Modèles et plateformes d’IA
Ezurio étend sa prise en charge complète de l’accélérateur d’IA en périphérie GW16168

Points clésLe support d'Ezurio pour le GW16168 est une transition plutôt qu'un lancement de…
Voir plus
- Le support d'Ezurio pour le GW16168 est une transition plutôt qu'un lancement de nouveau matériel.
- L'accélérateur nécessite du matériel de refroidissement et d'alimentation spécifique au-delà d'un connecteur M.2 standard.
- Le déploiement en production dépend d'un support spécifique à l'hôte et d'une configuration logicielle documentée.
Dans une annonce du 19 novembre 2026, Ezurio a indiqué qu’elle assure désormais la prise en charge complète du GW16168 à la suite de son acquisition de Gateworks. L’entreprise présente l’accélérateur d’IA M.2 fabriqué aux États-Unis et deux kits de développement GW11062 comme disponibles, et précise que la carte fondée sur le NXP Ara240 atteint jusqu’à 40 téraopérations équivalentes par seconde (eTOPS).
Il s’agit d’un transfert de prise en charge, et non du lancement d’un nouveau matériel. Le 7 avril 2026, Gateworks a présenté le GW16168, après l’avoir dévoilé avec NXP à Embedded World 2026, et l’a annoncé comme disponible directement et auprès de distributeurs. L’annonce de l’acquisition par Ezurio a suivi le 9 juin 2026. Cette acquisition a apporté à son activité de calcul embarqué une expertise en matière d’ordinateurs monocartes robustes, une production aux États-Unis et une clientèle dans les secteurs de la défense, de l’aérospatiale et de l’industrie.
Eric Singer, chef de produit chez Ezurio, a déclaré : « Le GW16168 associe le DNPU Ara240 de NXP à une conception de qualité industrielle fabriquée aux États-Unis, afin que les clients puissent augmenter les performances de l’IA sans repenser l’ensemble de leur plateforme. »
Vision embarquée et IA générative
Le GW16168 utilise une unité de traitement neuronal distincte (DNPU) pour décharger le processeur hôte des tâches d’inférence. Les charges de travail visées couvrent la vision par ordinateur, les grands modèles de langage (LLM), les modèles vision-langage (VLM), la robotique et l’automatisation intelligente. Le traitement local évite d’envoyer les données vers une infrastructure infonuagique et répond ainsi aux contraintes de couverture réseau, de latence, de confidentialité et de sécurité propres aux drones, aux robots et aux équipements industriels distants.
Le module mesure 22 × 80 × 3,5 millimètres au format M.2 M-Key 2280 et se connecte via PCIe Gen4 à quatre voies. Il prend également en charge les hôtes PCIe Gen3. La carte est alimentée par une seule source de 3,3 volts et intègre Secure Boot et Root of Trust. Les versions sont équipées de 8 Go ou de 16 Go de mémoire LPDDR4 embarquée, et Ezurio indique que la gamme prend en charge des modèles d’IA comportant jusqu’à 16 milliards de paramètres. Le GW16168 standard et la variante SP520 de 8 Go sont prévus pour fonctionner entre -40 °C et +85 °C, tandis que la version SP521 de 16 Go est prévue pour fonctionner entre -25 °C et +85 °C.
Prise en charge des hôtes et limites d’intégration
La présence d’un connecteur M.2 ne suffit pas à garantir la prise en charge d’une configuration. Cet accélérateur est conçu spécifiquement pour les ordinateurs monocartes (SBC) Gateworks VeniceFLEX et Catalina ; une compatibilité plus large est indiquée pour d’autres plateformes M.2 M-Key 2280. La documentation produit de Gateworks et le guide d’utilisation d’Ezurio apportent tous deux des précisions sur cette compatibilité : les essais et la prise en charge de Gateworks concernent les SBC Gateworks, tandis que les intégrations reposant sur une autre carte de base, un autre SoC ou une autre architecture sont renvoyées vers NXP.
Le refroidissement et l’alimentation nécessitent également du matériel spécifique : le dissipateur thermique avec ventilateur 5 V doit être raccordé au connecteur de ventilateur de l’adaptateur, et la carte peut consommer environ 12 W. Pour les installations sur SBC Gateworks, l’adaptateur GW16FM1-C est obligatoire, car l’adaptateur de base ne fournit pas une alimentation suffisante et ne dispose pas de connecteur pour ventilateur. Un connecteur standard décrit donc l’interface physique, et non l’ensemble des exigences en matière de refroidissement, d’alimentation et de prise en charge.
Kits de développement, logiciels et cycle de vie
Le kit GW11062-1 associe un SBC Catalina à l’accélérateur de 16 Go, tandis que le GW11062-2 utilise la version de 8 Go. Les kits comprennent un ensemble logiciel fondé sur Ubuntu, une alimentation et des câbles accessoires. L’inférence peut s’effectuer sans connexion au nuage, mais la configuration documentée du kit de développement nécessite tout de même une connexion Internet ponctuelle pour télécharger les paquets Python et les modèles.
La chaîne logicielle prend en charge les modèles TensorFlow, PyTorch et ONNX par l’intermédiaire de l’Ara SDK de NXP. Son compilateur extensible couvre les réseaux neuronaux convolutifs, les transformeurs de vision, les LLM et les VLM, et prend en charge, le cas échéant, les types de données de quantification INT4, INT8 et MXINT8. L’environnement d’exécution de NXP fournit des bibliothèques et des utilitaires d’inférence, tandis que son connecteur eIQ AAF Connector expose les moteurs Ara240 pour LLM et VLM hébergés localement via une API REST compatible avec OpenAI. Les applications clientes disposent ainsi d’une interface de type complétion de conversations, sans que l’inférence ne quitte l’appareil.
Gateworks annonce un cycle de vie du produit de plus de 10 ans, avec des composants sélectionnés pour rester disponibles pendant plus de 10 à plus de 15 ans. Cet engagement prolonge la prise en charge annoncée au-delà de l’intégration initiale, jusqu’à la période de maintenance que les clients industriels doivent prévoir.
Pour les concepteurs de systèmes embarqués, le changement concret est une procédure de prise en charge plus claire pour un matériel déjà disponible. Le GW16168 offre une solution modulaire pour exécuter localement des tâches d’inférence de vision et d’IA générative, mais son déploiement en production dépend toujours de la prise en charge propre à l’hôte, d’un refroidissement et d’une alimentation adaptés, ainsi que de la configuration logicielle requise. Ces détails d’intégration, auxquels s’ajoute l’engagement relatif au cycle de vie, détermineront dans quelle mesure le module pourra passer facilement d’un kit d’évaluation à un système industriel maintenu.












