ADLINK präsentiert Hochleistungs-GPU-Module für Edge-KI

GPU-Beschleunigung für industrielle Edge-AI-Systeme
In Branchen wie der industriellen Automatisierung, Robotik, autonomen Mobilität, medizinischen Bildgebung und intelligenter Infrastruktur erfordert der zunehmende Einsatz künstlicher Intelligenz leistungsstarke Rechenressourcen, die lokal am Edge betrieben werden können. Systeme, die außerhalb zentralisierter Rechenzentren eingesetzt werden, müssen große Mengen an Sensor- und Bilddaten verarbeiten und dabei strenge Anforderungen hinsichtlich Energieverbrauch, thermischem Design und physischer Größe einhalten.

Um diese Anforderungen zu erfüllen, hat ADLINK Technology Inc. eine neue Familie von eingebetteten GPU- und AI-Beschleunigermodulen vorgestellt, die für Edge-Computing-Umgebungen entwickelt wurden. Die Module basieren auf der NVIDIA Blackwell GPU-Architektur und werden in den Formfaktoren MXM 3.1 Type A und Type B angeboten, wodurch eine Integration in kompakte Embedded-Systeme ermöglicht wird, die in industriellen und Mobilitätsanwendungen eingesetzt werden.

Die Module sind darauf ausgelegt, KI-Workloads direkt am Edge zu unterstützen, darunter Computer Vision, Deep-Learning-Inference, Echtzeit-Analysen und die Verarbeitung großer Sprachmodelle (LLM).

Skalierbare Leistung für unterschiedliche Einsatzumgebungen
Edge-AI-Implementierungen unterscheiden sich je nach Anwendung stark hinsichtlich ihrer Anforderungen an Leistung, thermisches Verhalten und Energieverbrauch. Industrieroboter, autonome Fahrzeuge und intelligente Kameras benötigen häufig eine hohe Rechenleistung, während sie innerhalb begrenzter Systemleistungsbudgets arbeiten.

Die neuen GPU-Module unterstützen konfigurierbare Leistungsbereiche von 45 W bis 150 W, sodass Systementwickler Leistungsprofile entsprechend den Anwendungseinschränkungen anpassen können. Diese Flexibilität macht die Module sowohl für kompakte Embedded-Systeme als auch für leistungsstärkere industrielle Computing-Plattformen geeignet.

Beispielsweise bietet eine Modulkonfiguration bis zu 100 W GPU-Leistung innerhalb eines kompakten MXM Type A-Formfaktors mit den Abmessungen 82 × 70 mm und ermöglicht damit eine hohe Rechendichte in platzbeschränkten Embedded-Geräten.

GPU-Partitionierung für parallele AI-Workloads
Die leistungsstärkeren Modelle integrieren die Multi-Instance-GPU-Technologie (MIG), mit der Entwickler eine einzelne GPU in mehrere unabhängige Instanzen aufteilen können. Jede Instanz kann separate Workloads mit isolierten Ressourcen ausführen, wodurch die GPU-Auslastung verbessert und die parallele Verarbeitung mehrerer KI-Aufgaben ermöglicht wird.

Diese Funktion ist besonders nützlich in Edge-AI-Umgebungen, in denen verschiedene Anwendungen – wie Videoanalyse, Sensorfusion und Predictive-Maintenance-Algorithmen – gleichzeitig auf derselben Hardwareplattform ausgeführt werden müssen.

Blackwell-Architektur zur Beschleunigung von AI-Inference
Die Module integrieren die neuesten GPU-Verarbeitungstechnologien, die zur Beschleunigung von AI-Inference und High-Performance-Computing-Aufgaben entwickelt wurden.

Die Unterstützung von FP4-Präzisions-AI-Beschleunigung ermöglicht einen verbesserten Durchsatz für AI-Inference bei gleichzeitig reduzierten Anforderungen an die Speicherbandbreite. Die Architektur kombiniert CUDA-Kerne, Raytracing-Kerne der vierten Generation und Tensor-Kerne der fünften Generation und ermöglicht so GPU-Beschleunigung für Machine-Learning-Pipelines, Computer-Vision-Workloads und Echtzeit-Datenverarbeitung.

Die maximale Rechenleistung liegt je nach Modulkonfiguration zwischen 9,2 TFLOPS und 49,8 TFLOPS (FP32).

Hochbandbreitiger Speicher für datenintensive Workloads
Alle Module integrieren GDDR7-Speicher der nächsten Generation, der für hohe Bandbreite und geringe Latenz bei KI-Workloads entwickelt wurde, die eine schnelle Datenbewegung zwischen Speicher und GPU-Verarbeitungskernen erfordern.

Je nach Konfiguration unterstützt das Speichersystem bis zu 24 GB GDDR7-Speicher, Speicherinterfaces bis zu 256-Bit und eine Speicherbandbreite von bis zu 896 GB/s. Diese Spezifikationen ermöglichen es Embedded-Systemen, hochauflösende Bilder, Deep-Learning-Modelle und komplexe Simulationen effizient in Edge-Umgebungen zu verarbeiten.

Multi-Display-Unterstützung und industrielle Zuverlässigkeit
Die GPU-Module unterstützen bis zu vier DisplayPort-1.4a-Ausgänge und ermöglichen damit Multi-Display-Visualisierung für Anwendungen wie industrielle Kontrollräume, Transportsysteme und Überwachungsschnittstellen für autonome Fahrzeuge.

Die Module sind für industrielle Einsätze ausgelegt und unterstützen breite Betriebstemperaturbereiche, darunter Standardbetrieb zwischen 0 °C und 55 °C sowie erweiterten Betrieb zwischen −40 °C und 85 °C für anspruchsvolle Umgebungen.

Darüber hinaus ist die Plattform mit einer Produktverfügbarkeit von fünf Jahren ausgelegt, sodass Gerätehersteller langfristigen Lifecycle-Support für Embedded-Systeme in industriellen Infrastrukturen gewährleisten können.

Durch die Kombination von leistungsstarkem GPU-Computing mit kompakten Formfaktoren und konfigurierbaren Leistungsprofilen sollen die neuen Module die Entwicklung von Edge-AI-Systemen der nächsten Generation in Industrie- und Mobilitätssektoren unterstützen.

www.adlinktech.com

Edited by Industrial Journalist, Natania Lyngdoh.

Powered by AI.