AI-modeller og plattformer

Ezurio utvider den fullstendige støtten til GW16168-akseleratoren for kantbasert KI

Leo Park
Legg til Unite.AI blant dine foretrukne kilder på Google
Viktige punkterEzurios støtte for GW16168 er en overgang snarere enn en lansering av ny maskinvare.
Vis mer
  • Ezurios støtte for GW16168 er en overgang snarere enn en lansering av ny maskinvare.
  • Akseleratoren krever spesifikk kjøle- og strømmaskinvare utover en standard M.2-kontakt.
  • Produksjonsutrulling avhenger av vertsspesifikk støtte og en dokumentert programvareoppsett.

Ezurio opplyste i en kunngjøring 19. november 2026 at selskapet nå gir full støtte til GW16168 etter oppkjøpet av Gateworks. Selskapet oppførte den USA-produserte M.2-akseleratoren for KI og to GW11062-utviklingssett som tilgjengelige, og oppga at kortet, som er basert på NXP Ara240, leverer opptil 40 ekvivalente teraoperasjoner per sekund (eTOPS).

Dette er en overgang i støtten, ikke en lansering av ny maskinvare. Gateworks lanserte GW16168 7. april 2026, etter å ha presentert den sammen med NXP på Embedded World 2026, og oppga at den kunne kjøpes direkte og gjennom distributører. Ezurios kunngjøring av oppkjøpet fulgte 9. juni 2026. Oppkjøpet tilførte virksomheten for innebygde datasystemer kompetanse innen utvikling av robuste enkortdatamaskiner, produksjon i USA og kunder i forsvars-, romfarts- og industrimarkedene.

Ezurios produktsjef Eric Singer sa: «GW16168 kombinerer NXP Ara240 DNPU med et industridesign produsert i USA, slik at kundene kan skalere KI-ytelsen uten å redesigne hele plattformen.»

KI for syn og generativ KI på enheten

GW16168 bruker en separat nevralprosessor (DNPU) til å avlaste vertsprosessoren for inferensarbeid. Den er beregnet på arbeidsoppgaver innen maskinsyn, store språkmodeller (LLM-er), visjon-språkmodeller (VLM-er), robotikk og intelligent automatisering. Lokal behandling gjør det unødvendig å sende data til skyinfrastruktur og håndterer dermed begrensninger knyttet til nettverksdekning, forsinkelse, personvern og sikkerhet i droner, roboter og fjernstyrt industriutstyr.

Modulen måler 22 × 80 × 3,5 millimeter og har formfaktoren M.2 M-Key 2280. Den kobles til via fire PCIe Gen4-baner og støtter også vertsprosessorer med PCIe Gen3. Kortet får strøm fra én 3,3-volts strømforsyning og har sikker oppstart og tillitsrot. Versjonene leveres med 8 GB eller 16 GB innebygd LPDDR4-minne, og Ezurio oppgir at produktserien støtter KI-modeller med opptil 16 milliarder parametere. Standardutgaven GW16168 og 8 GB-varianten SP520 er beregnet for temperaturer fra −40 °C til +85 °C, mens 16 GB-utgaven SP521 er beregnet for temperaturer fra −25 °C til +85 °C.

Støtte for vertssystemer og begrensninger ved integrering

En M.2-kontakt alene betyr ikke at en bestemt løsning støttes. Akseleratoren er spesialutviklet for Gateworks VeniceFLEX- og Catalina-enkortdatamaskiner (SBC-er), og det oppgis at den også er kompatibel med andre M.2 M-Key 2280-plattformer. Både Gateworks’ produktdokumentasjon og Ezurios brukerhåndbok presiserer omfanget: Testing og støtte fra Gateworks gjelder Gateworks-SBC-er, mens implementeringer med andre hovedkort, SoC-er eller arkitekturer henvises til NXP.

Også kjøling og strømforsyning krever bestemt maskinvare: Den monterte 5 V-viftekjøleren må kobles til vifteuttaket på adapteren, og kortet kan trekke rundt 12 W. Ved installasjon i Gateworks-SBC-er kreves GW16FM1-C-adapteren, fordi standardadapteren ikke har tilstrekkelig strømkapasitet eller vifteuttak. En standardkontakt beskriver derfor det fysiske grensesnittet, ikke den fullstendige løsningen for kjøling, strømforsyning og støtte.

Utviklingssett, programvare og produktlevetid

GW11062-1-settet kombinerer en Catalina-SBC med 16 GB-akseleratoren, mens GW11062-2 bruker 8 GB-versjonen. Settene inneholder en programvarepakke basert på Ubuntu, strømforsyning og tilbehørskabler. Inferens kan kjøres uten skytilkobling, men den dokumenterte konfigurasjonen for utviklingssettet krever likevel internettilkobling én gang for å laste ned Python-pakker og modeller.

Programvareløsningen støtter TensorFlow-, PyTorch- og ONNX-modeller via NXP-Ara SDK. Den utvidbare kompilatoren støtter konvolusjonelle nevrale nettverk, visjonstransformere, LLM-er og VLM-er, samt kvantiseringsdatatypene INT4, INT8 og MXINT8 der det er relevant. NXP-kjøretiden inneholder inferensbiblioteker og verktøy, mens selskapets eIQ AAF Connector gjør Ara240-bakdelene for LLM-er og VLM-er, som kjøres lokalt, tilgjengelige via et OpenAI-kompatibelt REST-API. Dermed får klientapplikasjoner et grensesnitt for chatfullføringer uten at inferensen flyttes bort fra enheten.

Gateworks oppgir at produktet har en produktlevetid på over 10 år, og at komponentene er valgt med sikte på en tilgjengelighet på mer enn 10 til mer enn 15 år. Denne forpliktelsen viderefører kunngjøringens vekt på støtte utover den første integreringen, gjennom vedlikeholdsperioden som industrikunder må planlegge for.

For utviklere av innebygde systemer er den praktiske endringen en tydeligere støttevei for maskinvare som allerede var tilgjengelig. GW16168 gir en modulær løsning for lokal inferens innen syn og generativ KI, men utrulling i produksjon avhenger fortsatt av støtte for det aktuelle vertssystemet, tilstrekkelig kjøling og strømforsyning samt nødvendig programvareoppsett. Disse integreringsdetaljene og forpliktelsen til produktets levetid vil avgjøre hvor enkelt modulen kan gå fra et evalueringssett til et industrielt system som vedlikeholdes over tid.

Leo Park er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-hardware-startups, edge computing og de nye chip-arkitekturer som endrer hvordan kunstig intelligens brukes utenfor sentraliserte datasentre. Hans arbeid fokuserer på hvordan nye silisiumdesign, edge-inferensplattformer og energivennlige systemer endrer økonomien og mulighetene for AI i stor skala. Med et ingeniørorientert og presist perspektiv undersøker Leo hvordan startups bygger spesialiserte prosessorer, optimaliserer minne- og strømforbruk, og muliggjør sanntids AI-arbeidsbelastninger nærmere der data genereres. Han legger særlig vekt på anvendte bruksområder - som robotikk, autonome systemer, industriell IoT og on-device-intelligens - hvor edge-AI leverer merkbar ytelse og kostnadsfordeler. Artikler skrevet av Leo Park er AI-generert og gjennomgått av Unite.AIs redaksjonelle team for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-hardware- og edge computing-landskapet.