
Cuatro chicos de 17 años monitorean ganado con IA y Arduino
El equipo italiano Blue Proton Initiative lleva cuatro meses construyendo un sistema de visión por computadora que corre localmente sobre una placa Arduino UNO Q.
31 notas publicadas

Las instrucciones a medida son la mayor ventaja de la arquitectura abierta y también su mayor riesgo, porque cada núcleo que agrega las suyas se aleja de la compatibilidad con el resto.

El reemplazo del Jetson Orin Nano Super duplica el rendimiento de inferencia sin cambiar el formato de 69,6 por 45 milímetros, y llega recién en el primer semestre de 2027.

El uCOM-Q6490 combina el procesador Dragonwing QCS6490 con un formato SMARC 2.1 de 82 por 50 milímetros, apuntando a robótica, salud y automatización industrial.

La placa de BrainChip y Neuromorphyx usa el factor de forma Arduino Nicla e integra un monitor de corriente de dos canales para medir el consumo de cada inferencia.

La primera memoria de bajo consumo con lógica integrada multiplica por ocho el ancho de banda y rinde 3,01 veces más tokens por segundo en inferencia.

NVIDIA presentó su nuevo computador de entrada para IA de borde, que duplica el rendimiento del Orin Nano Super y consume 40% menos en modo de 15 watts.

La plataforma más avanzada de Arduino combina un Qualcomm Dragonwing IQ8 con un microcontrolador de tiempo real, corre modelos locales sin conexión y abre preventa con accesorios incluidos.

Los equipos AIE-VN34/44 y AIE-VO24/34 usan módulos NVIDIA Jetson Orin, funcionan sin ventilador entre 25 grados bajo cero y 55 sobre cero, y ya están certificados para uso vehicular.

La arquitectura que hace eficientes a estos chips, con la memoria y el cómputo fusionados, también genera superficies de ataque que las protecciones convencionales no cubren del todo.

El modelo de 4.000 millones de parametros cabe en un Jetson Thor y genera acciones sin depender de una GPU de centro de datos.

La revisión 2.0 llega en formato reducido y listo para producción, con dos puertos 10G SFP+, soporte MIPI CSI-2 dual y compatibilidad total con el SDK Holoscan de NVIDIA.

Fusionar memoria y cómputo elimina el cuello de botella de von Neumann, pero abre la puerta a ataques de canal lateral, inyección de fallas y troyanos de hardware en sistemas embebidos.

Karl Wachswender, arquitecto principal de sistemas industriales de Lattice Semiconductor, explica por qué la percepción y el control de motores se están mudando desde la nube hacia el propio robot.

La primera placa de desarrollo que usa el encapsulado grande de 19x19 mm del i.MX 95 suma 16 GB de LPDDR5-6400, Ethernet de 10 Gbps y dos ranuras para aceleradores de IA. Cuesta 300 dólares.

El modelo denso de pesos abiertos con contexto de 120K tokens corre completo en una sola GPU NVIDIA y apunta a agentes que trabajan sin salir del equipo.

El computador de borde de Seeed Studio llega con módulo Jetson AGX Orin de 32 o 64 GB, hasta 275 TOPS, red 10GbE y dos conectores FAKRA para ocho cámaras automotrices.

El desarrollador Slava S. logró que un modelo de lenguaje completo se ejecute sin conexión en una placa de unos 8 dólares, apoyándose en la técnica de embeddings por capa de Google.

El dongle monta un chip Hailo-10H con 8 GB de LPDDR4 propios, consume 2,5 watts y ofrece por USB-C la misma potencia de inferencia que el Raspberry Pi AI HAT+ 2 entrega por PCIe.

El proyecto experimental de código abierto arranca directo a un modelo cuantizado desde un USB o microSD, sin cargar Linux, para liberar toda la RAM a la inferencia.

La estación de Planet Technology cuesta 3.640 dólares y su precio lo justifica el cumplimiento normativo NDAA y TAA para uso en infraestructura crítica, no el hardware.

El aumento va de 33% a 101% y afecta a todos los módulos y kits de desarrollo, desde el Jetson Nano hasta el AGX Thor, que ahora cuesta 5.499 dólares.

La nueva familia de Efinix reduce cerca de un 50% el consumo estático y llega con variantes System-in-Package que integran flash y HyperRAM para reducir el tamaño de la placa hasta en un 60%.

La camara modular de Seeed Studio usa un SoC Rockchip RV1126B con NPU de 3 TOPS para ejecutar vision por computadora, modelos de lenguaje, VLM y voz directamente en el dispositivo, sin nube.

Los nuevos módulos Thor son la mitad de tamaño que los T4000 y T5000, entregan hasta 865 TFLOPS FP4 y llegan en el primer trimestre de 2027 para robótica y cómputo en el borde.

Los nuevos módulos basados en la arquitectura Thor llevan supercómputo de IA compacto a robots humanoides y máquinas autónomas, con rangos que van de 70 TOPS a 2.000 teraflops.

Ambient Scientific presenta un SoC con diez núcleos de IA MX8 y un Cortex-M4F que consume menos de 100 microwatts, capaz de sostener inferencia continua durante años con una sola pila de botón.

En lugares con redes inestables y sin centros de datos, los modelos de pocos miles de millones de parámetros corren en un teléfono o una Raspberry Pi con apenas unos watts.

El computador embebido usa módulos Jetson Orin Nano 4GB/8GB o Jetson Orin NX 8GB/16GB, ofrece PoE, CAN Bus y opera entre -25 y 80 °C.

Renesas RA8P1 en placa reducida para RT-Thread y AIoT, con 32 MB de SDRAM, 256 GOPS de NPU y micrófono/parlante integrados, aunque baja la RAM y pierde el RJ45 respecto de la Titan original.

Con Omniverse y Metropolis, Roboflow llegó a 95% de precisión con 8 imágenes reales de defectos y Foxconn subió 3% el yield en líneas GB300 usando el blueprint VSS.
Otros temas que aparecen junto a #edge ai en nuestra cobertura editorial.