به گفته cnx-software
Radxa نسل جدید AIRBox را با نام Fogwise AIRBox Q900 معرفی کرده است؛ یک میکروسِروِر Edge AI مبتنی بر Qualcomm DragonWing IQ-9075 با توان هوش مصنوعی تا 200 TOPS (sparse)، 36GB رم و 128GB ذخیرهسازی UFS. بهگفتهی شرکت، این سیستم در برابر NVIDIA Jetson Orin NX 16GB با هزینهی کلی کمتر، کارایی مشابه و بهرهوری بالاتر رقابت میکند. از مزیتهای مهم میتوان به هستههای Real-time Cortex-R52، شبکه 2.5GbE با TSN و جداسازی GPU، NPU و DSP اشاره کرد.
پورت های Fogwise-AIRbox-Q900
مولفه | جزئیات |
---|---|
SoC | Qualcomm DragonWing IQ-9075 |
CPU | Octa-core Kryo Gen 6 (Cortex-A78C-based) تا 2.36GHz Quad-core Cortex-R52 برای وظایف Real-time تا 1.85GHz |
GPU | Adreno 663 با حداکثر 1.2 TFLOPS FP32 و Secure GPU Compute پشتیبانی از Vulkan 1.2، OpenGL ES 3.2، OpenCL 2.0 FP، Adreno NN Direct |
VPU | Adreno VPU 765 |
Decode ویدیو | AV1 / HEVC / H.265 / H.264 / VP9 / MPEG-2 1× 8Kp60 / 2× 8Kp30 / 4× 4Kp60 / 8× 4Kp30 / 16× 1080p60 / 32× 1080p30 |
Encode ویدیو | H.264 / H.265 / HEIF / HEIC 2× 4Kp60 / 4× 4Kp30 / 8× 1080p60 / 16× 1080p30 امکان همزمان 2× 4Kp60 Encode + 2× 4Kp60 Decode |
NPU | 200 TOPS @ INT8 (Sparse Computing Power) Hexagon Tensor Processor (HTP) با Quad HVX و Dual HMX پشتیبانی از فریمورکهای: TensorFlow، PyTorch، ONNX، Paddle، Caffe، DarkNet و… |
حافظه سیستم | 36GB LPDDR5 باس 96-bit @ 6400MT/s (با پشتیبانی ECC) |
ذخیرهسازی | 32MB SPI Flash UFS & eMMC connector 128GB UFS 3.1 (Gear4 x2) برای سیستمعامل اسلات M.2 M Key (PCIe Gen4 x4) |
خروجی ویدیو | پورت HDMI 2.0 تا 4Kp60 |
شبکه | 2× پورت 2.5GbE RJ45 با TSN Wi‑Fi 6 / BT 5.4 از طریق mini PCIe socket 4G / 5G از طریق mini PCIe socket + خشاب Nano SIM تا 3 آنتن خارجی |
USB | USB 3.1 Gen2 Type‑A USB 3.1 Gen2 OTG Type‑A USB Type‑C برای Serial Console |
سایر | دکمههای Power و EDL کانکتور فن PWM (فن PWM داخلی) کانکتور باتری RTC |
تغذیه | 12V / 5.4A DC از طریق جک 5.5 × 2.5 میلیمتری |
ابعاد | 104 × 84 × 45 میلیمتر (بدنه آلومینیومی) |
دمای کاری | 0°C تا 60°C |
این سیستم بهصورت اکتیو و با یک فن PWM خنک میشود.
Radxa از پشتیبانی Ubuntu و Yocto Linux خبر داده و فریمورکهای محبوبی مانند TensorFlow، PyTorch و ONNX نیز قابل استفاده هستند. اجرای محلی مدلهایی مانند GPT، LLaMa و Stable Diffusion ممکن است. مانند نسل قبل، برای استقرار ساده از CasaOS استفاده میشود. از نظر کارایی، استنتاج LlaMA-7B حدود 0.6 ثانیه برای اولین توکن زمان میبرد و سپس به حدود 12 توکن بر ثانیه میرسد. جزئیات بیشتر در اعلان رسمی آمده است؛ در زمان نگارش، وبسایت مستندات هنوز آماده نشده بود.
شاخص استنتاج | LlaMA-7B روی AIRBox Q900 |
---|---|
تأخیر توکن اول | 0.6 ثانیه |
نرخ تولید پس از گرمایش | ≈ 12 توکن/ثانیه |
AIRBox Q900 | Jetson Orin NX 16GB | |
---|---|---|
قیمت | سیستم کامل 600 دلار | ماژول تنها 600 دلار |
حافظه | 36GB؛ پهنایباند 78GB/s | 16GB؛ پهنایباند 100GB/s (بیشتر) |
ذخیرهسازی OS | UFS 128GB داخلی | نیاز به SSD خارجی |
کارایی AI | 200 TOPS (sparse) | 157 TOPS (با Super mode) |
GPU / NPU | GPU مستقل؛ اشتراک کارایی با NPU ندارد | GPU در سقف 157 TOPS بهصورت اشتراکی محاسبه میشود |
هستههای Real-time | 4× Arm Cortex-R52 | — |
DSP | DSP صوتی و DSP عمومی مجزا؛ پردازش موازی | — |
شبکه | 2.5G TSN بهصورت بومی | نیازمند توسعه/اکسپنشن |
کُدک ویدیو | Encode/Decode بهمراتب قویتر (حداقل ۲ برابر) | ضعیفتر نسبت به Q900 |
مصرف توان | < 20W در کارکرد عادی | برای 157 TOPS حدود 45W؛ در 25W حدود 100 TOPS |
نکتهای که در قیاس بالا نیامده این است که ماژول NVIDIA برای رباتیک ممکن است مناسبتر باشد؛ زیرا طیفی از GPIO و رابطهای MIPI CSI را پشتیبانی میکند که در دستگاه Qualcomm IQ9 دیده نمیشود.
من اون دیوونهام که وقتی بورد روشن نمیشه، ذوق میکنم؛ یعنی یه شب تا صبح قراره با منبع تغذیه و لاجیک آنالایزر عشق کنم! آدما قهوه میخورن که بیدار بمونن، ولی من بیدار میمونم تا بفهمم این بورد چرا باهام قهر کرده! زندگی من یه لوپ بینهایته بین باگ و دیباگ... با چاشنی یه کم امید و یه عالمه دیوونگی!
نویسنده شو !
سیسوگ با افتخار فضایی برای اشتراک گذاری دانش شماست. برای ما مقاله بنویسید.