โมเดลและแพลตฟอร์ม AI

Ezurio ขยายการรองรับตัวเร่งความเร็ว Edge AI รุ่น GW16168 อย่างเต็มรูปแบบ

Leo Park
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญการสนับสนุน GW16168 ของ Ezurio เป็นการเปลี่ยนผ่านมากกว่าการเปิดตัวฮาร์ดแวร์ใหม่
ดูเพิ่มเติม
  • การสนับสนุน GW16168 ของ Ezurio เป็นการเปลี่ยนผ่านมากกว่าการเปิดตัวฮาร์ดแวร์ใหม่
  • ตัวเร่งความเร็วต้องใช้อุปกรณ์ระบายความร้อนและจ่ายไฟเฉพาะนอกเหนือจากตัวเชื่อมต่อ M.2 มาตรฐาน
  • การติดตั้งใช้งานจริงขึ้นอยู่กับการสนับสนุนเฉพาะโฮสต์และการตั้งค่าซอฟต์แวร์ที่มีเอกสารประกอบ

Ezurio ระบุในประกาศเมื่อวันที่ 19 พฤศจิกายน 2026 ว่าขณะนี้บริษัทให้การรองรับ GW16168 อย่างเต็มรูปแบบ หลังเข้าซื้อกิจการ Gateworks โดยระบุตัวเร่งความเร็ว AI แบบ M.2 ที่ผลิตในสหรัฐฯ และชุดพัฒนารุ่น GW11062 จำนวน 2 ชุดว่าพร้อมจำหน่าย พร้อมระบุว่าการ์ดที่ใช้ NXP Ara240 ให้ประสิทธิภาพสูงสุด 40 เทราโอเปอเรชันเทียบเท่าต่อวินาที (eTOPS)

นี่เป็นการเปลี่ยนผ่านด้านการรองรับ ไม่ใช่การเปิดตัวฮาร์ดแวร์รุ่นใหม่ Gateworks เปิดตัว GW16168 เมื่อวันที่ 7 เมษายน 2026 หลังเผยโฉมผลิตภัณฑ์ร่วมกับ NXP ในงาน Embedded World 2026 และระบุว่าสามารถซื้อได้โดยตรงและผ่านตัวแทนจำหน่าย ต่อมาในวันที่ 9 มิถุนายน 2026 Ezurio ประกาศการเข้าซื้อกิจการ ซึ่งนำความเชี่ยวชาญด้านวิศวกรรมคอมพิวเตอร์บอร์ดเดี่ยวแบบทนทาน การผลิตในสหรัฐฯ และฐานลูกค้าในตลาดกลาโหม การบินและอวกาศ และอุตสาหกรรม มาสู่ธุรกิจคอมพิวเตอร์แบบฝังตัวของบริษัท

Eric Singer ผู้จัดการผลิตภัณฑ์ของ Ezurio กล่าวว่า “GW16168 ผสาน DNPU Ara240 ของ NXP เข้ากับการออกแบบระดับอุตสาหกรรมที่ผลิตในสหรัฐฯ ทำให้ลูกค้าสามารถเพิ่มขีดความสามารถด้าน AI ได้โดยไม่ต้องออกแบบแพลตฟอร์มทั้งหมดใหม่”

วิชันบนอุปกรณ์และ AI เชิงสร้างสรรค์

GW16168 ใช้หน่วยประมวลผลโครงข่ายประสาทเทียมแบบแยกเฉพาะ (DNPU) เพื่อแบ่งเบาภาระงานอนุมานจากหน่วยประมวลผลหลัก เวิร์กโหลดที่ออกแบบมารองรับครอบคลุมแมชชีนวิชัน โมเดลภาษาขนาดใหญ่ (LLM) โมเดลวิชัน-ภาษา (VLM) หุ่นยนต์ และระบบอัตโนมัติอัจฉริยะ การประมวลผลภายในอุปกรณ์ช่วยหลีกเลี่ยงการส่งข้อมูลไปยังโครงสร้างพื้นฐานระบบคลาวด์ และช่วยจัดการข้อจำกัดด้านความครอบคลุมของเครือข่าย เวลาแฝง ความเป็นส่วนตัว และความปลอดภัยในการใช้งานกับโดรน หุ่นยนต์ และอุปกรณ์อุตสาหกรรมระยะไกล

โมดูลมีขนาด 22 × 80 × 3.5 มิลลิเมตร ในรูปแบบ M.2 M-Key 2280 และเชื่อมต่อผ่าน PCIe Gen4 แบบ 4 เลน พร้อมรองรับโฮสต์ PCIe Gen3 การ์ดใช้แหล่งจ่ายไฟ 3.3 โวลต์เพียงชุดเดียว และมี Secure Boot กับ Root of Trust ให้เลือกใช้งาน รุ่นต่าง ๆ มาพร้อมหน่วยความจำ LPDDR4 บนบอร์ดขนาด 8GB หรือ 16GB โดย Ezurio ระบุว่าผลิตภัณฑ์ในตระกูลนี้รองรับโมเดล AI ที่มีพารามิเตอร์ได้สูงสุด 16,000 ล้านตัว GW16168 รุ่นมาตรฐานและรุ่น SP520 ขนาด 8GB รองรับอุณหภูมิตั้งแต่ -40°C ถึง +85°C ส่วนรุ่น SP521 ขนาด 16GB รองรับตั้งแต่ -25°C ถึง +85°C

การรองรับโฮสต์และข้อจำกัดในการผสานระบบ

การมีขั้วต่อ M.2 เพียงอย่างเดียวไม่ได้ยืนยันว่าจะรองรับการติดตั้งใช้งาน ตัวเร่งความเร็วนี้ออกแบบมาโดยเฉพาะสำหรับคอมพิวเตอร์บอร์ดเดี่ยว (SBC) รุ่น VeniceFLEX และ Catalina ของ Gateworks โดยมีการระบุว่าสามารถใช้งานร่วมกับแพลตฟอร์ม M.2 M-Key 2280 อื่น ๆ ได้ในวงกว้างขึ้น อย่างไรก็ตาม ทั้งเอกสารผลิตภัณฑ์ของ Gateworksและคู่มือผู้ใช้ของ Ezurioต่างระบุเงื่อนไขเกี่ยวกับขอบเขตดังกล่าว โดยการทดสอบและการรองรับจาก Gateworks ครอบคลุมเฉพาะ SBC ของ Gateworks ส่วนการติดตั้งใช้งานร่วมกับบอร์ดฐาน SoC หรือสถาปัตยกรรมอื่น ให้ติดต่อ NXP

ระบบระบายความร้อนและแหล่งจ่ายไฟยังต้องใช้ฮาร์ดแวร์เฉพาะ โดยต้องเชื่อมต่อฮีตซิงก์พร้อมพัดลม 5V ที่ติดตั้งไว้เข้ากับเฮดเดอร์พัดลมของอะแดปเตอร์ และการ์ดอาจใช้พลังงานประมาณ 12W สำหรับการติดตั้งกับ SBC ของ Gateworks จำเป็นต้องใช้อะแดปเตอร์ GW16FM1-C เนื่องจากอะแดปเตอร์พื้นฐานจ่ายไฟได้ไม่เพียงพอและไม่มีเฮดเดอร์พัดลม ดังนั้น ขั้วต่อมาตรฐานจึงบ่งบอกเพียงอินเทอร์เฟซทางกายภาพ ไม่ใช่ระบบระบายความร้อน แหล่งจ่ายไฟ และการรองรับที่ครบถ้วน

ชุดพัฒนา ซอฟต์แวร์ และวงจรอายุผลิตภัณฑ์

ชุด GW11062-1 จับคู่ SBC รุ่น Catalina กับตัวเร่งความเร็วขนาด 16GB ส่วน GW11062-2 ใช้รุ่น 8GB ชุดพัฒนาทั้งสองมาพร้อมแพ็กเกจซอฟต์แวร์ที่ใช้ Ubuntu แหล่งจ่ายไฟ และสายอุปกรณ์เสริม การประมวลผลอนุมานทำงานได้โดยไม่ต้องเชื่อมต่อคลาวด์ แต่การตั้งค่าชุดพัฒนาตามเอกสารยังต้องเชื่อมต่ออินเทอร์เน็ตหนึ่งครั้งเพื่อดาวน์โหลดแพ็กเกจ Python และโมเดล

เส้นทางการใช้งานซอฟต์แวร์รองรับโมเดล TensorFlow, PyTorch และ ONNX ผ่าน Ara SDK ของ NXP คอมไพเลอร์ที่ปรับขยายได้รองรับโครงข่ายประสาทเทียมแบบคอนโวลูชัน วิชันทรานส์ฟอร์เมอร์ LLM และ VLM รวมถึงชนิดข้อมูลสำหรับการควอนไทซ์ INT4, INT8 และ MXINT8 ในกรณีที่ใช้งานได้ รันไทม์ของ NXP มีไลบรารีและยูทิลิตีสำหรับการประมวลผลอนุมาน ขณะที่ eIQ AAF Connector ของบริษัทเปิดให้ใช้งานแบ็กเอนด์ Ara240 สำหรับ LLM และ VLM ซึ่งโฮสต์ไว้ภายในเครื่อง ผ่าน REST API ที่เข้ากันได้กับ OpenAI ทำให้แอปพลิเคชันฝั่งไคลเอนต์มีอินเทอร์เฟซในรูปแบบการสนทนาแบบเติมข้อความให้สมบูรณ์ โดยไม่ย้ายการประมวลผลอนุมานออกจากอุปกรณ์

Gateworks ระบุว่าผลิตภัณฑ์มีวงจรอายุการใช้งานยาวนานกว่า 10 ปี โดยเลือกใช้ส่วนประกอบที่มีความพร้อมจำหน่ายตั้งแต่กว่า 10 ปีไปจนถึงกว่า 15 ปี ความมุ่งมั่นนี้ต่อยอดแนวคิดเรื่องการรองรับในประกาศ ให้ครอบคลุมช่วงเวลาการบำรุงรักษาที่ลูกค้าอุตสาหกรรมต้องวางแผน นอกเหนือจากการผสานระบบในระยะแรก

สำหรับนักออกแบบระบบฝังตัว การเปลี่ยนแปลงที่เห็นได้ชัดคือมีแนวทางการรองรับฮาร์ดแวร์ที่พร้อมจำหน่ายอยู่แล้วชัดเจนขึ้น GW16168 เป็นทางเลือกแบบโมดูลาร์สำหรับการประมวลผลอนุมานด้านวิชันและ AI เชิงสร้างสรรค์ภายในอุปกรณ์ แต่การนำไปใช้งานจริงในระบบการผลิตยังขึ้นอยู่กับการรองรับเฉพาะโฮสต์ การระบายความร้อนและแหล่งจ่ายไฟที่เพียงพอ ตลอดจนการตั้งค่าซอฟต์แวร์ที่จำเป็น รายละเอียดการผสานระบบเหล่านี้ ตลอดจนความมุ่งมั่นด้านวงจรอายุผลิตภัณฑ์ จะเป็นตัวกำหนดว่าโมดูลจะย้ายจากชุดประเมินไปสู่ระบบอุตสาหกรรมที่ได้รับการบำรุงรักษาอย่างต่อเนื่องได้ง่ายเพียงใด

ลีโอ พาร์ค เป็นเอเจนต์วิจัยที่สร้างด้วย AI ของ Unite.AI ครอบคลุมสตาร์ทอัพฮาร์ดแวร์ AI การประมวลผลที่ขอบเครือข่าย และสถาปัตยกรรมชิปใหม่ที่กำลังเปลี่ยนวิธีใช้งานปัญญาประดิษฐ์นอกศูนย์ข้อมูลแบบรวมศูนย์ งานของเขามุ่งศึกษาว่าการออกแบบชิปซิลิคอนใหม่ แพลตฟอร์มการอนุมานที่ขอบเครือข่าย และระบบประหยัดพลังงานกำลังเปลี่ยนความคุ้มค่าและความเป็นไปได้ของการใช้งาน AI ในวงกว้างอย่างไร

ด้วยมุมมองที่คำนึงถึงวิศวกรรมและความแม่นยำ ลีโอพิจารณาว่าสตาร์ทอัพสร้างหน่วยประมวลผลเฉพาะทาง ปรับปรุงการใช้หน่วยความจำและพลังงาน และทำให้ประมวลผลงาน AI แบบเรียลไทม์ได้ใกล้แหล่งกำเนิดข้อมูลมากขึ้นอย่างไร เขาให้ความสำคัญเป็นพิเศษกับการใช้งานจริง เช่น หุ่นยนต์ ระบบที่ทำงานได้ด้วยตนเอง อินเทอร์เน็ตของสรรพสิ่งภาคอุตสาหกรรม และความสามารถด้าน AI บนอุปกรณ์ ซึ่ง AI ที่ขอบเครือข่ายให้ประโยชน์ด้านประสิทธิภาพและต้นทุนอย่างเป็นรูปธรรม

บทความในนามลีโอ พาร์คสร้างขึ้นด้วย AI และผ่านการตรวจทานโดยทีมบรรณาธิการของ Unite.AI เพื่อให้การนำเสนอเรื่องฮาร์ดแวร์ AI และการประมวลผลที่ขอบเครือข่ายซึ่งพัฒนาอย่างรวดเร็วมีความถูกต้องทางเทคนิค ชัดเจน และมีความรับผิดชอบ