- AI
- Industries
- Edge Computing
- Clea
Scegliere l’hardware Edge AI per gateway industriali a temperatura estesa: perché contano i TOPS per Watt
L’edge AI industriale supporta l’analisi in tempo reale in settori come la manifattura e la gestione degli edifici. I processori a basso consumo offrono prestazioni AI modeste, ma i progettisti devono bilanciare budget di potenza, intervalli di temperatura e vincoli di raffreddamento. Usare i TOPS per Watt come metrica aiuta gli ingegneri a confrontare le piattaforme per efficienza energetica e a scegliere una soluzione che soddisfi sia i requisiti di prestazioni sia quelli ambientali.

L’edge computing ha conquistato un ruolo centrale nell’automazione industriale e degli edifici, con gateway industriali che svolgono sempre più compiti come il monitoraggio delle condizioni di processo, il rilevamento di anomalie nei flussi di lavoro e l’ottimizzazione dei consumi delle apparecchiature in loco. Queste capacità sono rese possibili dalla crescente intelligenza dei dispositivi edge, agevolata dall’introduzione di piattaforme di intelligenza artificiale (AI) in grado di eseguire carichi di lavoro dedicati direttamente sul dispositivo e in tempo reale, invece che su server cloud remoti.
La gamma di carichi di lavoro di edge AI è ampia: va dalle semplici attività di classificazione eseguite su micro unità di elaborazione neurale (microNPU) integrate alle complesse pipeline di visione per la classificazione dei prodotti su nastri trasportatori nei sistemi di ispezione della qualità. In quest’ultimo scenario il dispositivo edge richiede acceleratori hardware AI dedicati per elaborare con latenza minima i dati di più sensori o telecamere.
Per descrivere, misurare e confrontare le prestazioni AI, i tera operations per second (TOPS) sono diventati una metrica molto diffusa, ma la sola specifica in TOPS non basta per valutare l’idoneità dell’hardware AI alle applicazioni edge industriali. Nella scelta del dispositivo edge giusto, gli utenti devono bilanciare le prestazioni AI con consumo energetico, gestione termica e affidabilità in ambienti da −20°C a +70°C.
Normalizzare le prestazioni AI con i TOPS/W
Nella scelta dell’hardware AI per applicazioni edge è importante considerare come le condizioni termiche reali, e i conseguenti vincoli di potenza, influiscano sulle prestazioni di calcolo disponibili rispetto alle prestazioni di picco. Per questo i TOPS per Watt (TOPS/W) sono emersi come metrica di confronto più significativa per le piattaforme di edge AI.
Mettendo in relazione direttamente le prestazioni di calcolo AI disponibili con il consumo energetico, i TOPS/W permettono un confronto più ragionevole tra diversi approcci hardware AI. Per i gateway industriali si possono distinguere tre tipiche soluzioni hardware AI, come mostrato nella Tabella 1.
Tabella 1: confronto tra diverse soluzioni hardware di edge AI per gateway industriali.
| Tipo di hardware | SoC con microNPU (Arm Ethos NPU) | Modulo GPU (NVIDIA Jetson Orin) | Acceleratore hardware dedicato (Hailo-8) |
|---|---|---|---|
| Consumo tipico | ~1 - 2 W | ~5 - 15 W | ~2,5 W |
| Efficienza AI | ~0,5 TOPS/W | ~2,7 - 7,5 TOPS/W | >10 TOPS/W |
| Ambiti applicativi ideali | Dispositivi edge always-on efficienti dal punto di vista energetico, rilevamento di presenza e stato, pre-elaborazione dei dati | Robot mobili autonomi, ottimizzazione del controllo di processo, sistemi multi-telecamera | Sensor fusion multisensore nella manutenzione predittiva, rilevamento di anomalie, conteggio di oggetti |
| Vantaggi | I bassi requisiti termici consentono progetti senza ventola | I carichi di lavoro complessi possono essere gestiti in modo efficiente ad alto utilizzo | Efficienza TOPS/W ai vertici; raffreddamento passivo possibile a seconda del carico di lavoro |
| Svantaggi | Prestazioni limitate per carichi complessi come la visione in tempo reale | Richiede in genere raffreddamento attivo, con maggiore complessità del sistema; relativamente costoso | Richiede un processore host, che influenza fortemente l’efficienza a livello di sistema; relativamente costoso |
Per molte applicazioni di gateway industriali con risorse limitate, un system on chip (SoC) con microNPU integrata rappresenta un compromesso equilibrato, con prestazioni AI sufficienti a un consumo minimo che semplifica in modo significativo la gestione termica. Ad esempio il SoC NXP i.MX 93 ha dimostrato una stima della posa con edge AI efficiente dal punto di vista energetico, eseguita direttamente sulla sua microNPU integrata. Qui il modello rileva le posture del corpo o situazioni potenzialmente pericolose con latenza ultra bassa per migliorare la sicurezza dei lavoratori industriali. Il funzionamento continuo è reso possibile dalle minime esigenze di calcolo, gestione termica e potenza della microNPU all’interno di un sistema completo. Considerare i TOPS/W anziché i TOPS di picco permette agli utenti di riconoscere questa capacità, senza lasciarsi ingannare dai requisiti di gestione termica nascosti di un hardware più potente.
Un gateway edge per applicazioni AI a bassa manutenzione
Per supportare una funzionalità di edge AI affidabile in ambienti da −20°C a +70°C, gli utenti hanno bisogno di un robusto gateway industriale che consenta i collegamenti all’infrastruttura locale di rilevamento e controllo. Basato sul computer-on-module (COM) SOM-SMARC-MX93 di SECO, il Modular Link MX93 è un PC industriale senza ventola, montato su guida DIN, di 140 x 96 x 36 mm.
Al suo centro c’è il già citato SoC NXP i.MX 93, che comprende due core applicativi Arm Cortex-A55, un core real-time Arm Cortex-M33 e una microNPU Arm Ethos-U65 che offre fino a 0,5 TOPS per carichi di lavoro di edge AI. Come mostrato nella Figura 1, questa piattaforma supporta fino a 2 GB di memoria LPDDR4, doppia Gigabit Ethernet e più interfacce ad alta velocità, tra cui doppia USB 2.0, I/O digitali e interfacce seriali.
Vedi Figura 1: il gateway industriale SECO Modular Link MX93 offre prestazioni AI sufficienti per le applicazioni di automazione industriale e degli edifici.
Per l’integrazione industriale sono particolarmente importanti le opzioni di I/O flessibili: un connettore UART RJ12 configurabile via software supporta RS-232, RS-422 o RS-485, rendendo la piattaforma molto adatta a scenari di retrofit con installazioni esistenti e apparecchiature legacy. Il design modulare prevede inoltre sistemi figli impilabili che permettono di espandere la piattaforma con collegamenti specifici per l’applicazione.
Nello scenario di sicurezza citato prima, il Modular Link MX93 si collegherebbe direttamente a una telecamera industriale o a un sensore di visione tramite le sue interfacce ad alta velocità. I flussi video vengono pre-elaborati sul SoC NXP i.MX 93, mentre l’inferenza AI vera e propria gira sulla microNPU Arm Ethos-U65 integrata. I dati risultanti vengono valutati localmente per rilevare posture o movimenti non sicuri, permettendo al sistema di attivare avvisi o inoltrare eventi ai sistemi di controllo di livello superiore, senza dover trasmettere i dati video grezzi al cloud.
Oltre a una formidabile costruzione hardware, il Modular Link MX93 è completato da Clea, l’ecosistema software completo di SECO che supporta gestione dei dispositivi, aggiornamenti e funzionamento sicuro dei deployment di edge AI distribuiti. Clea OS, basato su Yocto, semplifica il deployment delle applicazioni sul Modular Link MX93 e sulla maggior parte dei prodotti edge SECO. Completando così l’ecosistema hardware-software, SECO aiuta gli utenti dei gateway industriali a ottenere tutti i vantaggi dell’edge AI per tutto il ciclo di vita del deployment.
Scegliere l’hardware Edge AI per le applicazioni industriali
Con l’aumento del numero di opzioni hardware di edge AI in risposta alla domanda del mercato, scegliere la soluzione giusta per un deployment industriale o di automazione degli edifici resta un compito difficile. Un approccio strutturato aiuta però a evitare scelte di progetto sbagliate all’inizio, perciò nella scelta di una piattaforma di edge AI gli utenti dovrebbero seguire tre passaggi chiave:
- Adattare le prestazioni di calcolo al caso d’uso reale: non tutte le applicazioni richiedono il massimo dei TOPS.
- Usare i TOPS/W come criterio di selezione per individuare piattaforme efficienti dal punto di vista energetico per attività AI semplici e riservare gli acceleratori a prestazioni più elevate alle applicazioni più complesse.
- Considerare i fattori a livello di sistema, tra cui alimentazione, gestione termica, condizioni ambientali, requisiti di I/O ed ecosistema software disponibile, perché sono critici per il funzionamento a lungo termine.
Per molte applicazioni con budget di potenza limitati, l’elaborazione AI basata su microNPU del SECO Modular Link MX93 offre una soluzione ben bilanciata. Con 0,5 TOPS di prestazioni AI che contribuiscono con circa 1 W al consumo totale del sistema, la gestione termica è semplificata, consentendo gateway di edge AI robusti e a bassa manutenzione per l’uso in automazione industriale, robotica, tecnologia di gestione degli edifici e oltre.
Per saperne di più sull’edge AI per le applicazioni industriali, contatta oggi gli esperti SECO e ottieni tutti i vantaggi della loro esperienza nell’edge computing.

In evidenza in questo articolo
SOM-SMARC-MX93
Computer on Module (CoM) SMARC® Rel. 2.1.1 con processori applicativi NXP i.MX 93.
- SMARC®
- NXP i.MX 933/935
Anche in questo articolo: Modular Link MX93
Ricevi la newsletter di SECO.
Iscriviti con il tuo indirizzo email su seco.com.




