AI aan de edge – Visie op de toekomst

Machine Vision en andere oplossingen die AI aan de edge leveren, stellen bedrijven in alle sectoren in staat om dingen te doen die ze nooit voor mogelijk hadden gehouden. Voor velen is de vraag niet meer óf ze AI gaan gebruiken, maar wanneer.

Een gesprek met Intel over machine vision en AI aan de edge

Maxx Garrison, product manager bij OnLogic en Johnny Chen, Edge AI ISV account manager bij Intel® Corporation, spraken met elkaar over AI aan de edge. Ze hadden het erover hoe organisaties hardware- en softwareoplossingen kunnen inzetten om virtuele AI-projecten daadwerkelijk te realiseren. We hebben een opname van dit gesprek gedeeld als onderdeel van ons OnLogic Live-evenement en hebben ook live vragen beantwoord. Bekijk de opgenomen sessie of lees de samenvatting hieronder.

Uitdagingen aan de edge

OnLogic

Wanneer organisaties AI-oplossingen aan de edge proberen te implementeren, is het soms lastig om van een prototype, of proof of concept (POC), tot een volledige implementatie te komen. Dit geldt vooral in uitdagende omgevingen, zoals op de productievloer, in een magazijn of in voertuigen.

Wanneer een oplossing in een lab wordt ontwikkeld, beschik je in principe over onbeperkte rekenkracht met labsystemen, servers en werkstations. Maar wat als je oplossing zich in een uitdagende omgeving aan de edge bevindt?

Johnny

Aan de edge word je soms met een aantal uitdagingen geconfronteerd: 

• Voedingsbeperkingen
• Beperkte rekenkracht
• Beperkte bandbreedte
• Beperkt internet
• De noodzaak van hoge beschikbaarheid

Je moet de hele AI-keten van het begin tot het einde bekijken. Inferentie is slechts een klein onderdeel daarbij. Wanneer je de AI-inferentie hebt opgenomen en verwerkt, moet je de gegevens opslaan. Het draait allemaal om databases met tijdreeksen, slimme dashboards en ervoor zorgen dat de gegevens op een begrijpelijke manier weer terugkomen bij de gebruiker. Dit is de hele AI-keten die klanten moeten begrijpen. 

Een virtuele AI-oplossing daadwerkelijk realiseren

Johnny

Hoe ga je van het lab naar de edge? Dat is echt een interessante vraag. Intel en OnLogic hebben een geweldige samenwerking. Wij hebben onze kerntechnologie van processoren en XPU’s. OnLogic heeft die ingebouwd in vormfactoren als bijvoorbeeld de Karbon 800. Die zijn heel specifiek ontworpen voor schaalbaarheid aan de edge. Inzicht in de workload en de implementatie daarvan is essentieel om van een POC naar productie en productie op grote schaal te gaan.

OnLogic

De benchmarking van een AI-systeem kan voor een groot deel worden gedaan in een lab, waar je toegang hebt tot nagenoeg onbeperkte rekenkracht. In de cloud kun je bijvoorbeeld een andere GPU-instantie opstarten. Aan de edge zit je waarschijnlijk met vaste hardware.

Met welke methoden of hulpmiddelen kunnen mensen een AI-oplossing echt proportionaliseren als ze nog nooit oplossingen voor de edge hebben ontwikkeld?

Intel Dev Cloud gebruiken

Johnny

Eerst en vooral moet je inzicht krijgen in je workload en prestatie-KPI’s. Daarna kun je met Intel Dev Cloud je workload daadwerkelijk in de cloud testen. De cloud biedt de beste mogelijkheden. We hebben namelijk partners als OnLogic. Zij hebben systemen daar in de Dev Cloud. Dat voordeel heb je als je het exacte systeem hebt dat je aan de edge gaat implementeren. Je kunt de exacte workload op die hardware testen voordat je aan de implementatie begint. Dat maakt het een stuk eenvoudiger om de juiste specs van je hardware te bepalen.

OnLogic

De Intel Dev Cloud bestaat uit echte hardware, de hardware die je aan de edge ook gaat gebruiken. OnLogic heeft systemen in de Intel Dev Cloud. Dat betekent dat ontwikkelaars hun oplossing op een systeem van OnLogic kunnen draaien om na te gaan of het met die workload werkt. Daarna kunnen ze hun eigen OnLogic-systeem configureren en aan de edge implementeren. Ze hebben dan al gecontroleerd of het werkt.

Eenmaal coderen, overal implementeren

Johnny

Precies. Het idee is dat al deze tools je helpen dit proces te stroomlijnen. Intel heeft nog meer tools, bijvoorbeeld OpenVINO. Onze nieuwe versie, OpenVINO 2022.1, heeft zelfs een auto-modus. Dat betekent dat je het model op de open-inference engine kunt uitvoeren, waarna de auto-modus de beste inferentieprocessor kan selecteren. Dat kan de CPU, GPU, Movidius-accelerator zijn en andere soortgelijke dingen. Het draait allemaal om XPU. Het maakt niet uit waar het draait; alleen waar het het best draait.

OnLogic

OnLogic biedt diverse hardware. Zo is de Karbon 800 beschikbaar met een grote verscheidenheid aan XPU: CPU, geïntegreerde GPU, afzonderlijke GPU, FPGA, Movidius; heel veel mogelijkheden. Je kunt ook een stapje terug zetten naar de CL200 met Movidius of juist verder naar edge-servers. We bieden tal van mogelijkheden. In feite kun je met OpenVINO deze verschillende technologieën naadloos overbruggen.

Johnny

Het hele idee is: eenmaal coderen, overal implementeren. Je zet het gewoon op de hardware die het meest geschikt is voor jouw specifieke toepassing en de specifieke omgeving. Je wilt immers geen systeem, dat in een serverkamer is getest, aan de edge neerzetten. Een omgeving met veel stof is niet echt een optimale omgeving. Dat loopt geheid fout. Het gaat allemaal om maatwerk.

Systemen die zijn ontworpen voor een rugged edge-omgeving

OnLogic

We hebben de Karbon 800-serie heel specifiek voor de edge gebouwd. Het is een rugged systeem. Je kunt het installeren in een voertuig. Het kan gekoppeld worden aan LiDAR. Het is bestand tegen schokken en trillingen en de hoge temperaturen die je in edge-omgevingen kunt verwachten. Neem daarentegen de labapparatuur waarmee je je ML hebt ontwikkeld. Misschien de desktop-pc met een gaming-CPU of een rackmount server. Deze zijn niet ontworpen om te overleven aan de edge.

Johnny

Een systeem dat niet is ontworpen voor de edge laat het afweten. OnLogic begrijpt de uitdagingen van de edge. Jullie werken de hele dag met klanten aan de edge, in deze uitdagende omgevingen. Jullie hebben onze kerntechnologie gecombineerd met jullie kennis en een uniek systeem gecreëerd voor die schaalbare productie.

Als je naar de hedendaagse productieomgeving kijkt, besef je dat het systeem niet alleen betrouwbaar moet zijn. Veel van die systemen moeten ook een hoge beschikbaarheid hebben. Ze mogen niet uitvallen. Ze hebben een bedrijfskritieke functie. Als je een systeem verliest, verlies je de hele fabriek. Dan praat je over grote verliezen. 

OnLogic

Als je die schaalbare infrastructuur hebt en jij je op een locatie bevindt waar je geen goede connectiviteit hebt, is een redundante cloudinstantie volgens mij niet voldoende. Je moet robuuste hardware hebben die bestand is tegen en blijft functioneren in die moeilijke omstandigheden.

Een proces ontwikkelen en efficiëntie aantonen met vision-gegevens

Johnny

Als je daarnaast naar de edge-rekenkracht van tegenwoordig kijkt, zie je dat rekenkracht zich steeds meer naar de edge verplaatst. Steeds meer beslissingen worden aan de edge genomen. Vision-gegevens zijn op zichzelf vrij nutteloos als je erover nadenkt. Ze zeggen je alleen: “hè, dit is fout gegaan” of “Dit is goed”. 

Maar als je gegevens van de computer zelf, van de PLC, van sensoren met de vision-gegevens combineert, dan heb je een proces. Dan kun je het proces gaan controleren en als een onderdeel defect raakt, kun je de instellingen bekijken. Op die manier kun je naar antwoorden zoeken. Waardoor is dat onderdeel uitgevallen? Als je het antwoord weet, kun je de problemen oplossen. Dit soort beslissingen moeten aan de edge worden genomen. Want dat is sneller en in real-time.

OnLogic

Een aantal van de unieke toepassingen die we zien maken dynamische aanpassing mogelijk. Met machine vision krijg je dus inzicht in het product dat wordt geproduceerd. Hiermee kun je de defecten achterhalen. Het regelt ook de rest van het systeem om aanpassingen door te voeren. Zo kan het het extrusieproces aanpassen om rekening te houden met veranderingen in de vochtigheid in de fabriek. Dat kan allemaal dynamisch omdat je dat onmiddellijk aan de edge kunt doen. Deze lage latentie is essentieel voor edge computing.

Johnny

Wanneer al deze gegevens zijn verzameld, kun je ze in de cloud combineren met gegevens van andere computers en kun je onderlinge verbanden leggen. Dan zie je de trends. Er wordt een verhaal verteld. Nu kun je efficiëntie aantonen. Niet alleen voor één locatie, maar binnen de hele onderneming.

Software ter ondersteuning van AI-implementatie

OnLogic

Zijn er softwareontwikkelingen die de software- en implementatiekant van het verhaal vergemakkelijken? De bouw en integratie van een dergelijk platform lijkt mij enorm ingewikkeld. 

Johnny

Absoluut. Intel biedt behalve OpenVINO nog tal van andere toolkits aan. Eén daarvan is een referentieontwerp dat we Edge Insights for Industrial hebben genoemd. Het is een referentiesoftwarestack, van dataopname en vision-opname tot inferentie, tijdreeksendatabase en dashboarding. Het is het complete referentieontwerp dat we onze klanten kosteloos aanbieden. Ze kunnen het gebruiken om hun eigen product, voor hun specifieke oplossing te maken. 

Praktijkvoorbeeld van AI in de fastfoodsector

OnLogic

Wij werken met klanten uit tal van sectoren. Kun je ons een voorbeeld geven van een bedrijf dat AI gebruikt?

Johnny

Ja, voor velen is de vraag niet meer óf ze AI gaan gebruiken, maar wanneer. 

Een interessant voorbeeld dat iedereen volgens mij wel kent en kan waarderen, is fastfood. Voor de fastfoodsector kan AI heel interessant zijn. Het kan de klantervaring verbeteren zonder dat de klant dit zelfs maar beseft. 

In een fastfood restaurant kun je camera’s ophangen die de drive-through in de gaten houden. Hiermee kun je erachter komen hoeveel auto’s er in een rij staan en hoeveel mensen in het restaurant staan te wachten om hun bestelling door te geven. Deze informatie kan worden gebruikt voor microprognoses. 

Als je erover nadenkt, bestelt bijna iedereen frietjes bij zijn burger. Dus, als je weet hoeveel mensen er in de rij staan, kun je eigenlijk al vrij nauwkeurig voorspellen hoeveel friet je moet bakken. 

Je kunt AI ook in een fastfood restaurant gebruiken om de kwaliteit van het eten te controleren. Niemand houdt van slappe friet, toch? Slechte friet serveren is het ergste wat je in een fastfood restaurant kunt doen.

Door een camera in de keuken te plaatsen, kun je de kwaliteit van het eten bijhouden. Wanneer is de friet gebakken? Hoe lang hebben ze gestaan? Hebben ze er te lang gestaan? Moet je ze weggooien of kun je ze nog serveren? Dit zijn allemaal dingen om de kwaliteit en de klantervaring te verbeteren. Het mooiste is dat je niet alleen de klantervaring verbetert. Je verbetert ook de ervaring van het bedrijf. Daardoor werk je immers efficiënter. Je verleent een betere service en je beschikt over gegevens over het reilen en zeilen van al je restaurants.

OnLogic

Ja, dit is een duidelijk voorbeeld. Als je zoiets zonder AI zou willen doen, had je een hele controlekamer met mensen nodig om de wachtrijen in de gaten te houden. “Er staan 5 mensen in de rij. Je moet meer frieten bakken!” Dat soort middelen hebben we niet in deze bedrijven. AI kan van pas komen en deze zaken echt verbeteren op manieren die in het verleden niet mogelijk waren.

Johnny

Het mooiste is dat het het leven voor de medewerkers ook eenvoudiger maakt. Medewerkers kunnen nu rustiger werken. Ze weten op tijd hoeveel eten ze moeten bereiden. Dit brengt ons op een ander punt. Zo ga je namelijk ook voedselverspilling tegen, want je bereidt niet meer dan je nodig hebt. Je weet veel beter hoeveel eten je op een bepaald moment nodig hebt.

Brownfield AI-implementatie

OnLogic

Een van de unieke uitdagingen die we zien, betreft de oudere productielocaties. Ook in de wat oudere fabrieken willen ze die AI-mogelijkheden implementeren. Is dat haalbaar met de technologie die we nu hebben?

Johnny

Oh, absoluut. Ik denk dat bestaande infrastructuur, vaak brownfield infrastructuur genoemd, een van de grootste groeigebieden is. Hoe kun je dit soort locaties upgraden? Om eerlijk te zijn, niemand gaat een complete, bestaande fabriek upgraden tot een smart factory. Waarom zou je dat doen als je beschikt over apparatuur die het nog 20 jaar prima doet. 

Daar kunnen de IoT-gateways van OnLogic met de meervoudige interfaces een rol spelen. Zij hebben de mogelijkheid om te communiceren met PLC’s en traditionele, oudere machines. Je kunt er gegevens uit ophalen en deze digitaliseren.  

Software inzetten om gegevens te combineren

Johnny

Daarnaast heeft OnLogic een geweldige samenwerking met Inductive Automation. Met hun Ignition-software kun je al die gegevens combineren. Aan het einde van de dag heb je niet minder gegevens, maar meer. In deze oudere fabrieken is er een manier om al die gegevens op te halen en te digitaliseren. En daar zien we een heel boeiende technologie. Want wanneer al die gegevens zijn verzameld, kun je inzicht krijgen in deze oudere productielocaties en de efficiency gaan verbeteren. In het verleden was deze informatie simpelweg niet zichtbaar. 

OnLogic

In deze oudere fabrieken staat misschien een oudere PLC die apparatuur bestuurt, een PLC en een gateway en een edge-server in de cloud. Wij kijken naar de toekomst en nieuwe fabrieken. Hoe zie je de ontwikkeling in die apparatuur? Gaan we consolideren met soft PLC’s met ingebouwde acceleratoren? Of verwacht je nog een verdere ontwikkeling van functies?

Verplaatsing naar de edge voor real-time besluitvorming

Johnny

Ik verwacht beslist nog nieuwe ontwikkelingen, maar ik zie ook steeds meer computers naar de edge verhuizen. Een van de belangrijkste voordelen van een verplaatsing naar de edge is namelijk dat je beslissingen in real-time wilt nemen. Bij storingsdetectie wil je immers kunnen zien wat er aan de hand is. Je wilt deze machines in real-time kunnen aanpassen. Daarom worden steeds meer computers aan de edge ingezet, om dit in real-time te kunnen doen. 

Maar langs de andere kant wil je al deze samenhangende gegevens ook in de cloud neerzetten. Een hybride architectuur zal steeds vaker voorkomen. Steeds meer gegevens zullen in de cloud worden bewaard, maar alleen de belangrijke gegevens. Wanneer gegevens aan de edge zijn verwerkt, kunnen ze in een dashboard in de cloud worden neergezet. Op die manier kan iedereen in de onderneming de gegevens bekijken op een manier die ook echt inzicht geeft.

OnLogic

Een goed voorbeeld daarvan is een klant die LiDAR-gegevens kan ophalen uit een voertuig. LiDAR creëert een enorme hoeveelheid gegevens. De meeste gegevens zijn niet nuttig. Maar als er gegevens zijn die wel nuttig zijn… dan kunnen die naar de cloud worden geüpload om modellen te trainen, toch?

Johnny

Absoluut. En daarom is informatieverwerking aan de edge zo belangrijk. Omdat de hoeveelheid gegevens alleen maar zal toenemen, steeds sneller, meer en meer. Het probleem is…hoe filteren we al deze gegevens? Vroeger moest iemand deze gegevens letterlijk handmatig uitzoeken. Maar met kunstmatige intelligentie kunnen we ze automatisch laten sorteren en alleen die gegevens presenteren die relevant zijn. Zo worden we steeds efficiënter. We worden hier steeds beter in. Een van de spannendste aspecten van onze samenwerking is volgens mij dat jullie Alder Lake-S implementeren. Jullie hebben echt een enorm schaalbaar platform gecreëerd.

Een schaalbaar platform voor AI

Johnny

Schaalbaarheid op zich, AI in het bijzonder, is echt belangrijk. Als je naar OpenVINO van Intel kijkt, zie je dat het allemaal draait om “eenmaal schrijven, overal implementeren”. Of je OpenVINO nou op kleine systemen of op systemen van serverklasse plaatst, de code verandert niet. In sommige opzichten. Dat vind ik ook zo boeiend aan de Karbon-serie. Jullie hebben in feite een platform voor AI gecreëerd. Jullie hebben een groot aantal iGPU’s op de Alder Lake-P die jullie hebben gemaakt. Maar OnLogic heeft ook buiten het systeem met de Alder Lake-S-serie een schaalbaar systeem gemaakt. Dat is nu schaalbaar met GPU’s en PCIe-kaarten. Een ander belangrijk ding is netwerkpoorten.

OnLogic-systemen bieden een groot aantal netwerkpoorten, want waar draait al die vision op? Camera’s; PoE-camera’s en zo. Jullie hebben met Alder Lake een geweldige Karbon-serie gebouwd. En ik denk dat het mooiste daarvan is dat het een schaalbaar platform voor AI is geworden.

OnLogic

In het lagere segment hebben we Alder Lake-P. Dit is een heel complex systeem, maar met een enorm krachtige iGPU. Met OpenVINO kun je die heel goed gebruiken voor AI-workloads. In het hogere segment vind je de Karbon 800. En dan richt je je werkelijk op heel hoge CPU-prestaties. Maar zoals gezegd ook op uitbreidbaarheid en de modulariteit van I/O.

De Karbon 800-serie van OnLogic bestaat uit vier systemen. Wanneer we deze AI-toepassingen aan de edge bekijken, heb je volstrekt gelijk. Het is machine vision en je moet camera’s aansluiten. Met de K804 bijvoorbeeld kunnen we volgens mij maximaal 22 PoE-camera’s of 30 USB-camera’s aansluiten. Natuurlijk moet je ook hier je AI-workloads aanpassen zodat je al die gegevens daadwerkelijk kunt opnemen en verwerken. Maar we bieden dat schaalbare platform waar we voor nagenoeg elke toepassing een systeem kunnen vinden dat geschikt is voor die AI-workload aan de edge.

Meer doen met AI aan de edge

Johnny

Die schaalbaarheid wordt steeds belangrijker aan de edge. Want naarmate ondernemingen beseffen wat ze met AI kunnen doen, willen ze steeds meer functies via software toevoegen. Ze willen steeds meer AI aan de edge implementeren.

OnLogic

We zijn echt enorm benieuwd naar wat er voor AI in onze sectoren in het verschiet ligt. Alle klanten waarmee wij werken, doen er alles aan om AI aan de edge te implementeren. Ik denk dat dit een van de meest fascinerende zaken is. Omdat wij samenwerken met edge-bedrijven, zien we het in productie. Het zijn niet zomaar onderzoeksprojecten. We zien de daadwerkelijke voordelen in het veld; het is echt.

Johnny

Ja, absoluut. We hebben het al eerder gezegd. Het is geen kwestie van ‘of’, maar een kwestie van ‘wanneer’.

Samenvatting

JP Ishaq, Director of Product Enablement en Darek Fanton, Communications Manager hebben meer inzicht en informatie gegeven na het vooraf opgenomen gesprek tussen Maxx en Johnny.

Kunstmatige intelligentie, geen kwestie van ‘of’, maar van ‘wanneer’.

Darek

Wat waren de belangrijkste punten uit het gesprek tussen Maxx en Johnny? 

JP

Het is interessant om te zien hoe dit ecosysteem vorm krijgt. Dankzij het partnerschap tussen OnLogic en Intel kunnen we schaalbare oplossingen creëren voor opkomende toepassingen. En, zoals Johnny al zei: kunstmatige intelligentie is geen kwestie van ‘of’, maar van ‘wanneer’. In veel gevallen is ‘wanneer’ nu. We zien dit overal, van retailanalyse om de winkelervaring van klanten te verbeteren, tot implementaties in industriële automatisering om preventief onderhoud en productkwaliteit te verbeteren. 

Wat is inferentie in AI?

In met AI verbeterde toepassingen praten we over machine learning of deep learning. Dat is het proces van het bouwen en trainen van je model met behulp van high-performance computing en cloud computing. Inferentie vindt na de training van het model plaats met objectherkenning. Je gaat het model nu echt gebruiken om inkomende gegevens (doorgaans beelden of video) te herkennen.

Wat is brownfield versus greenfield?

Brownfield en greenfield zijn termen die in een aantal verschillende sectoren worden gebruikt. Maar eigenlijk verwijzen ze naar hetzelfde. Als we het over hardware hebben, is een greenfield projectimplementatie een nieuwe installatie die vanaf nul helemaal op maat kan worden ontworpen. Zo’n implementatie bestaat dus uit nieuwe apparaten, hardware, een aangepaste softwarestack, randapparatuur en protocollen. 

Een brownfield project maakt daarentegen gebruik van en wordt geïntegreerd met een bestaande infrastructuur. De integratie met bestaande, soms verouderde apparaten brengt een aantal unieke uitdagingen met zich mee. Dat is een van de redenen waarom veel van onze systemen zaken bevatten die in de wereld van de computersconsument misschien ‘ouderwetse’ connectiviteit worden genoemd. Denk aan COM-poorten. Veel apparaten in bestaande fabrieken hebben deze verbindingen namelijk nodig. Daarnaast zijn die apparaten vaak niet toegerust om te communiceren met netwerkbronnen of de cloud. Daarom zijn IoT-gateways zo’n belangrijk onderdeel geworden van het hardwarelandschap. OnLogic blinkt werkelijk uit in de ondersteuning van die geavanceerde prestaties en het onderhouden van die verouderde connectiviteit. 

Machine vision AI in actie

Een voorbeeld van een innovatief bedrijf dat een OnLogic-oplossing heeft ingezet, is Datacadabra in Nederland. Ze hebben een slimme oplossing gebouwd voor op een bermmaaimachine, de Mowhawk. Met machine vision kan het systeem onderscheid maken tussen invasieve begroeiing, zwerfvuil en zelfs leefgebieden van dieren. De maaier kan vervolgens instructies krijgen over gebieden waar omheen gemaaid moet worden of die vermeden moeten worden. 

Dit is een geweldig voorbeeld van een oplossing met AI en machine learning die vandaag de dag wordt gebruikt. Als algemene consument passeer je misschien dagelijks ongelooflijke oplossingen met AI en vision zonder dat je het weet. Die tractor in de berm is misschien wel een machine vision-oplossing. 

Voorbeelden van spannende bestaande of opkomende hardwaretechnologieën

Zoals we al zeiden, zijn we erg verheugd dat we onze Karbon 800-serie kunnen uitbrengen. Deze is gebaseerd op Intel’s 12e generatie platform, voorheen Alder Lake genoemd. Binnenkort brengen we meer Alder Lake-systemen uit, dus blijf ons volgen. We hebben meer mogelijkheden om verschillende toepassingen te voorzien van schaalbare architectuur op verschillende niveaus. 

Schaalbaarheid is het toverwoord! Of het nu een van onze K800-modellen is die de geïntegreerde Alder Lake-processors ondersteunen, en kunnen worden uitgebreid met aanvullende randapparatuur en connectiviteit, of een van onze kleinere gateways. We hebben een oplossing om onze klanten te helpen. 

Dankzij onze samenwerking met Intel kunnen we de prestaties benutten die de nieuwste generaties leveren. Daarnaast kunnen we onze klanten blijven ondersteunen en hun hardwareplatformen onderhouden. 

Schaalbaarheid betekent ook dat je ervoor kunt zorgen dat je niet alleen nu de juiste oplossing hebt, maar ook de mogelijkheid om te evolueren wanneer een toepassing zich ontwikkelt. De K800-serie bevat bijvoorbeeld een aantal modellen: K801, K802, K803 en de K804 die daadwerkelijk een GPU kunnen gebruiken. Je hebt dus de flexibiliteit om te bepalen waar het rekenwerk wordt uitgevoerd.

Wat maakt Alder Lake zo geschikt voor AI?

Natuurlijk zien we winst in de algehele prestaties en rekenkracht. Maar een van de dingen die vooral interessant is, is de hybride architectuur. Deze combineert zowel prestatiekernen als efficiënte kernen. Dat betekent dat je de benodigde workload kunt schalen en heel diverse workloads kunt afhandelen. 

De geïntegreerde GPU is bovendien ongeëvenaard in zijn vermogen om AI-workloads af te handelen zonder externe of aanvullende randapparatuur. Dat is iets dat we nooit eerder op dit niveau hebben gezien. Als het nodig is, voeren onze systemen de hele integratie van aanvullende randapparatuur uit. Onze klanten kunnen hun oplossing dus geheel afstemmen op hun eigen toepassing. 

Hoe zit het met de beschikbaarheid van de Karbon 800-serie gezien de huidige problemen in de toeleveringsketen voor onderdelen?

Problemen met de toeleveringsketen hebben ongetwijfeld invloed op zo ongeveer elk product en elke industrie ter wereld. Ons team doet er echter alles aan om de voorraad op peil te houden en tot op heden slagen ze daar heel goed in. De K800 is beschikbaar en wordt nu verzonden.

Het gaat om flexibiliteit. Het is zo boeiend dat je nu de basisplatformen kunt krijgen waarvoor aanvullende functies in de loop van de tijd worden uitgebracht. 

Ben jij klaar om jouw AI-aan de edge-toepassing te lanceren? Lees meer over de Karbon 800 of neem vandaag nog contact op met ons team! 

Opmerking van de redactie: Inductive Automation heeft hun Ignition onboard-programma beëindigd. Ignition-licenties moeten nu rechtstreeks via Inductive Automation worden aangeschaft. Hoewel de IGN-versies van onze oplossingen niet langer beschikbaar zijn, blijven onze computers uitstekend geschikt voor gebruik met Ignition-software. Ontdek hier onze aanbevolen hardware.