Чем отличается одноплатный компьютер от микроконтроллера для промышленной задачи?

Одноплатные компьютеры (Raspberry Pi, Rock Pi, Orange Pi) несут полноценную ОС Linux, гигабайты ОЗУ и интерфейсы Ethernet/USB3/HDMI — это база для машинного зрения и обработки данных. Микроконтроллеры (STM32, NXP, GD32, ESP32) работают без ОС в реальном времени, управляют периферией по I2C, SPI, UART, CAN и потребляют единицы милливатт. Для AI-инференса на краю берут SoM Jetson или Coral, а для жёсткой логики и опроса датчиков — промышленный MCU.

Как выбрать AI-модуль для инференса нейросети на edge?

Ориентируйтесь на производительность в TOPS и поддержку фреймворка: NVIDIA Jetson (Orin Nano/NX) даёт от 20 до 100+ TOPS и работает с TensorRT, Google Coral на TPU оптимизирован под TensorFlow Lite (INT8, 4 TOPS), а FPGA-модули дают детерминированную задержку для кастомных пайплайнов. Учитывайте объём LPDDR, форм-фактор SO-DIMM или SMD и тепловой пакет — под нагрузкой модулю нужен радиатор или активное охлаждение.

Какие интерфейсы у промышленных edge-компьютеров для подключения к АСУ ТП?

Промышленные edge-компьютеры обычно несут изолированный RS485/RS232 с поддержкой Modbus RTU, порты Ethernet под Modbus TCP и OPC UA, дискретные входы/выходы (DI/DO) и CAN. Питание — широкий диапазон 9–36 В DC под автомобильные и шкафные сети, рабочий диапазон температур до -40…+70 °C. Для камер машинного зрения важны порты GigE Vision с PoE и USB3 Vision.

Нужен ли AI-ускоритель (NPU) если уже есть процессор?

AI-ускоритель (NPU) разгружает CPU от матричных операций нейросети и поднимает FPS инференса в разы при том же энергобюджете. Внешние ускорители подключаются по USB3, M.2 (PCIe) или как HAT к одноплатнику; они дают единицы TOPS на INT8 и удобны, когда апгрейдить сам вычислитель нельзя. Для лёгких моделей детекции хватает встроенного NPU SoC, для тяжёлых сетей берут Jetson или дискретный ускоритель.

Какую память и накопитель ставить в промышленный вычислитель?

Для встраиваемых систем выбирают индустриальные microSD и eMMC с pSLC-режимом либо M.2/2242 NVMe SSD с расширенным температурным диапазоном и поддержкой power-loss protection. Объём ОЗУ (LPDDR4/LPDDR5) подбирают под модель: для классического CV хватает 4–8 ГБ, для крупных нейросетей нужно 16 ГБ и больше. Ресурс записи (TBW) критичен при постоянном логировании.

Поставляете вычислители юрлицам, есть наличие и КП?

Да, отгружаем одноплатники, SoM Jetson/Coral, промышленные MCU и edge-компьютеры юридическим лицам по безналу с НДС, формируем коммерческое предложение и счёт. Позиции в наличии резервируются под заказ, по отсутствующим называем срок поставки. Доставка по России транспортными компаниями, отгрузочные документы в комплекте.

нет фото

Advantech

NVIDIA RTX A800 40GB Active

Name: NVIDIA RTX A800 40GB Active
Brand: Advantech
SKU: mod_7b7ded83-b5df-4d78-9b6a-76c0014adcc2
Availability: InStock

Цена по запросу

Для B2B-заказов цена, срок и состав поставки фиксируются в счёте. Каталог не является публичной офертой. НДС не облагается (продавец применяет УСН).

В наличии

Запросить цену

На складе0 шт.

Производитель: Advantech
Артикул: mod_7b7ded83-b5df-4d78-9b6a-76c0014adcc2
Категория: AI-ускорители и NPU
Architecture: NVIDIA Ampere GPU architecture
CUDA Cores: 6912

Описание

NVIDIA RTX A800 40GB Active

Характеристики

Architecture	NVIDIA Ampere GPU architecture
CUDA Cores	6912
Tensor Cores	432
Memory	40GB HBM2 memory
Memory bandwidth	1.5TB/s memory bandwidth
Max power consumption	300W
Graphics bus	PCI-E 4.0 x16

Сравнение с аналогами

Характеристика	NVIDIA RTX A800 40GB Active	NVIDIA RTX PRO 4500 Blackwell	NVIDIA RTX PRO 4000 Blackwell	NVIDIA RTX PRO 6000 Blackwell Server Edition
Architecture	NVIDIA Ampere GPU architecture	NVIDIA Blackwell GPU architecture	NVIDIA Blackwell GPU architecture	NVIDIA Blackwell GPU architecture
CUDA Cores	6912	10,496	8,960	24,064
Tensor Cores	432	328	280

Инженерный разбор

Memory	40GB HBM2 memory	32 GB GDDR7 memory	24 GB GDDR7 memory	96GB GDDR7 memory

Memory bandwidth	1.5TB/s memory bandwidth	—	—	—

Max power consumption	300W	200W	140W	Up to 600W (Configurable)

Graphics bus	PCI-E 4.0 x16	—	—	—

6912 CUDA Cores и 432 Tensor Cores указывают на выраженную параллельную архитектуру NVIDIA Ampere GPU architecture: большое количество вычислительных блоков позволяет распределять массивы задач на множество потоков без упора в один исполнительный ресурс. Конфигурация с 432 Tensor Cores ориентирована на операции матричного типа и ускорение специализированных вычислений, где задействуются тензорные блоки. В совокупности такая структура означает приоритет на массово-параллельные нагрузки по сравнению с решениями с меньшим числом вычислительных ядер.

40GB HBM2 memory и 1.5TB/s memory bandwidth задают акцент на работе с крупными наборами данных, где критичны как объём видеопамяти, так и пропускная способность. Объём 40GB позволяет размещать в памяти большие модели и массивы без постоянного обращения к внешним ресурсам, а 1.5TB/s memory bandwidth снижает вероятность узкого места при интенсивном обмене между вычислительными блоками и памятью. Использование HBM2 указывает на ставку на широкую шину и высокую плотность размещения памяти.

Max power consumption 300W определяет требования к системе питания и тепловому отводу: при таком энергопотреблении необходима соответствующая линия питания и рассчитанная на 300W система охлаждения. Интерфейс PCI-E 4.0 x16 задаёт пропускную способность обмена с хост-системой и совместимость с полноскоростным слотом x16 поколения 4.0, что важно при передаче больших массивов данных между устройством и платформой.