# 研究定位与项目边界

## 1. 研究定位

本框架的研究定位是：

> **面向人工智能能力进入实时控制系统后的整体系统问题，研究基础系统如何维持确定性、可预测性与实时边界。**

这里的“基础系统”不是单一软件层，而是由以下部分共同构成：

- 模型与任务语义；
- 推理运行时与负载编排；
- RTOS 与 Linux 的角色分工；
- Hypervisor 与资源隔离；
- 芯片、总线、内存、NPU、GPU、DMA 等硬件资源结构；
- 规则兜底、安全约束与异常切换机制。

## 2. 研究对象

本框架的研究对象是：

> **面向 AI 的实时控制基础系统。**

其中：

- `SylixOS` 仍然可以作为关键实验样例与基础软件样本；
- `QNX`、`VxWorks`、`INTEGRITY`、`LynxOS-178` 等可继续作为参照平台；
- `Linux` 与 `PREEMPT_RT Linux` 继续作为重要对照对象；
- `T5~T1` 继续作为验证矩阵，而不是研究主语。

## 3. 本框架不把什么当作研究主语

### 3.1 不把硬件谱系当作研究主语

`T5~T1` 五类部署形态和各类算力基础承担的是验证矩阵角色，用于组织证据、比较边界和解释场景差异。

### 3.2 不把单一 RTOS 当作全部因果承担者

RTOS 在本框架中承担关键作用，但不再被写成全部实时问题的唯一解决者。模型、运行时、芯片与资源结构同样影响系统边界。

### 3.3 不把纯吞吐优化当作核心目标

本框架关注的是人工智能目标负载、关键保障负载与系统协同三层指标同时成立的条件，而不是单一的吞吐最大化。

## 4. 研究边界

### 4.1 重点覆盖的系统类型

- 控制端 MCU / 控制盒；
- 设备端 SoC；
- 边缘节点；
- 面向任务关键场景的单机高密和集群协同平台。

### 4.2 重点覆盖的问题

- 关键保障负载与人工智能目标负载共存时的整体实时性；
- Linux / RTOS / Hypervisor 的混合协同结构；
- 统一内存、总线和异构协处理器竞争治理；
- 小型化、低功耗和受限部署条件下的系统边界；
- 模型推理与规则兜底共同构成的执行闭环。

### 4.3 暂不作为主线的问题

- 通用大模型训练集群的纯吞吐优化；
- 面向互联网高并发服务的开放式推理平台；
- 单纯以算法精度提升为主的模型研究；
- 不涉及实时控制闭环的普通桌面 AI 应用。

## 5. 与项目框架1的关系

项目框架1把“大型跨平台 RTOS”作为研究主语，重点讨论 RTOS 在五类部署形态中的机制优势。

项目框架2则把研究主语上移到“面向 AI 的实时控制基础系统”，重点讨论：

- RTOS 在整个系统中的位置；
- Linux、RTOS 与 Hypervisor 如何协同；
- 模型推理、资源竞争与控制任务如何共同构成实时边界；
- 企业与平台如何从 RTOS 供应方转向基础系统供应方。

这两套框架可以并行维护，分别服务于不同层次的课题收敛。