"""
Edge AI SoC TOPS 陷阱分析

核心问题：各厂商 TOPS 数字使用不同数据类型、不同温度条件、不同稀疏度
不能放在同一列比较

NVIDIA Orin 案例最典型：
- 标称 275 TOPS（稀疏 INT8）
- 实际稠密 INT8: 137.5 TOPS
- 其中 105 TOPS 来自 DLA（固定功能引擎）
- 如果模型不能映射到 DLA：只有 85 TOPS GPU 可用
- Orin Nano 没有 DLA：所有 TOPS 都来自 GPU

结论：275 TOPS 的 Orin 64GB 在某些模型上可能比 26 TOPS 的 Hailo-8 还慢
"""

chips = {
    'NVIDIA Orin 64GB': {
        'claimed': 275, 'sparse': True, 'dtype': 'INT8',
        'gpu_dense': 85, 'dla_dense': 52.5,
        'dla_restricted': True,  # DLA 有层类型限制
        'realistic_worst': 85,   # 如果模型不能用 DLA
    },
    'NVIDIA Orin Nano': {
        'claimed': 200, 'sparse': True, 'dtype': 'INT8',
        'gpu_dense': 62.5, 'dla_dense': 0,  # 无 DLA
        'dla_restricted': False,
        'realistic_worst': 62.5,
    },
    'Qualcomm QCS6490': {
        'claimed': 12, 'sparse': False, 'dtype': 'INT8',
        'gpu_dense': 12, 'dla_dense': 0,
        'dla_restricted': False,
        'realistic_worst': 12,
    },
    'TI TDA4VM': {
        'claimed': 8, 'sparse': False, 'dtype': 'INT8',
        'gpu_dense': 8, 'dla_dense': 0,
        'dla_restricted': False,
        'realistic_worst': 8,
    },
    'Hailo-8': {
        'claimed': 26, 'sparse': False, 'dtype': 'unknown',
        'gpu_dense': 26, 'dla_dense': 0,
        'dla_restricted': False,
        'realistic_worst': 26,
    },
}

print("=" * 80)
print("Edge AI SoC TOPS 真实对比（INT8 稠密，最坏情况）")
print("=" * 80)
print(f"{'芯片':<25} {'标称TOPS':>10} {'稀疏?':>8} {'真实最坏':>10} {'缩水率':>10}")
print("-" * 80)

for name, spec in chips.items():
    claimed = spec['claimed']
    real = spec['realistic_worst']
    shrink = (1 - real / claimed) * 100
    sparse = "是" if spec['sparse'] else "否"
    print(f"{name:<25} {claimed:>8} {sparse:>8} {real:>8} {shrink:>8.0f}%")

print("\n⚠️ NVIDIA Orin 64GB 标称 275 TOPS，最坏情况仅 85 TOPS（缩水 69%）")
print("⚠️ 如果模型层不能映射到 DLA，105 TOPS 的 DLA 完全浪费")
print("⚠️ Orin Nano 没有 DLA，标称 200 TOPS 实际 62.5 TOPS（缩水 69%）")

"""
NPU 层兼容性问题

当 NPU 不支持某些算子时：
1. 回退到 CPU 执行（慢 10-100x）
2. 用替代算子重写模型（精度可能变）
3. 重新训练适配 NPU（成本高）

IMS 常见问题算子：
- 自定义注意力层 → 部分 NPU 不支持
- 动态形状 → DLA 通常不支持
- 稀疏注意力 → DLA 不支持
- 3D 卷积 → 部分 NPU 有限支持
"""

# NPU 兼容性检查清单
compatibility_checklist = {
    'Qualcomm Hexagon (QCS8255)': {
        'conv2d': True,
        'depthwise_conv2d': True,
        'batch_norm': True,
        'relu': True,
        'sigmoid': True,
        'attention': 'limited',  # 需要特定实现
        'transformer': 'limited',
        'lstm': True,
        'custom_ops': False,    # 需要手动实现
        'dynamic_shape': False, # 需要固定形状
    },
    'TI C7x (TDA4VM)': {
        'conv2d': True,
        'depthwise_conv2d': True,
        'batch_norm': True,
        'relu': True,
        'attention': False,     # 不原生支持
        'transformer': False,
        'lstm': True,
        'custom_ops': 'via_TIDL',
        'dynamic_shape': False,
    },
    'NVIDIA DLA (Orin)': {
        'conv2d': True,
        'depthwise_conv2d': True,
        'batch_norm': True,
        'relu': True,
        'attention': False,     # DLA 不支持
        'transformer': False,   # 必须在 GPU 运行
        'lstm': False,
        'custom_ops': False,
        'dynamic_shape': False,
    },
}

for chip, ops in compatibility_checklist.items():
    unsupported = [op for op, supported in ops.items() if not supported]
    if unsupported:
        print(f"\n{chip}:")
        print(f"  不支持: {', '.join(unsupported)}")
        print(f"  影响: 这些层将回退到 CPU/GPU，降低实际 FPS")