Qualcomm и Arduino представили одноплатник Ventuno Q для периферийного ИИ с 40 TOPS и 16 Гб ОЗУ
Qualcomm и принадлежащая ей Arduino анонсировали одноплатный компьютер Arduino Ventuno Q, ориентированный на разработчиков робототехники, систем компьютерного зрения и периферийного ИИ. Новинка позиционируется как платформа для «демократизации» edge‑ИИ и позволяет запускать полностью автономных ИИ‑агентов локально, без обращения к облаку. Ожидается, что плата будет стоить менее 300 долларов, а старт продаж намечен на второй квартал 2026 года.
В основе Arduino Ventuno Q лежит платформа Qualcomm Dragonwing IQ8 (IQ‑8275) с восьмиядерным CPU Kryo Gen 6 (ядра Cortex), графикой Adreno 623, блоком VPU, ИИ‑ускорителем Hexagon с производительностью до 40 TOPS и модулем обработки изображений Spectra 692. Плата оснащена 16 Гб оперативной памяти LPDDR5 и 64 Гб постоянной памяти eMMC, которую можно расширять. Для задач реального времени используется отдельный микроконтроллер STM32H5 на базе Arm Cortex‑M33, отвечающий за управление датчиками, приводами и прочими исполнительными механизмами.
Одноплатный компьютер предлагает широкий набор интерфейсов: порты USB‑C и USB‑A, HDMI, Ethernet, а также модули беспроводной связи Wi‑Fi 6 и Bluetooth 5.3. Для подключения камер и другой периферии предусмотрен вход MIPI‑CSI, разъемы расширения Arduino UNO и совместимость с модулями Raspberry Pi, что упрощает миграцию с уже существующих проектов и экосистем. Ventuno Q поддерживает работу под управлением Debian и Ubuntu, а ИИ‑приложения можно развертывать в контейнерах Docker или разрабатывать на Python в среде Arduino App Lab.
Производитель подчеркивает, что Ventuno Q рассчитана на широкий спектр сценариев использования. Среди них — локальные голосовые ассистенты на базе LLM‑моделей, умные зеркала с управлением жестами, туристические и медицинские киоски с распознаванием речи на периферии сети, а также сервисные и промышленные роботы с визуальной навигацией и системами компьютерного зрения. Плата также ориентирована на образование и исследования: она может использоваться для обучения компьютерному зрению и генеративному ИИ на «периферии», а также для быстрого создания функциональных прототипов умных устройств и систем мониторинга в рекордные сроки.
