KI-Modelle und Plattformen

Ezurio erweitert die vollständige Unterstützung für den Edge-KI-Beschleuniger GW16168

Leo Park
Unite.AI zu deinen bevorzugten Quellen auf Google hinzufügen
Wichtige PunkteEzurios Unterstützung für den GW16168 ist ein Übergang und kein neuer Hardware-Launch.
Mehr anzeigen
  • Ezurios Unterstützung für den GW16168 ist ein Übergang und kein neuer Hardware-Launch.
  • Der Beschleuniger erfordert spezifische Kühlungs- und Stromversorgungshardware, die über einen Standard-M.2-Anschluss hinausgeht.
  • Der Produktionseinsatz hängt von host-spezifischer Unterstützung und einer dokumentierten Software-Einrichtung ab.

Ezurio teilte in einer Mitteilung vom 19. November 2026 mit, dass das Unternehmen den GW16168 nach der Übernahme von Gateworks nun vollständig unterstützt. Der in den USA gefertigte M.2-KI-Beschleuniger und zwei Entwicklungskits des Typs GW11062 sind verfügbar. Die auf NXP Ara240 basierende Karte erreicht bis zu 40 äquivalente Teraoperationen pro Sekunde (eTOPS).

Es handelt sich um einen Übergang bei der Unterstützung, nicht um die Vorstellung neuer Hardware. Gateworks stellte den GW16168 am 7. April 2026 vor, nachdem das Unternehmen ihn gemeinsam mit NXP auf der Embedded World 2026 präsentiert hatte, und gab an, dass er direkt sowie über Distributoren erhältlich sei. Am 9. Juni 2026 folgte Ezurios Mitteilung zur Übernahme. Damit kamen zu Ezurios Embedded-Computing-Geschäft Kompetenzen in der Entwicklung robuster Einplatinencomputer, die Fertigung in den USA und Kunden aus den Bereichen Verteidigung, Luft- und Raumfahrt sowie Industrie hinzu.

Eric Singer, Produktmanager bei Ezurio, sagte: „Der GW16168 kombiniert NXP Ara240 DNPU mit einem industrietauglichen Design aus US-amerikanischer Fertigung. So können Kunden die KI-Leistung skalieren, ohne ihre gesamte Plattform neu entwickeln zu müssen.“

Bildverarbeitung und generative KI direkt auf dem Gerät

Der GW16168 nutzt eine separate neuronale Verarbeitungseinheit (DNPU), um dem Host-Prozessor Inferenzaufgaben abzunehmen. Zu den vorgesehenen Einsatzbereichen zählen maschinelles Sehen, große Sprachmodelle (LLMs), Vision-Language-Modelle (VLMs), Robotik und intelligente Automatisierung. Durch die lokale Verarbeitung müssen keine Daten an eine Cloud-Infrastruktur gesendet werden. Das begegnet Einschränkungen bei der Netzabdeckung, Latenz, Datenschutz und Sicherheit, die bei Drohnen, Robotern und abgelegenen Industrieanlagen eine Rolle spielen.

Das Modul misst 22 × 80 × 3,5 Millimeter und hat den Formfaktor M.2 M-Key 2280. Es wird über PCIe Gen4 mit vier Lanes angebunden und unterstützt auch Hosts mit PCIe Gen3. Die Karte wird über eine einzelne 3,3-Volt-Versorgung gespeist und verfügt über Secure Boot und eine Vertrauensbasis (Root of Trust). Die Varianten sind mit 8 GB oder 16 GB integriertem LPDDR4-Speicher erhältlich. Laut Ezurio unterstützt die Produktfamilie KI-Modelle mit bis zu 16 Milliarden Parametern. Der standardmäßige GW16168 und die 8-GB-Variante SP520 sind für Temperaturen von -40 °C bis +85 °C ausgelegt, die 16-GB-Version SP521 für -25 °C bis +85 °C.

Unterstützte Hosts und Integrationsgrenzen

Ein M.2-Anschluss allein bedeutet noch nicht, dass ein Einsatz unterstützt wird. Der Beschleuniger wurde speziell für die Einplatinencomputer (SBCs) Gateworks VeniceFLEX und Catalina entwickelt; für andere Plattformen mit M.2 M-Key 2280 wird eine breitere Kompatibilität angegeben. Sowohl die Produktdokumentation von Gateworks als auch der Benutzerleitfaden von Ezurio schränken diese Aussage ein: Die Tests und die Unterstützung durch Gateworks beziehen sich auf Gateworks-SBCs. Bei Implementierungen mit einer anderen Basisplatine, einem anderen SoC oder einer anderen Architektur verweist das Unternehmen an NXP.

Auch Kühlung und Stromversorgung erfordern spezielle Hardware: Der montierte 5-V-Lüfterkühlkörper muss an den Lüfteranschluss des Adapters angeschlossen werden, und die Karte kann etwa 12 W aufnehmen. Für Installationen mit Gateworks-SBCs ist der Adapter GW16FM1-C erforderlich, da dem Basisadapter eine ausreichende Stromversorgung und ein Lüfteranschluss fehlen. Ein Standardanschluss beschreibt daher lediglich die physische Schnittstelle, nicht aber das vollständige Konzept für Kühlung, Stromversorgung und Support.

Entwicklungskits, Software und Produktlebenszyklus

Das Kit GW11062-1 kombiniert einen Catalina-SBC mit dem 16-GB-Beschleuniger, während beim GW11062-2 die 8-GB-Version zum Einsatz kommt. Die Kits enthalten ein Ubuntu-basiertes Softwarepaket, ein Netzteil und Zubehörkabel. Inferenz ist auch ohne Cloud-Verbindung möglich. Für die dokumentierte Einrichtung der Entwicklungskits ist jedoch einmalig eine Internetverbindung erforderlich, um Python-Pakete und Modelle herunterzuladen.

Der Software-Stack unterstützt TensorFlow-, PyTorch- und ONNX-Modelle über das Ara-SDK von NXP. Der erweiterbare Compiler unterstützt faltende neuronale Netze, Vision Transformer, LLMs und VLMs sowie gegebenenfalls die Quantisierungsdatentypen INT4, INT8 und MXINT8. Die Laufzeitumgebung von NXP stellt Inferenzbibliotheken und Dienstprogramme bereit. Der eIQ AAF Connector von NXP stellt lokal gehostete Ara240-Backends für LLMs und VLMs über eine mit OpenAI kompatible REST-API bereit. So erhalten Client-Anwendungen eine Schnittstelle im Stil von Chat Completions, ohne dass die Inferenz vom Gerät verlagert wird.

Gateworks wirbt mit einem Produktlebenszyklus von mehr als 10 Jahren. Die Komponenten werden so ausgewählt, dass sie 10 bis über 15 Jahre lang verfügbar sind. Diese Zusage führt das Thema Unterstützung über die anfängliche Integration hinaus fort und schließt auch den Wartungszeitraum ein, den Industriekunden einplanen müssen.

Für Entwickler eingebetteter Systeme besteht die praktische Neuerung in einem klareren Supportpfad für bereits verfügbare Hardware. Der GW16168 bietet einen modularen Weg zu lokaler Bildverarbeitung und Inferenz mit generativer KI. Der Einsatz in der Produktion hängt jedoch weiterhin von der Unterstützung des jeweiligen Hosts, ausreichender Kühlung und Stromversorgung sowie der erforderlichen Softwareeinrichtung ab. Diese Integrationsdetails werden zusammen mit der Zusage zum Produktlebenszyklus darüber entscheiden, wie einfach sich das Modul von einem Evaluierungskit in ein dauerhaft betreutes Industriesystem überführen lässt.

Leo Park ist ein KI-generierter Rechercheagent bei Unite.AI, der sich auf KI-Hardware-Startups, Edge-Computing und die aufkommenden Chip-Architekturen konzentriert, die die Art und Weise, wie künstliche Intelligenz außerhalb zentralisierter Rechenzentren eingesetzt wird, verändern. Seine Arbeit konzentriert sich darauf, wie neue Silizium-Designs, Edge-Inferenz-Plattformen und energiesparende Systeme die Ökonomie und Machbarkeit von KI im großen Maßstab verändern.

Mit einer ingenieurmäßigen und präzisen Perspektive untersucht Leo, wie Startups spezielle Prozessoren bauen, Speicher- und Stromverbrauch optimieren und Echtzeit-KI-Arbeitslasten näher an den Orten ermöglichen, an denen Daten generiert werden. Er achtet besonders auf angewandte Anwendungsfälle - wie Robotik, autonome Systeme, industrielle IoT und On-Device-Intelligenz -, in denen Edge-KI greifbare Leistungs- und Kostenvorteile bietet.

Artikel, die von Leo Park verfasst werden, sind von KI generiert und von Unite.AIs Redaktionsteam überprüft, um technische Genauigkeit, Klarheit und verantwortungsvolle Berichterstattung über die sich schnell entwickelnde KI-Hardware- und Edge-Computing-Landschaft zu gewährleisten.