树莓派推出的新款 AI HAT+ 2 带来了 8GB 独立内存，旨在将 LLM 推理任务从主板上剥离。这块售价 130 美元的硬件扩展板，其性能表现究竟如何？它是否真的解决了树莓派用户在运行 AI 模型时遇到的痛点，或者说，它只是一个定位模糊的解决方案？这篇内容将通过详尽的基准测试，揭示其真实价值。
智能速览
AI HAT+ 2 搭载 Hailo 10H 芯片与 8GB 独立内存，功耗仅 3W。
在 LLM 推理测试中，其性能远不如树莓派 5 的原生 CPU。
8GB 内存限制了运行更大规模的模型，而 16GB 的树莓派 5 更具灵活性。
计算机视觉性能出色，但旧款 AI HAT 或 AI 摄像头也能实现。
宣传的混合运行模式因软件问题，在测试中未能成功启用。
结论是该扩展板更适合开发用途，而非解决普通用户的实际问题。
精华内容
理论上的独立内存听起来很美好，但实际性能表现和应用场景才是检验其价值的关键标准。下面将通过详细的测试数据，逐一剖析这块扩展板的真实能力。
LLM 性能对决
在相同内存配置的树莓派 5 上进行对比测试，结果出人意料。树莓派的原生 CPU 在运行 LLM 时的性能，远超 Hailo 10H NPU。究其原因，树莓派 SoC 的功耗上限可达 10W，而 Hailo 10H 被限制在 3W。尽管在能效上 NPU 略有优势，但巨大的功耗差异导致了明显的性能差距，这使得用 NPU 运行 LLM 并不是一个高效的选择。
8GB 内存瓶颈
性能之外，8GB 内存是另一个关键限制。当前许多中等规模量化模型的目标内存约为 10-12GB，AI HAT+ 2 的 8GB 独立内存捉襟见肘。相比之下，配备 16GB 内存的树莓派 5 则能通过模型压缩技术运行 Qwen3 30B 等更大模型，并成功完成生成待办事项列表应用等复杂任务，展现了远超 AI HAT+ 2 的实用性与灵活性。
视觉处理优势不再
在计算机视觉领域，AI HAT+ 2 的表现确实出色，物体识别速度比树莓派 CPU 快 10 倍。然而，这一优势并非独有。售价 110 美元的初代 AI HAT 或 70 美元的 AI 摄像头，同样能实现高效的视觉处理。对于仅需此功能的用户而言，选择更经济的方案显然更为明智。
混合模式与定位
该扩展板的一大卖点是“混合模式”，即同时处理视觉和推理任务。然而，由于软件支持尚未完善，这一功能在测试时无法运行。这反映了当前 AI 硬件普遍的困境：硬件先行，软件滞后。因此，这块板子目前的定位更像是为特定设备（如自助结账机）提供的开发套件，而非面向普通树莓派用户的成熟产品。
综合来看，AI HAT+ 2 并非树莓派用户的万能钥匙。8GB 独立内存虽是新意，但受限于性能与容量，其价值未能超越直接升级 16GB 树莓派 5。它或许在功耗敏感的特殊嵌入式场景中有一席之地，但对大多数人而言，这是否是一个值得投入的解决方案，仍需仔细考量。
