Modele i platformy AI

Ezurio rozszerza pełne wsparcie na akcelerator brzegowy AI GW16168

Leo Park
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyWsparcie Ezurio dla GW16168 to przejście, a nie nowa premiera sprzętu.
Zobacz więcej
  • Wsparcie Ezurio dla GW16168 to przejście, a nie nowa premiera sprzętu.
  • Akcelerator wymaga specjalnego sprzętu do chłodzenia i zasilania wykraczającego poza standardowe złącze M.2.
  • Wdrożenie produkcyjne zależy od wsparcia specyficznego dla hosta i udokumentowanej konfiguracji oprogramowania.

W komunikacie z 19 listopada 2026 r. Ezurio poinformowało, że po przejęciu Gateworks zapewnia już pełne wsparcie dla GW16168. Akcelerator AI M.2 produkowany w USA oraz dwa zestawy deweloperskie GW11062 są dostępne w sprzedaży, a karta oparta na NXP Ara240 zapewnia wydajność do 40 równoważnych teraoperacji na sekundę (eTOPS).

To zmiana dotycząca wsparcia, a nie premiera nowego sprzętu. Gateworks wprowadziło GW16168 7 kwietnia 2026 r., po zaprezentowaniu go wspólnie z NXP podczas Embedded World 2026, i poinformowało, że produkt jest dostępny bezpośrednio oraz za pośrednictwem dystrybutorów. Informacja o przejęciu przez Ezurio pojawiła się 9 czerwca 2026 r. Dzięki temu firma rozszerzyła działalność w obszarze systemów wbudowanych o projektowanie wytrzymałych komputerów jednopłytkowych, produkcję w USA oraz klientów z sektorów obronnego, lotniczego i przemysłowego.

Eric Singer, menedżer produktu w Ezurio, powiedział: „GW16168 łączy DNPU Ara240 firmy NXP z konstrukcją klasy przemysłowej, produkowaną w USA, dzięki czemu klienci mogą zwiększyć wydajność AI bez przeprojektowywania całej platformy”.

Widzenie komputerowe i generatywna AI na urządzeniu

GW16168 wykorzystuje dyskretną jednostkę przetwarzania neuronowego (DNPU), która odciąża procesor główny, przejmując zadania związane z wnioskowaniem. Przewidziane zastosowania obejmują widzenie komputerowe, duże modele językowe (LLM), modele wizualno-językowe (VLM), robotykę i inteligentną automatyzację. Przetwarzanie lokalne pozwala uniknąć przesyłania danych do infrastruktury chmurowej, co pomaga sprostać ograniczeniom związanym z zasięgiem sieci, opóźnieniami, prywatnością i bezpieczeństwem w przypadku dronów, robotów oraz zdalnie obsługiwanego sprzętu przemysłowego.

Moduł ma wymiary 22 × 80 × 3,5 mm i format M.2 M-Key 2280. Łączy się przez czteroliniowy interfejs PCIe Gen4, obsługuje też hosty PCIe Gen3. Kartę zasila pojedyncze źródło napięcia 3,3 V; urządzenie obsługuje bezpieczny rozruch i korzeń zaufania. Dostępne wersje mają 8 GB lub 16 GB wbudowanej pamięci LPDDR4, a według Ezurio cała rodzina obsługuje modele AI o maksymalnie 16 miliardach parametrów. Standardowy GW16168 i wariant SP520 z 8 GB pamięci są przeznaczone do pracy w temperaturach od -40°C do +85°C, natomiast wersja SP521 z 16 GB — od -25°C do +85°C.

Obsługa hostów i ograniczenia integracji

Samo złącze M.2 nie oznacza, że dana konfiguracja jest obsługiwana. Akcelerator zaprojektowano specjalnie z myślą o komputerach jednopłytkowych (SBC) Gateworks VeniceFLEX i Catalina, a jego szerszą zgodność opisano w odniesieniu do innych platform M.2 M-Key 2280. Zarówno dokumentacja produktów Gateworks, jak i instrukcja użytkownika Ezurio precyzują zakres tej zgodności: testy i wsparcie Gateworks dotyczą komputerów SBC tej firmy, natomiast w przypadku wdrożeń wykorzystujących inną płytę bazową, układ SoC lub architekturę należy skontaktować się z NXP.

Chłodzenie i zasilanie również wymagają odpowiedniego sprzętu: zamontowany radiator z wentylatorem 5 V musi być podłączony do złącza wentylatora w adapterze, a karta może pobierać około 12 W. W instalacjach z komputerami SBC Gateworks wymagany jest adapter GW16FM1-C, ponieważ podstawowy adapter nie zapewnia wystarczającej mocy ani złącza wentylatora. Standardowe złącze określa więc interfejs fizyczny, ale nie obejmuje całego projektu termicznego, zasilania ani wsparcia.

Zestawy deweloperskie, oprogramowanie i cykl życia

Zestaw GW11062-1 łączy komputer SBC Catalina z akceleratorem 16 GB, natomiast GW11062-2 wykorzystuje wersję 8 GB. Zestawy zawierają pakiet oprogramowania oparty na Ubuntu, zasilacz i kable dodatkowe. Wnioskowanie może odbywać się bez połączenia z chmurą, jednak opisana konfiguracja zestawu deweloperskiego wymaga jednorazowego połączenia z internetem, aby pobrać pakiety Pythona i modele.

Oprogramowanie obsługuje modele TensorFlow, PyTorch i ONNX za pośrednictwem Ara SDK firmy NXP. Rozszerzalny kompilator obsługuje konwolucyjne sieci neuronowe, transformatory wizyjne, LLM-y i VLM-y, a także kwantyzację do formatów INT4, INT8 i MXINT8, jeśli ma to zastosowanie. Środowisko uruchomieniowe NXP udostępnia biblioteki i narzędzia do wnioskowania, a eIQ AAF Connector firmy NXP zapewnia dostęp do lokalnie hostowanych modeli LLM i VLM Ara240 za pośrednictwem interfejsu REST API zgodnego z OpenAI. Dzięki temu aplikacje klienckie mogą korzystać z interfejsu w stylu czatu z uzupełnianiem odpowiedzi, bez przenoszenia wnioskowania poza urządzenie.

Gateworks deklaruje cykl życia produktu przekraczający 10 lat, a zastosowane komponenty dobiera z myślą o dostępności przez okres od ponad 10 do ponad 15 lat. Zobowiązanie to rozszerza zapowiedziane wsparcie poza początkową integrację — na okres konserwacji i utrzymania, który klienci przemysłowi muszą uwzględnić w swoich planach.

Dla projektantów systemów wbudowanych praktyczna zmiana polega na wyraźniejszej ścieżce wsparcia dla sprzętu, który był już dostępny. GW16168 zapewnia modułowe rozwiązanie do lokalnego wnioskowania w zakresie widzenia komputerowego i generatywnej AI, jednak wdrożenie produkcyjne nadal zależy od wsparcia dla konkretnego hosta, odpowiedniego chłodzenia i zasilania oraz wymaganej konfiguracji oprogramowania. Te szczegóły integracji, wraz z deklarowanym cyklem życia produktu, zadecydują o tym, jak łatwo moduł przejdzie z zestawu ewaluacyjnego do utrzymywanego systemu przemysłowego.

Leo Park jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się startupami z dziedziny sprzętu AI, obliczeń brzegowych oraz nowymi architekturami układów scalonych, które zmieniają sposób wdrożenia sztucznej inteligencji poza scentralizowanymi ośrodkami danych. Jego praca koncentruje się na tym, jak nowe projekty układów scalonych, platformy inferencyjne brzegowe oraz systemy efektywne energetycznie zmieniają ekonomię i wykonalność AI na dużą skalę.
Z perspektywy inżynierskiej i precyzyjnej, Leo analizuje, jak startupy budują specjalistyczne procesory, optymalizują pamięć i zużycie energii, oraz umożliwiają obciążenia AI w czasie rzeczywistym bliżej miejsca, w którym generowane są dane. Zwraca szczególną uwagę na przypadki użycia — takie jak robotyka, systemy autonomiczne, przemysłowy Internet rzeczy oraz inteligencja urządzeń — gdzie AI brzegowa dostarcza namacalne korzyści pod względem wydajności i kosztów.
Artykuły autorstwa Leo Parka są wygenerowane przez AI i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia technicznej dokładności, klarowności oraz odpowiedzialnego opisywania szybko ewoluującego krajobrazu sprzętu AI i obliczeń brzegowych.