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® Tesla® H200 NVL

Name: NVIDIA® Tesla® H200 NVL
Brand: Advantech
SKU: mod_49c3c5dc-b9af-4950-b6f6-0dd193708c08
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_49c3c5dc-b9af-4950-b6f6-0dd193708c08
Категория: AI-ускорители и NPU
Architecture: NVIDIA Hopper GPU architecture
CUDA Cores: 14,592

Описание

NVIDIA® Tesla® H200 NVL

Характеристики

Architecture	NVIDIA Hopper GPU architecture
CUDA Cores	14,592
Tensor Cores	456
RT Cores	456
Memory	141GB HBM3 memory
Memory bandwidth	Up to 4.8 TB/s memory bandwidth
Max power consumption	600W
Graphics bus	PCI-E 5.0 x16
Thermal solution	Passive

Сравнение с аналогами

Характеристика	NVIDIA® Tesla® H200 NVL	NVIDIA RTX A1000	NVIDIA H800	NVIDIA L40S
Architecture	NVIDIA Hopper GPU architecture	NVIDIA Ampere GPU architecture	NVIDIA Hopper GPU architecture	NVIDIA Ada-Lovelace GPU architecture
CUDA Cores	14,592	2,304	14592	18176
Tensor Cores	456	72	456	568
RT Cores	456

Инженерный разбор

Memory	141GB HBM3 memory	8GB GDDR6 memory	80GB HBM2e memory	48GB with ECC

Memory bandwidth	Up to 4.8 TB/s memory bandwidth	Up to 192GB/s memory bandwidth	Up to 2TB/s memory bandwidth	Up to 864 GB/s memory bandwidth

Max power consumption	600W	50W	350W	350W

Graphics bus	PCI-E 5.0 x16	PCI-E 4.0 x8	PCI-E 5.0 x16	—

Thermal solution	Passive	—	Passive	—

14,592 CUDA Cores, 456 Tensor Cores и 456 RT Cores указывают на конфигурацию, в которой вычислительные блоки, тензорные блоки и RT-блоки представлены одновременно, без перекоса в одну сторону по спецификации. Архитектура NVIDIA Hopper GPU architecture задаёт поколение платформы, а 141GB HBM3 memory означает крупный локальный объём памяти: при работе это уменьшает необходимость постоянно опираться на внешнее размещение данных и позволяет держать внутри памяти большие наборы данных и моделей. Показатель Up to 4.8 TB/s memory bandwidth важен именно как признак высокой скорости обмена с памятью: при такой спецификации упор сделан не только на объём 141GB, но и на быстрый доступ к нему.

600W Max power consumption — это характеристика, которая сразу задаёт требования к питанию и теплоотводу на стороне системы: изделие рассчитано не на маломощную конфигурацию, а на среду, где такой уровень потребления предусмотрен заранее. PCI-E 5.0 x16 означает подключение через полноскоростную линию этого стандарта и указывает на ориентацию на высокую пропускную способность интерфейса. Thermal solution: Passive накладывает прямое ограничение на интеграцию: собственное активное охлаждение в спецификации не заявлено, поэтому от внешней системы отвода тепла зависит поддержание рабочего теплового режима при 600W.