Modelli e piattaforme di IA
Ezurio estende il pieno supporto all’acceleratore Edge AI GW16168

Punti chiaveIl supporto di Ezurio per il GW16168 è una transizione piuttosto che un nuovo lancio…
Vedi di più
- Il supporto di Ezurio per il GW16168 è una transizione piuttosto che un nuovo lancio hardware.
- L'acceleratore richiede hardware specifico per il raffreddamento e l'alimentazione oltre a un connettore M.2 standard.
- La distribuzione in produzione dipende dal supporto specifico dell'host e da una configurazione software documentata.
In un annuncio del 19 novembre 2026, Ezurio ha dichiarato di offrire ora il pieno supporto al GW16168 in seguito all’acquisizione di Gateworks. L’azienda ha indicato come disponibili l’acceleratore AI M.2 prodotto negli Stati Uniti e due kit di sviluppo GW11062, e ha specificato che la scheda basata su NXP Ara240 raggiunge fino a 40 teraoperazioni equivalenti al secondo (eTOPS).
Si tratta di un passaggio relativo al supporto, non del debutto di un nuovo hardware. Il 7 aprile 2026, Gateworks ha presentato il GW16168, dopo averlo svelato insieme a NXP a Embedded World 2026, e lo aveva indicato come disponibile direttamente e tramite distributori. Il 9 giugno 2026 è seguito l’annuncio dell’acquisizione da parte di Ezurio, che ha integrato nell’attività di elaborazione embedded competenze nella progettazione di computer a scheda singola rugged, la produzione negli Stati Uniti e clienti nei settori della difesa, dell’aerospazio e dell’industria.
Eric Singer, responsabile di prodotto di Ezurio, ha dichiarato: «Il GW16168 abbina la DNPU Ara240 di NXP a un design di livello industriale, prodotto negli Stati Uniti, consentendo ai clienti di aumentare le prestazioni dell’IA senza riprogettare l’intera piattaforma».
Visione sul dispositivo e IA generativa
Il GW16168 utilizza un’unità di elaborazione neurale discreta (DNPU) per alleggerire il processore host dal carico di lavoro dell’inferenza. Le applicazioni previste comprendono la visione artificiale, i modelli linguistici di grandi dimensioni (LLM), i modelli visione-linguaggio (VLM), la robotica e l’automazione intelligente. L’elaborazione locale evita l’invio dei dati all’infrastruttura cloud e risponde ai vincoli di copertura di rete, latenza, privacy e sicurezza che riguardano droni, robot e apparecchiature industriali remote.
Il modulo misura 22 × 80 × 3,5 millimetri nel formato M.2 M-Key 2280 e si collega tramite PCIe Gen4 a quattro linee; supporta anche gli host PCIe Gen3. La scheda è alimentata da un’unica sorgente a 3,3 volt e integra Secure Boot e Root of Trust. Le versioni sono dotate di 8 GB o 16 GB di memoria LPDDR4 integrata; secondo Ezurio, la famiglia supporta modelli di IA con un massimo di 16 miliardi di parametri. Il GW16168 standard e la variante SP520 da 8 GB sono certificati per temperature comprese tra -40 °C e +85 °C, mentre la versione SP521 da 16 GB è certificata per temperature comprese tra -25 °C e +85 °C.
Supporto degli host e limiti di integrazione
La sola presenza di un connettore M.2 non garantisce che una configurazione sia supportata. L’acceleratore è progettato specificamente per i computer a scheda singola (SBC) Gateworks VeniceFLEX e Catalina; viene inoltre indicata una compatibilità più ampia con altre piattaforme M.2 M-Key 2280. Sia la documentazione di prodotto di Gateworks sia la guida utente di Ezurio precisano la portata di tale compatibilità: i test e il supporto di Gateworks riguardano gli SBC Gateworks, mentre per le implementazioni che utilizzano un’altra scheda base, un altro SoC o un’altra architettura si rimanda a NXP.
Anche il raffreddamento e l’alimentazione richiedono hardware specifico: il dissipatore con ventola da 5 V montato sulla scheda deve essere collegato all’header della ventola dell’adattatore e la scheda può assorbire circa 12 W. Per le installazioni su SBC Gateworks è necessario l’adattatore GW16FM1-C, poiché quello base non dispone di alimentazione sufficiente né di un header per la ventola. Un connettore standard descrive quindi l’interfaccia fisica, non l’intera configurazione termica, di alimentazione e di supporto.
Kit di sviluppo, software e ciclo di vita
Il kit GW11062-1 abbina un SBC Catalina all’acceleratore da 16 GB, mentre il GW11062-2 utilizza la versione da 8 GB. I kit includono un pacchetto software basato su Ubuntu, un alimentatore e cavi accessori. L’inferenza può essere eseguita senza connessione al cloud, ma la configurazione documentata dei kit di sviluppo richiede comunque una connessione Internet una tantum per scaricare i pacchetti Python e i modelli.
Il percorso software supporta modelli TensorFlow, PyTorch e ONNX tramite Ara SDK di NXP. Il compilatore estensibile supporta reti neurali convoluzionali, vision transformer, LLM e VLM, con i tipi di dati di quantizzazione INT4, INT8 e MXINT8, ove applicabile. Il runtime di NXP fornisce librerie e utilità per l’inferenza, mentre eIQ AAF Connector mette a disposizione backend Ara240 per LLM e VLM ospitati localmente tramite un’API REST compatibile con OpenAI, offrendo alle applicazioni client un’interfaccia simile a quella per il completamento delle chat senza spostare l’inferenza fuori dal dispositivo.
Gateworks pubblicizza un ciclo di vita del prodotto superiore a 10 anni, con componenti selezionati per una disponibilità da oltre 10 a oltre 15 anni. Questo impegno estende il tema del supporto annunciato oltre l’integrazione iniziale, fino al periodo di manutenzione che i clienti industriali devono pianificare.
Per chi progetta sistemi embedded, il cambiamento concreto consiste in un percorso di supporto più chiaro per un hardware già disponibile. Il GW16168 offre una soluzione modulare per l’inferenza locale di modelli di visione e IA generativa, ma la distribuzione in produzione dipende ancora dal supporto specifico per l’host, da un raffreddamento e un’alimentazione adeguati e dalla configurazione software richiesta. Questi dettagli di integrazione, insieme all’impegno sul ciclo di vita, determineranno quanto facilmente il modulo potrà passare da un kit di valutazione a un sistema industriale sottoposto a manutenzione.












