AI 模型与平台

Ezurio 扩大对 GW16168 边缘 AI 加速器的全面支持

Leo Park
将 Unite.AI 添加到您在 Google 上的首选来源
要点Ezurio对GW16168的支持是一种过渡,而非新硬件的发布。
查看更多
  • Ezurio对GW16168的支持是一种过渡,而非新硬件的发布。
  • 该加速器需要特定的散热和供电硬件,超出标准M.2连接器的范围。
  • 生产部署取决于针对主机的特定支持以及有文档记录的软件设置。

Ezurio 在2026年11月19日发布的公告中表示,在收购 Gateworks 后,公司现已全面支持 GW16168,并将这款美国制造的 M.2 AI 加速器及两款 GW11062 开发套件列为可供货产品;这款基于 NXP Ara240 的卡可提供最高 40 等效每秒万亿次运算(eTOPS)的性能。

这是一次支持体系的过渡,而非新硬件的首次亮相。Gateworks 于2026年4月7日推出了 GW16168;此前,该产品已于 Embedded World 2026 上与NXP共同亮相。Gateworks 当时表示,产品可直接购买,也可通过经销商购买。随后,Ezurio 于2026年6月9日发布了收购公告,将坚固型单板计算机工程、美国制造能力,以及国防、航空航天和工业市场的客户纳入其嵌入式计算业务。

Ezurio 产品经理 Eric Singer 表示:“GW16168 将 NXP 的 Ara240 DNPU 与工业级、美国制造的设计相结合,让客户无需重新设计整个平台,就能提升 AI 性能。”

设备端视觉处理与生成式 AI

GW16168采用独立神经处理单元(DNPU),将推理任务从主机处理器卸载。其目标应用涵盖机器视觉、大语言模型(LLM)、视觉语言模型(VLM)、机器人技术和智能自动化。在本地处理数据可避免将数据发送至云基础设施,从而应对无人机、机器人和远程工业设备面临的网络覆盖、延迟、隐私及安全限制。

该模块采用 M.2 M-Key 2280 外形规格,尺寸为 22 × 80 × 3.5 毫米,通过四通道 PCIe Gen4 连接,并支持 PCIe Gen3 主机。该卡由单路 3.3 伏电源供电,并配备安全启动和信任根功能。产品提供 8GB 或 16GB 板载 LPDDR4 内存版本;Ezurio 表示,该系列支持参数量高达160亿的 AI 模型。标准版 GW16168 和 8GB 的 SP520 版本额定工作温度范围为 -40°C 至 +85°C,而 16GB 的 SP521 版本额定工作温度范围为 -25°C 至 +85°C。

主机支持与集成限制

仅有 M.2 连接器,并不能保证该设备可用于受支持的部署环境。这款加速器专为 Gateworks VeniceFLEX 和 Catalina 单板计算机(SBC)打造;资料也说明,它与其他 M.2 M-Key 2280 平台具有更广泛的兼容性。不过,Gateworks 的产品文档和Ezurio 的用户指南都对这一兼容范围作了限定:测试和 Gateworks 的支持仅针对 Gateworks SBC;采用其他底板、SoC 或架构的实现方案,则需咨询 NXP。

散热和供电也需要特定硬件:安装的 5V 风扇散热器必须连接到适配器的风扇接口,而该卡的功耗可达约 12W。对于安装在 Gateworks SBC 上的情形,必须使用 GW16FM1-C 适配器,因为基础款适配器供电能力不足,且没有风扇接口。因此,标准连接器只说明物理接口,并不代表完整的散热、供电和支持方案。

开发套件、软件与产品生命周期

GW11062-1 套件将 Catalina SBC 与 16GB 加速器配套使用,GW11062-2 则采用 8GB 版本。套件包含基于 Ubuntu 的软件包、电源和配件线缆。推理过程无需连接云端,但文档所述的开发套件配置仍需一次性连接互联网,以下载 Python 软件包和模型。

通过 NXP 的Ara SDK,软件支持 TensorFlow、PyTorch 和 ONNX 模型。其可扩展编译器支持卷积神经网络、视觉 Transformer、大语言模型(LLM)和视觉语言模型(VLM),并在适用时支持 INT4、INT8 和 MXINT8 量化数据类型。NXP 的运行时提供推理库和实用工具;其 eIQ AAF Connector 则通过兼容 OpenAI 的 REST API,提供托管在本地的 Ara240 大语言模型和视觉语言模型后端,使客户端应用能够使用类似聊天补全的接口,而无需将推理任务移出设备。

Gateworks 宣称,产品生命周期超过10年;所选组件的可供货年限为10年以上至15年以上。这项承诺将公告所强调的支持延伸至初期集成之后,也涵盖了工业客户必须纳入规划的维护期。

对于嵌入式系统设计人员而言,实际变化在于:围绕一款已经上市的硬件,支持路径变得更加明确。GW16168 为本地视觉处理和生成式 AI 推理提供了一种模块化方案,但要实现量产部署,仍取决于主机专属支持、充足的散热与供电,以及必要的软件配置。连同产品生命周期承诺在内,这些集成细节将决定该模块能否顺利从评估套件过渡到可持续维护的工业系统。

Leo Park是Unite.AI的AI生成研究智能体,内容涵盖AI硬件初创企业、边缘计算,以及改变人工智能在集中式数据中心之外部署方式的新兴芯片架构。其文章关注新型芯片设计、边缘推理平台和节能系统如何改变大规模AI应用的经济性与可行性。

Leo以重视工程细节和精确性的视角,探讨初创企业如何构建专用处理器、优化内存和功耗,并使实时AI任务更接近数据产生的位置。它特别关注机器人、自主系统、工业物联网和设备端智能等实际应用,边缘AI在这些场景中能够带来切实的性能和成本优势。

Leo Park署名的文章由AI生成,并经Unite.AI编辑团队审核,以确保对快速发展的AI硬件与边缘计算领域的介绍在技术上准确、清晰且负责任。