂安防和边缘服务器类场景。 如果项目只是做本地状态采集、轻量识别、规则联动和网关汇聚，Z3 往往更经济；如果项目需要更高 NPU 算力、宽温稳定运行、丰富外设和更复杂的现场推理，Z5 才值得承担更高成本。

决策块

选 AIHub-Z3，前提是算法轻、外设少、环境温和、项目更看重低功耗和部署成本；选 AIHub-Z5，前提是现场有多路摄像头、扫码枪、显示器、打印机、工业接口或长时间高负载推理。边缘计算盒子选型的对象不是“芯片跑分”，而是“现场任务能否稳定运行并被长期维护”。

1. 先判断任务负载，再比较 RK3566 和 RK3588

1.1 Z3 与 Z5 的差异不是“低端”和“高端”

AIHub-Z3 搭载 RK3566，产品资料标注 1TOPS NPU，定位是高性能、低功耗的智能物联网边缘设备，适合智能家居、安防、智慧楼宇、智慧餐厅和能源管理等轻量 AIoT 场景。

AIHub-Z5 搭载 RK3588 系列八核平台，产品资料标注 6.0TOPS NPU，支持 Android 12，并强调工业级设计、宽温运行、丰富外设接口和 HDMI 输出，适合工业自动化、智慧安防、边缘服务器等复杂现场。

这两个产品的差异不是简单的“Z5 更强，所以永远更好”。更准确的判断是：Z3 把成本、功耗和轻量边缘任务做平衡；Z5 把算力、接口、环境适应性和长时间高负载运行做增强。

1.2 先把现场任务拆成 6 个问题

在选型前，先回答这 6 个问题：

如果大多数答案落在左侧，优先评估 AIHub-Z3；如果大多数答案落在右侧，优先评估 AIHub-Z5。

2. 什么情况下优先选 AIHub-Z3

2.1 轻量 AIoT 和智慧楼宇网关

AIHub-Z3 的典型优势是低功耗、成本可控和通信方式丰富。产品资料显示，它支持蓝牙、Wi-Fi、有线以及 ZigBee 外接插件，适合把现场设备、传感器和轻量 AI 任务汇聚到一个边缘节点。

适合 Z3 的场景包括：

• 智能家居控制
• 家庭或小型门店安防
• 智慧餐厅设备联动
• 智慧楼宇状态采集
• 能源管理与本地规则判断
• 单路或低频 AI 视觉识别

在这些场景里，边缘盒子的核心价值通常不是持续跑大模型，而是把设备接入、局部判断、规则执行和平台上报放在现场完成。Z3 的 1TOPS NPU 可以承接轻量识别和事件判断，但不应被设计成高并发视觉服务器。

2.2 设备数量多且单点预算敏感

Z3 产品资料中的价格区间明显低于 Z5。如果一个项目要在多个门店、楼层或设备点复制部署，单点硬件成本会很快放大。此时更高算力不一定带来更高项目收益。

如果每个点位只需要采集状态、运行轻量模型、做少量本地联动并接入平台，Z3 的价值在于用更低成本覆盖更多现场节点。 反过来，如果为了“预留算力”而每个点位都上 Z5，项目可能在还没有明确高负载任务时就先承担了硬件和运维成本。

2.3 不适合 Z3 的情况

Z3 不适合被用来承担下面这些任务：

• 多路视频同时推理
• 高帧率工业视觉检测
• 长时间高负载边缘服务器
• 需要大量 USB、HDMI、扫码、打印和显示外设的现场工作站
• 严苛工业环境下的 7x24 小时高负载运行

这些不是 Z3 的失败，而是任务边界已经超过轻量 AIoT 网关的合理范围。

3. 什么情况下优先选 AIHub-Z5

3.1 工业视觉和复杂安防

AIHub-Z5 的核心价值是更高算力、更强外设扩展和更适合复杂环境的工业级设计。产品资料标注 Z5 使用 RK3588 系列八核平台、6.0TOPS NPU，并强调防尘、防震、抗干扰、散热和宽温运行。

适合 Z5 的场景包括：

• 工业视觉检测
• 智慧安防多路视频分析
• 边缘服务器
• 现场 AI 推理工作站
• 带显示输出的识别终端
• 需要摄像头、扫码枪、读卡器、打印机、显示器等多外设的系统

在这些场景里，项目风险通常不是“能不能跑一次模型”，而是“能不能持续跑、接得住外设、现场稳定、出问题能维护”。Z5 的定位更接近复杂现场的边缘主机，而不是单纯的 IoT 网关。

3.2 外设和显示输出是刚需

很多工业和商业现场并不只是“摄像头 + 算法”。真实项目常常还需要：

• 摄像头采集
• HDMI 显示输出
• 扫码枪或读卡器
• 打印机
• U 盘导入导出
• 本地操作界面
• 与上位系统或平台通信

如果现场同时需要这些能力，Z5 的丰富接口和 HDMI 音视频输出会比单纯比较 NPU TOPS 更重要。因为外设接入失败、显示不稳定或接口不够，都会直接影响项目交付。

3.3 不适合 Z5 的情况

Z5 也不是所有项目的默认答案。它不适合下面这些场景：

• 只是做传感器汇聚和简单规则联动
• 单路轻量识别，且对成本极敏感
• 设备数量多但每个点位负载很低
• 环境温和，不需要工业级冗余
• 客户还没确认算法、外设和数据闭环，只是想“先买强一点”

边界判断

如果项目需求还停留在“未来可能要跑更复杂算法”，但当前没有明确模型、帧率、外设、温度环境和运维要求，直接上 Z5 可能只是把不确定性换成硬件成本。更合理的做法是先用负载清单确认是否真的需要 RK3588 级别的边缘盒子。

4. 一张表判断 Z3 还是 Z5

这张表的重点是：Z3 与 Z5 不是互相替代，而是覆盖不同的现场复杂度。选错方向时，问题通常不是“跑不跑得动”，而是后期成本、外设、稳定性或扩展边界不匹配。

5. 选型流程可以这样做

flowchart TD
  A[明确现场任务] --> B{是否多路视觉或复杂模型}
  B -- 否 --> C{是否以设备接入 / 轻量联动为主}
  C -- 是 --> D[优先评估 AIHub-Z3]
  C -- 否 --> E[做单点 PoC 评估负载]
  B -- 是 --> F{是否需要多外设 / HDMI / 宽温 7x24}
  F -- 是 --> G[优先评估 AIHub-Z5]
  F -- 否 --> E
  E --> H[测模型延迟 / 温度 / 外设 / 平台接入]
  H --> I{负载是否稳定可控}
  I -- 是 --> J[按成本和复制规模定型]
  I -- 否 --> K[升级到 Z5 或拆分边缘任务]

  classDef start fill:#F8FAFC,stroke:#2563EB,stroke-width:1.4px,color:#111827,rx:10,ry:10;
  classDef decision fill:#EFF6FF,stroke:#1D4ED8,stroke-width:1.6px,color:#1E3A8A,rx:10,ry:10;
  classDef z3 fill:#ECFDF5,stroke:#059669,stroke-width:1.6px,color:#064E3B,rx:10,ry:10;
  classDef z5 fill:#FEF3C7,stroke:#D97706,stroke-width:1.6px,color:#78350F,rx:10,ry:10;
  class A,E,H,J,K start;
  class B,C,F,I decision;
  class D z3;
  class G z5;

这个流程的价值在于把“型号选择”提前变成“负载验证”。只要把模型、外设、环境和运维方式列清楚，Z3 和 Z5 的边界通常会很快显现。

6. 和产品页怎么对应

如果你的项目是轻量 AIoT、智慧楼宇、智慧餐厅、能源管理或本地设备联动，可以先看 AIHub-Z3 边缘计算盒子。它更适合作为低功耗、成本可控的现场智能节点。

如果你的项目是工业视觉、智慧安防、现场 AI 推理、多外设接入或边缘服务器，可以优先看 AIHub-Z5 边缘计算盒子。它更适合承担复杂现场的持续计算和外设连接。

如果边缘盒子还需要接入设备台账、远程监控、告警、工单和后续运维，可以同时评估 ZedIoT 物联网平台。涉及视觉识别和语音识别时，也可以结合 YOLO 定制开发 与 FunASR 语音识别开发 来评估模型落地路径。

7. 结论

AIHub-Z3 和 AIHub-Z5 的选择，不应该简化为“RK3566 还是 RK3588”。更实用的问题是：

• 现场算法到底是轻量识别还是多路复杂推理？
• 外设是不是只有网络和摄像头，还是还有显示器、扫码枪、打印机和读卡器？
• 环境是否需要宽温、抗干扰和 7x24 小时运行？
• 单点成本是否会随复制部署被放大？
• 后续是否需要接入平台做远程运维？

如果项目以轻量 AIoT、智慧楼宇、能源管理和单路识别为主，AIHub-Z3 通常是更经济的起点；如果项目涉及工业视觉、复杂安防、多外设和高负载现场推理，AIHub-Z5 更符合边缘主机的要求。 选型的关键不是买到最高配置，而是让边缘计算盒子在真实现场的算力、接口、环境、成本和运维边界都匹配。