SPI NAND 首次启动失败 · 样机排查手册

编制日期 2026-10-14 ｜ 版本号 Rev 1.0

XTX 芯天下 · FAE 样机 bring-up 技术文档 ｜ 面向第一次上电 / 手焊 / 飞线场景 ｜ 2026-09 版

结论：SPI NAND 起不来，绝大多数不是「数据没烧进去」，而是「烧进去的位置、ECC 的算法、坏块的处理方式」与 BootROM 期望的不一致。NOR 是「给个地址就给你数据」，NAND 是「先认器件、再搬页、再查 ECC、还要躲开坏块」—— 多出来的每一步都是一个独立的失败点，定位时必须按步骤切开看，不能当成一件事。

报告总结

解决的是样机第一次上电：串口无输出、报 ECC error / bad block / 读超时、或读到空片这一类问题的定位与修复。全文按「差异 → 定段 → 决策树 → 分成因 → 速查 → 清单」组织：第 1 章讲 NAND 与 NOR 在启动这件事上的五条本质差异，第 2 章给出四步手工定位法与抓包断点，第 3 章是决策树，第 4 章是七类根因的原理 + 实操 + 验证，第 5 章是速查表，第 6 章是清单与结案模板。

区分侧重：本文讲样机首次 bring-up（飞线、手焊、转接板、第一次上电、最小系统）；产线批量烧录失败、治具供电、烧录器参数卡属于量产篇，两者根因分布不同，不要混用结论。

1. 与 NOR 的本质差异：为什么 NAND 启动难查得多

SPI NOR 与 SPI NAND 都挂在同一个 SPI 控制器上、用几乎一样的引脚，所以很多人下意识把它们当成「同一种东西的不同容量」。但在「启动」这件事上，两者的差别是结构性的：NOR 是给个地址就给你数据，NAND 是一整套带状态、带校验、带坏块管理的存取协议。

1.1 七条必须记住的差异

把这张表压缩成三句话，现场就能用：

• NOR 没有状态，NAND 有状态。NOR 上电就能读；NAND 要先等内部初始化，读页还要等页搬到缓存，每一步都有时间参数（以 datasheet 为准）。
• NOR 没有坏块，NAND 出厂就有坏块。这意味着「第 N 块」这个说法在 NAND 上是不确定的 —— 同一个逻辑偏移，在不同片子上可能落在不同物理块上。
• NOR 不需要 ECC，NAND 必须有 ECC。ECC 不是一个开关，而是一整套约定（算法、强度、校验码在 OOB 里的位置），三方必须完全一致。

1.2 BOOT 区：BootROM 只看最前面那几个 block

这是 SPI NAND 启动最核心、也最容易被忽略的概念。BootROM 不可能去跑完整的 NAND 坏块管理与磨损均衡 —— 它的代码量有限，所以绝大多数平台采用「BOOT 区」方案：把器件最前面固定数量的 block（常见说法是前 1 MB 或前若干个 block，具体以平台手册为准）划为 BOOT 区，BootROM 只用最简单的方式（顺序读、有限次重试、或有限的多副本）从这里取 SPL。

由此直接推出三条排查结论：

1. BOOT 区里的坏块是致命的。后面的块坏了可以靠文件系统或坏块表躲开，BOOT 区坏了 BootROM 没地方可躲 —— 所以要么用平台提供的多副本/重映射机制，要么在烧录时就把 BOOT 区规划在出厂保证无坏块的范围（具体机制以平台手册为准）。
2. BOOT 区内的烧录策略必须与 BootROM 完全一致。烧录器如果在 BOOT 区里跳坏块，而 BootROM 不跳（或跳法不同），偏移就会逐块累积 —— 这是「烧录成功但不开机」里最难查的一类。
3. BOOT 区之外的分区错误不会导致不开机。如果 SPL 已经跑起来了、报错在挂载根文件系统阶段，那已经不是 BOOT 区的问题，应该转到驱动/文件系统那一侧排查。

2. 分段定位：读 ID → 读页 → 回读比对 → 扫坏块表

NAND 的启动链路比 NOR 长，但相应地可观测点也更多。本章给一套四步手工定位法：先让主控停在能敲命令的地方（U-Boot / 驱动调试层），然后按 ID → 页 → 比对 → 坏块的顺序把问题切开。定段之前不重烧、不换片、不改配置。

2.1 四步手工定位法

# ① 让主控停在 U-Boot / 驱动调试层，先确认能识别到器件
sf probe 0                 # 或平台对应的 nand 命令，以 SDK 为准
nand info                  # 打印页大小 / 块大小 / OOB / 总容量，逐项与 datasheet 核对

# ② 手工读一页并回读比对（地址与长度按页大小换算，以下为示意）
nand read 0x42000000 0x0 0x800
md.b 0x42000000 0x100

# ③ 逐 block 扫描坏块表，重点看 BOOT 区范围内有没有坏块
nand bad                   # 命令名以平台 U-Boot 为准

# ④ 与烧录器侧的读回 dump 做二进制比对
cmp  target_page0.bin  host_page0.bin
md5sum target_page0.bin host_page0.bin

四步各自的判读规则：

2.2 逻辑分析仪：抓 BootROM 的命令序列，看断点在哪

串口无输出、或者平台没有可用 BootROM LOG 时，抓包是唯一的手段。抓 SPI NAND 与抓 NOR 的最大区别：NAND 的命令序列更长、中间有「读页到缓存」和「轮询状态寄存器」这两个 NOR 没有的步骤，而恰恰是这两步最容易出问题。

抓包的三条实操要点：

• 探头要够。除了 CS#、CLK、DI(IO0)、DO(IO1)，Quad 模式还要接 IO2、IO3；多 die 器件必要时还要看片选相关的信号。
• 解码要分两段。读 ID 阶段通常是单线，读缓存输出阶段可能已经切到 Quad。用同一套解码参数解全程会解出乱码，先按单线解到读 ID，再按抓到的读命令码判断后面该按几条线解。
• 重点看 OIP 轮询有没有出现、出现了几次。如果 BootROM 发完读页命令后没有轮询就直接取数据，说明它用的是固定延时 —— 那就要核这个延时是否覆盖该料号的最坏情况（以 datasheet 为准）。

3. 决策树：从上电现象到根因类目

把第 2 章的四步定位固化成一张图：两个判据、四条出口，每条出口直接指向一个根因类目和该段的首查动作。NAND 的决策树比 NOR 更依赖「读 ID 是否成功」这个分水岭 —— 因为 NAND 的器件识别本身就包含了参数协商。

3.1 走树时的四条纪律

• 先确认参数，再确认数据。ID / 页大小 / 块大小 / OOB 大小只要有任一项与 datasheet 不符，后面所有的数据比对都没有意义。
• 每条分支都要留下物证。走完树不能只说「我核过 ECC」，要留下 ECC 配置值、抓包文件、坏块表输出、比对文件的 md5。
• 一次只改一个变量。ECC 参数、坏块策略、页对齐三个一起改，就算通了也不知道是哪一个生效的，下次还会复发。
• 换片对比是有效的判据。换一颗同料号新片：如果好了，说明是这颗片子的坏块分布问题（第 4 类根因）；如果还是一样，说明是配置或板级问题 —— 但换片之前必须先把原片的坏块表导出来，否则证据就丢了。

4. 分成因排查：七类根因的原理、实操与验证

七个根因按样机首次 bring-up 的出现概率排序。每一条按原理 → 实操 → 验证三段给，「验证」是判断是否真的解决了的标准。

4.1 根因 1：镜像未按页 / 块对齐，OOB 被当成数据

原理。NAND 的最小写入单位是页、最小擦除单位是块，而且每页后面跟一段 OOB（spare）区。镜像是按「连续数据流」组织的，而 NAND 是按「页 + OOB」组织的 —— 这两者之间必须有一个明确的映射规则。

三种典型的对齐错误：

• 页大小不一致：烧录器按 2 KB 页算偏移，器件实际是 4 KB 页，每一页的起点都错。
• OOB 被当成数据搬：把 OOB 区的内容一起读到数据缓冲区里，或者把数据写进了 OOB —— ECC 校验码的位置全乱。
• 块边界没对齐：一个逻辑分区的起点落在块的中间，擦除时把前一个分区的尾巴一起擦掉。

实操。

1. 把三方的参数抄到一张纸上对照：datasheet 的值、烧录工程里的值、主控侧 nand info/驱动打印出来的值。三方必须完全一致。
2. 确认烧录器的「是否包含 OOB」「spare 区处理方式」这一项设置，与平台期望的方式一致（有的平台要求 ECC 由烧录器算好写进 OOB，有的要求烧录器只写数据区、ECC 由主控算 —— 以平台手册为准）。
3. 手工读一页，把数据区和 OOB 分别 dump 出来，确认数据区是镜像内容、OOB 里是 ECC 校验码而不是镜像数据。

验证。三方参数完全一致；手工读页与预期内容二进制一致；OOB 的内容和布局与平台约定一致。

4.2 根因 2：烧录器跳坏块策略与 BootROM 不一致

原理。这是 NAND 独有、也是最隐蔽的一类根因。烧录器写镜像时，遇到坏块会跳过去，把后续数据写到下一个好块，这样「逻辑上连续的镜像」在物理上就是「跳过坏块的非连续布局」。而 BootROM 的读取策略是另一套：它可能按物理块顺序读、也可能自己跳坏块，但跳转规则未必与烧录器一致（具体以平台手册为准）。

后果是偏移逐块累积：BOOT 区里只要有 1 个坏块，它后面的所有块号就整体错开 1 个；有 2 个就错开 2 个。BootROM 读「第 N 块」时期望的是镜像的第 N 块，实际读到的是第 N+k 块的内容 —— 数据本身是正确的，只是位置全错了。

实操。

1. 先导出整片的坏块表，看 BOOT 区范围内（具体范围以平台手册为准）有没有坏块。
2. 查烧录工程的「坏块处理策略」：跳过 / 保留 / 替换为预留块，与平台 BootROM 的期望策略对照。
3. 如果平台提供多副本或重映射机制，确认烧录时确实生成了副本 / 写入了重映射表。
4. 在 BOOT 区范围内逐块读出块首的标记，人工核对「第 N 个物理块里装的是不是镜像的第 N 块」。

验证。BOOT 区内逐块核对通过（物理块序与镜像块序一一对应），或平台的多副本/重映射机制已确认生效且上电连续 100 次都能起来。

4.3 根因 3：ECC 算法 / OOB 布局不一致

原理。NAND 的位翻转是物理特性，必须靠 ECC 纠正。ECC 不是「开或关」，而是一整套约定：用哪种算法（BCH / RS 一类）、能纠几位、校验码占多少字节、放在 OOB 的哪个偏移、覆盖的数据范围是整页还是分段。

典型的三方不一致：

实操。

1. 确认该料号是片内 ECC 还是需要外部 ECC（以 datasheet 为准）；如果是片内 ECC，主控侧就不要再算一遍。
2. 确认平台 SDK 里配的 ECC 强度与 OOB 布局，与烧录工程里配的逐项对照 —— 包括校验码长度、偏移、覆盖粒度。
3. 手工读一页，把 OOB 的十六进制打出来，人工数一遍校验码的起始偏移与长度，验证与配置一致。

验证。手工读页不再报 ECC error；连续读 BOOT 区所有页 100 次，无一次校验失败。

4.4 根因 4：BOOT 区出现坏块且未做重映射

原理。如 1.2 节所述，BootROM 只在 BOOT 区的固定 block 里找代码。boot 区里的坏块是致命的，因为 BootROM 没有复杂的坏块管理可以躲。

样机阶段高发的场景：同一料号换了一个批次，坏块分布变了 —— 上一批的 BOOT 区全是好块，这一批的第 2 个 block 就是坏块，于是「同样的工程、同样的操作，换批就不开机」。

实操。

1. 导出完整坏块表，标出 BOOT 区范围内所有坏块的块号。
2. 查平台手册确认该平台对 BOOT 区坏块的处理机制：多副本（把 SPL 烧在多个固定块、BootROM 逐个试）/ 重映射表（把坏块映射到预留的好块）/ 出厂保证前 N 块无坏块。
3. 按平台要求重新生成镜像与烧录配置：副本数、副本块号、重映射表位置，都必须严格按手册来。
4. 如果平台机制要求「BOOT 区必须在出厂保证无坏块的范围」，就把 BOOT 区规划到更小的范围（以平台手册为准）。

验证。在多颗不同批次的片子上（至少 3 颗，含已知 BOOT 区有坏块的）连续上电 100 次，全部能起来。

4.5 根因 5：上电等待与 OIP 忙等未处理

原理。NAND 上电后需要内部初始化（上电复位时间一类的参数，以 datasheet 为准），之后才能接受命令；发出「读页到缓存」命令后，还要等器件把整页搬到缓存，这段时间由状态寄存器里的忙标志（常见叫 OIP / BUSY）指示。

两类典型故障：

• 上电等待不足：主控在器件还没初始化完就发命令，器件不响应，读 ID 返回全 0x00 或全 0xFF。样机上如果电源爬升慢、或者复位释放太早，这一类会偶发。
• 发完读页命令没有轮询忙标志：主控用固定延时代替轮询，延时不够时读到的是上一次的残留数据或全 0xFF；延时够但没轮询，则在温度升高、器件变慢时失效。

实操。

1. 示波器抓上电瞬间 VCC 与复位脚，确认从 VCC 稳定到第一个 CS# 下降沿的时间，不小于 datasheet 要求的上电等待时间。
2. 抓包确认 BootROM 在读页命令之后有没有轮询状态寄存器；如果没有，说明它用固定延时 —— 记录这个延时的实测值。
3. 把实测延时与该料号 datasheet 里「读页到缓存」的最坏时间对比，不足则需要平台侧调整（以平台手册为准，不要自行改 BootROM）。
4. 高低温拉偏：在最恶劣温度下重复上电，确认没有因器件变慢而读错。

验证。在全温度范围内、电源在最慢爬升条件下，连续上电 100 次全部成功启动。

4.6 根因 6：多 die 未选片 / die 间差异

原理。大容量的 SPI NAND 常把多个 die 封装在一起。访问不同 die 需要先发选片命令（或地址里带 die 位），没选片或选错片，读出来的是另一个 die 的内容 —— 内容合法、ECC 也可能对，但完全不是你要的那个地址的数据。

实操。

1. 从 datasheet 确认该料号是单 die 还是多 die，以及选片的方式（专用选片命令 / 地址高位 / 其它，以 datasheet 为准）。
2. 抓包看 BootROM 在跨 die 边界访问时有没有发选片命令；如果 BOOT 区跨了 die 边界而没有选片，这就是根因。
3. 如果平台器件表支持该料号，确认表里的 die 相关参数正确；不支持则需要适配。
4. 规避方案：在平台允许的前提下，把 BOOT 区规划在第一个 die 之内，避免 BootROM 阶段跨 die 访问。

验证。在 die 边界两侧各读写一组 pattern，回读确认读到的就是写进去的内容，没有串到另一个 die。

4.7 根因 7：样机专属 —— 飞线、转接板、手焊

原理。与 NOR 一样，这一类只会在样机阶段出现。但 NAND 对它的敏感度更高：NAND 的读页涉及「命令 → 长延时 → 读输出」多个阶段，中间任何一次信号完整性问题都会让整个页读失败，而且失败表现为 ECC error，很容易被误判成 ECC 配置问题。