Adlinks DLAP-x86-Serie unterstützt die KI-Anwendungen in den Bereichen Industrie, Fertigung und Gesundheitswesen. Sie beschleunigt rechenintensive KI-Inferenz- und Lernaufgaben, verbessert die SWaP- und KI-Leistungsfähigkeit beim Edge-Computing und stellt eine hohe Leistungsfähigkeit pro Watt dar.
Außerdem verfügt sie über eine heterogene Architektur, die Hochleistungs-CPU-/GPU-Computing in einer kompakten Bauform kombiniert und mit einem thermisch effizienten Design für rechenintensive Edge-KI-Anwendungen angepasst ist.
„Große mehrschichtige Netzwerke und komplexe Datensätze? Genau dafür wurde der DLAP-x86-Serie entwickelt“, so Zane Tsai, Director des Embedded Platforms & Modules Product Center bei Adlink. „Der Mehrwert liegt in der Flexibilität, die sie für Deep-Learning-Anwendungen bietet. Entwickler können die optimale Kombination aus CPU- und GPU-Prozessoren je nach Anforderung der neuronalen Netze und der KI-Inferenzgeschwindigkeit einer Anwendung auswählen und so eine hohe Leistungsfähigkeit erzielen.
Eigenschaften der Die DLAP-x86-Serie:
Heterogene Architektur für hohe Leistungsfähigkeit mit Intel-Prozessoren und Nvidia-Turing-GPU-Architekturen, die mehr GPU-beschleunigte Berechnungen als andere sowie eine verbesserte Leistungsfähigkeit.
Die kompakte Bauform der DLAP-x86-Serie beginnt bei 3,2 Litern. Sie eignet sich optimal für mobile Geräte/Instrumente, bei denen der Platz begrenzt ist, zum Beispiel für mobile Bildgebungsgeräte in der Medizintechnik
Das robuste Design der DLAP-x86-Serie sorgt für mehr Zuverlässigkeit bei Temperaturen bis 50 °C (240 W Wärmeableitung), starken Vibrationen (bis 2G) und Stößen (bis 30G) in den Bereichen Industrie, Fertigung und Gesundheitswesen
Mit einem Mix aus SWaP- und KI-Leistung in Edge-KI-Anwendungen trägt die DLAP-x86-Serie zu verbesserten Abläufen in den Bereichen Gesundheitswesen, Fertigung, Transportwesen und so weiter bei. Beispiele für den Einsatz sind:
Mobile medizinische Bildgebung: C-Arm, Endoskopie-Systeme, chirurgische Navigationssysteme
Fertigung: Objekterkennung, Bestückung durch Roboter, Qualitätsprüfung
Edge-KI-Server für den Wissenstransfer: Kombination von vorab trainierten KI-Modellen mit lokalen Datensätzen
