Industrielle PCer:

Høy AI-ytelse i kompakt boks

SolidRun lanserer sin nye Bedrock R7000 – en industriell PC for AI i nettverkskanten, med AMD Ryzen 7840HS prosessor og 3 Hailo-8 AI akseleratorer.

Det israelske selskapet hevder dette er verdens første robuste systemdesign som kombinerer 8-kjerners AMD Ryzen 7040-serie prosessorer med flere Hailo-8 AI-akseleratorer, tiltenkt kunstig intelligens (AI)-applikasjoner.

Dette nye medlemmet i SolidRuns Bedrock-familie av vifteløse modulbaserte industrielle PCer skal være spesielt utviklet for å møte krevende visjonsbasert situasjonsbevissthet i tøffe miljøer.

Det nye systemet integrerer AMD Ryzen 7840HS-prosessoren, en toppmoderne 4nm APU med 8C/16T Zen4 CPU og RDNA 3 Radeon 780M GPU. De 20 native PCIe Gen4-sporene og opptil tre Hailo-8 AI-akseleratorer kan utnyttes fullt ut sammen med NVME Gen4x4-lagring, doble 2,5 Gbit Ethernet og 4x4K-skjermer. CPUen og alle enhetene kjøles passivt av det vifteløse kjølesystemet til Bedrock R7000, i et industrielt temperaturområde på -40ºC til 85ºC.

Etterspørselen etter slike høyytelses Edge AI-boks-PC-er vokser i alle segmenter av det innvevde markedet, inkludert Industri 4.0, robotikk, autonomt styrte kjøretøy, helsevesen, transport, smarte byer, detaljhandel, landbruk, forsvar og elforsyning.

– Effektivitet og skalerbarhet er nøkkelfaktorer i avansert edge AI, uttaler Irad Stavi, produktsjef for IPC hos SolidRun. – Bedrock R7000 skiller seg ut som den første vifteløse IPC-en basert på den ultraeffektive AMD Ryzen 7040-prosessoren og det innovative modulære designet som muliggjør direkte integrasjon av 3 Hailo-8 AI-akseleratorer, hver med 26 Tera-operasjoner per sekund (TOPS), eller enda mer med en enkel tilpasning.

– En viktig funksjon ved Hailo-8 AI-akselerator og Hailo AI Software Suite er lineær skalering av inferensytelsen, ganske enkelt ved å legge til moduler, kommenterer Dima Caplan, produktsjef hos Hailo. – SolidRuns nye Edge AI-plattform kan fremvise rikelig med systemressurser som muliggjør høy AI-ytelse ved perfekt skalering.

Powered by Labrador CMS