随着边缘计算与物联网产业的快速演进，工业平板、智能相机、AI 边缘盒子等中高端嵌入式终端，对主控算力、多系统兼容性与存储可靠性的要求持续提升。高通 QCS 系列物联网级 SoC 凭借先进制程、强劲 AI 算力与成熟的软硬件生态，已成为这类设备的核心选型方案之一；而一颗性能稳定、兼容性强的嵌入式存储芯片，则是终端设备长期可靠运行的关键基石。

长江存储 eMMC EC150 基于第四代晶栈 Xtacking 三维闪存架构打造，是面向智能终端与 AIoT 领域的主流嵌入式存储产品，具备长寿命、高可靠性、高性能与强适配性等核心特点。此前充电头网已对长江存储 EC150 完成了覆盖 x86 与 ARM 架构、数十家主流芯片平台的深度兼容性测试，其适配能力与产品表现得到了充分验证。

为进一步拓展 EC150 的应用边界，验证其在高性能物联网平台下的适配效果，本次评测选用搭载高通 QCS6490 处理器的 RADXA Dragon Q6A 开发板作为测试载体。测试将 64GB 版本的长江存储 EC150 通过模块化小板接入开发板，依次完成 Windows 11 ARM 与 Ubuntu 24.04.4 LTS 两大操作系统的部署与测试，从系统烧录引导、硬件识别、基准性能、文件传输到媒体播放等多个维度展开全面验证，旨在为终端厂商、方案商与开发者提供真实的工程参考，助力高端嵌入式设备的存储选型与产品落地。

ARM 开发板

RADXA Dragon Q6A 开发板主打高性能与低功耗兼备的产品特性，应用场景覆盖 Linux 入门学习、机器人项目开发、嵌入式功能实现以及边缘 AI 部署等多个领域。依托本地算力加持与高度灵活的硬件适配能力，它能够为边缘 AI 的多样化场景落地提供可靠硬件基础，实现数据本地处理、任务实时响应，也代表着边缘智能硬件从单纯的性能验证阶段，正式迈向多场景方案落地的新阶段。

该开发板搭载高通 QCS6490 SoC，三丛 8 核设计， 采用 6nm 制程工艺，集成 Adreno 643 GPU，AI 算力最高可达 12TOPS，同时支持 Windows、Android 和 Linux 系统，广泛应用于工业平板、智能相机及 AI 边缘盒子等设备。

内存配置为 LPDDR5 5600，多达 4GB / 6GB / 8GB / 12GB 四种容量配置。存储层面，板载 32MB QSPI Nor Flash 作为启动存储，同时还提供了 microSD 卡、eMMC / UFS 二合一模块接口，及 M.2 M Key 2230 NVMe SSD 插槽，用户可以按需选择存储方案。

网络连接含 1 个千兆以太网口，搭配 Wi-Fi 6 与蓝牙 5.4。1 个 USB 3.1 Type-A（HOST/OTG）、3 个 USB 2.0 Type-A，及支持 UART/SPI/I2C 协议的 40 Pin GPIO 排针，可灵活连接外设与传感器。视频与图像交互可通过 1 个 HDMI 接口（4K@30Hz）、1 个 4 通道 MIPI DSI 实现显示输出，配合 1 个 4 通道 + 2 个 2 通道 MIPI CSI 接入多路摄像头，满足机器视觉项目需求。

Qualcomm QCS6490 是一款专为物联网和边缘计算设计的高性能 SoC，CPU 采用 1+3+4 三丛集架构设计。其中，1 颗主频 2.7GHz 的 Kryo Gold Plus 核心（基于 Cortex-A78 架构）承担重度计算负载；3 颗主频 2.4GHz 的 Kryo Gold 核心（同样基于 Cortex-A78 架构）应对多线程并发与多任务处理场景；4 颗主频 1.9GHz 的 Kryo Silver 核心（基于 Cortex-A55 架构）则负责轻负载运行，有效控制整机功耗。

图形单元方面集成 Qualcomm Adreno 643 GPU，兼容 OpenGL ES 3.2、Vulkan 1.3 等主流图形 API。AI 算力部分由 Hexagon DSP 与 Hexagon Tensor Accelerator 协同输出，算力最高可达 12TOPS，可高效完成图像识别、数据推理等各类 AI 任务，能够为边缘侧的 AI 开发与部署提供充足算力支撑。

 在 CPU-Z ARM64 专用版中，QCS6490 被识别为 Qualcomm 7c+ Gen 3，规格 4E+4P 共 8 核心，Cortex-A55 能效核频率为 1.9GHz，Cortex-A78 性能核频率为 2.7GHz。从跑分里可以了解到，其多核得分 1731，单核得分 358.9。

长江存储 eMMC EC150

YMTC eMMC EC150 是基于长江存储第四代晶栈 Xtacking 三维闪存架构打造的新一代 eMMC 5.1 嵌入式存储产品。支持 HPB2.0+、自动节能等，有效降低设备延迟与功耗；经过 HTOL 1000 小时测试（等效 10 年老化测试），稳定耐久，显著提升设备使用寿命；拥有 64GB、128GB、256GB 三种容量设计，为手机终端、平板、智能电视、智能影像设备以及其他智能 AIoT 等设备，提供了高性能、大容量的存储解决方案。

YMTC eMMC EC150 采用 BGA153 封装，符合 JEDEC 标准。本次测试采用的是 64GB 容量的版本，上方丝印“YMEC7C0TG1A2C3”。

为验证平台兼容性，我们将长江存储 eMMC EC150 嵌入式存储芯片焊接至专用闪存小板，焊接操作通过 BGA 焊台完成。

如图所示，我们已成功在闪存小板上焊接好本次测试所用的长江存储 eMMC EC150。

将闪存小板缺角与开发板上面的丝印缺角相互对准，然后稍稍用力按下，听到“哒哒”两声就表示安装到位。

EC150 闪存小板与 QCS6490 开发板安装完毕，下面开始正式测试。

开发板时钟模式说明

长江存储 EC150 支持包括 SDR、DDR、HS200 及 HS400 在内的多种时钟模式，确保不同应用场景下性能灵活适应。通过串口打印的信息可知，EC150 当前运行在 HS400 200MHz 8bit 模式，实际时钟频率 192MHz，已处于性能最优模式。

Windows 11 ARM

完成存储芯片焊接工作后，为开发板连接显示器、键盘、鼠标等外设，首先进行安装 Windows 11 ARM 操作系统测试。Windows 系统需要通过 Rufus 制作安装介质 U 盘，镜像为微软官网下载的 Windows 11 25H2 ARM64 ISO 文件。

U 盘启动后自动引导至 Windows 系统安装程序，选择安装位置页面可以看到，系统已正确识别出长江存储 EC150，64GB 版本显示容量为 58.2GB，安装过程流畅顺利。

Windows 11 ARM 安装完毕重新开机后，BIOS 的 Boot 列表已出现 Windows Boot Manager 引导选项。

顺利进入 Windows 11 ARM 桌面，界面与操作方式与常见的普通版 x86 Windows 基本一致。

通过系统设置可以看到，当前系统版本号为 Windows 11 专业版 25H2。

Windows 11 ARM 任务管理器可以看到，可以正常识别出 QCS6490 的 8 个核心，Adreno 643 GPU 亦处于正常工作状态。

设备管理器磁盘驱动器内，已正确识别出长江存储 EC150 的型号为“Y1Y064”。

打开我的电脑，64GB EC150 全部可用空间为 57.2GB，系统已用空间为 28.2GB，剩余空间为 29GB，填充率约 49%。

DiskGenius 软件内正确识别出 EC150 分区与各项信息，用户可以正常对 EC150 进行磁盘管理、分区修改、格式化等操作，与普通的 x86 Windows 系统对固态硬盘操作一致。

CrystalDiskMark 是固态评测主流跑分工具，可测试顺序读写与 4K 随机性能，覆盖单 / 多队列多线程工况，贴合日常开机、文件拷贝等使用场景，数据直观便于同规格存储产品横向对比，是衡量固态综合性能、核对厂商标称参数的通用参考工具。

在 49% 磁盘占用的情况下，EC150 顺序读取速度可以达到 307.02MB/s，顺序写入速度达 260.67MB/s。随机性能方面，4K Q32T1 读取速度为 32.24MB/s、写入速度为 27.23MB/s，4K Q1T1 随机读取速度为 16.93MB/s，写入速度为 22.76MB/s。

ATTO Disk Benchmark 是存储领域经典测试工具，通过梯度递增的文件块大小进行标准化读写测试，能够清晰呈现存储设备从 KB 级小文件到 MB 级大文件的性能爬升过程，被广泛用于验证产品的峰值带宽、性能收敛速度以及不同文件场景下的实际表现。

在本次梯度文件块读写测试中，当测试块大小提升至 512KB 档位时，EC150 读写性能便已触及峰值区间，最高读取速度 284.44MB/s、最高写入速度 261.22MB/s。

通过 U 盘传输文件大小为 2.64GB 的《流浪地球 2 特效花絮》视频至 EC150 内，传输速度稳定在 215MB/s，全程耗时 15 秒。

使用 PotPlayer 播放器读取 EC150 内的《流浪地球 2 特效花絮》视频，声音、画面播放无卡顿，进度条拖动操作流畅。

Ubuntu 24.04.4 LTS

在 Linux 系统方面，QCS6490 平台支持卡刷方式写入固件，再从 microSD 卡启动并将系统安装到 eMMC，首先使用 balenaEtcher 将 Ubuntu 24.04.4 LTS 系统映像烧录至 microSD 卡。

通过 microSD 卡启动系统。

在 microSD 卡运行的系统中，已提前将系统固件 q6a.img 放入 Downloads 目录，使用 dd 命令将系统烧录至 eMMC 内，命令为：<sudo dd if=/home/radxa/Downloads/q6a.img of=/dev/mmcblk0 bs=4M status=progress>。

烧录系统过程快速顺利，拔出 microSD 卡后，再次通电由 EC150 启动系统，图中已进入系统桌面。

系统版本为 Ubuntu 24.04.4 LTS，存储设备容量为 62.5GB。

打开 Ubuntu 系统自带的磁盘工具可以看到，系统已正确识别出 EC150，型号为 Y1Y064，容量为 63GB。

使用系统自带磁盘工具进行读写测试，测得平均读取速度为 325.6MB/s，平均写入速度为 303.3MB/s，图表中曲线平滑，性能表现优异。

通过 dd 命令对 eMMC EC150 进行读写性能测试，1GB 大文件的性能表现如下：顺序写入速度为 285MB/s，顺序读取速度为 326MB/s。

4K 小文件随机读写测试中，随机写入速度为 11.2MB/s，随机读取速度为 12.4MB/s。

打开浏览器登录 bilibili 视频网，视频播放流畅，弹幕载入正常，系统运行流畅。

适配应用场景介绍

高通 QCS6490 是一款边缘计算处理器，面向物联网平台落地，覆盖智能工业、智能视觉两大核心领域。

在智能工业场景，可应用于工业手持终端、工业平板、工业扫描仪、POS 终端、人机交互 HMI 等需要 7×24h 长期不间断稳定工作的设备；在智能视觉场景，可承载边缘 AI 视觉检测、实时视频数据分析、多路视频流同步解码处理等业务。

那么长江存储 EC150 如何适配 QCS6490 这款高性能物联网平台，满足上述业务需求？

▲场景举例▲

以智能视觉场景为例，测试环境部署 Frigate NVR 录像服务、MQTT 数据采集日志服务，搭配 YOLOv8 目标识别模型。整套业务运行时，视频录像文件、AI 识别抓拍快照全部落盘存储至 EC150。依托 QCS6490 最高 12TOPS AI 算力，大模型文件、推理中间缓存均可本地存放于 EC150，设备实时读取摄像头码流完成本地 AI 推理，识别产生的截图持续写入存储介质。

长江存储 EC150 拥有等效 10 年老化的可靠性验证，其成熟耐久的硬件特性高度匹配智能工业视觉 7×24 小时不间断运行工况，保障物联网工业化场景下设备长期稳定工作。

功耗

对于工业平板、AI 边缘盒子、智能相机这类需要长时间不间断运行的嵌入式终端而言，功耗表现不仅直接决定设备的发热控制与运行稳定性，更会影响部署场景的适配性与长期运维成本。本次测试通过 USB-C 接口对开发板进行供电监测，在 Windows 11 ARM 系统环境下，完整覆盖待机与高负载两种典型工况。

在桌面待机轻负载状态下，系统后台仅保留基础进程运行，长江存储 EC150 凭借内置的自动节能机制，大幅降低存储部分的待机功耗。最终测得整板待机功耗低至 2.3W，对于搭载 6nm 高性能 SoC 与完整外设接口的开发板来说表现亮眼，能够很好地适配低功耗值守、电池供电等对待机能耗要求严苛的场景。

当系统进入高负载运行场景，整板高负载功耗约为 6.3W，在同级别具备 12TOPS AI 算力的边缘计算平台中处于优秀水平，实现了算力、存储性能与功耗的良好平衡，可充分满足无人值守设备、工业现场终端等长时间高负载运行的部署需求。

充电头网总结

本次针对高通 QCS6490 平台搭载长江存储 eMMC EC150 的适配实战测试，完成了从硬件适配、多系统兼容性验证到系统级性能评估的全方位测试。

选型基于 RADXA Dragon Q6A 开发板开展，其核心为高通 QCS6490 SoC，采用 6nm 工艺与三丛集 8 核架构，集成 12TOPS AI 算力，面向工业平板、边缘 AI、智能相机等高端嵌入式场景。测试将 64GB 容量的 EC150 通过模块化小板接入开发板，分别在 Windows 11 ARM 与 Ubuntu 24.04.4 LTS 两大操作系统下，完成了系统烧录、硬件识别、基准性能、文件传输与媒体播放等多维度检验。

兼容性方面，长江存储 EC150 在 QCS6490 平台上运行于 HS400 200MHz 8bit 模式（实际时钟频率 192MHz），已达到产品性能最优档位，接口适配充分。无论是 Windows 11 ARM 还是 Ubuntu 系统，均能准确识别 EC150 的芯片型号与标称容量，系统烧录、引导过程顺畅，磁盘分区、管理等功能正常可用，体现了 EC150 对高通物联网平台与多系统生态的完善支持。