RASPBERRY PI AI HAT+ 2

Jetzt verfügbar: Raspberry Pi startet den globalen Verkauf des neuen Raspberry Pi AI HAT+ 2 Add-On-Boards, das speziell entwickelt wurde, um sowohl Vision-Modelle als auch ausgewählte Large Language Models (LLMs) sowie Vision-Language Models (VLMs) zu beschleunigen. 

Viele industrielle Edge-Programme müssen heute „AI-Fähigkeit“ liefern, ohne Plattformrisiken einzugehen. Der neue Raspberry Pi AI HAT+ ermöglicht es, prüfbare Plattformanforderungen zu definieren: eine festgelegte Host-Basis, einen benannten Beschleunigungs-Scope und explizite Beschaffungsparameter (SKU, MOQ, Bestell-/Versandlogik), die Serienplanung und Serviceverpflichtungen direkt beeinflussen. 

Über den neuen Raspberry Pi AI HAT+ 

Der Raspberry Pi AI HAT+ 2 liefert eine ähnliche Vision-Modell-Performance wie der 26 TOPS AI HAT+, während es zusätzlich die Beschleunigung für ausgewählte LLMs und VLMs bietet. Für OEMs bedeutet dies, dass Vision-Designs im etablierten Leistungsrahmen bleiben können, während spezifische Sprachfunktionen oder multimodale Funktionen innerhalb eines definierten Rahmens geprüft und eingehend evaluiert werden können. In Projekten verbessert dies die Nachvollziehbarkeit der Anforderungen und reduziert das Risiko ungebundener Feature-Claims in den Spezifikationen. Es sichert die Entscheidung ab, welche AI-Funktionen zum Launch produktisiert werden und welche auf einen späteren Zeitpunkt verschoben werden. 

Der AI HAT+ 2 wird über PCI Express angebunden und ist ausschließlich mit dem Raspberry Pi 5 kompatibel. Für OEMs setzt das eine klare Plattformgrenze: Hardwarearchitektur, Gehäuseintegration und Qualifizierungsplanung müssen auf ein Raspberry-Pi-5-basiertes Design ausgerichtet werden. Im Projektalltag reduziert das Interface-Unschärfen und verhindert spätere Redesigns durch falsche Host-Annahmen. Es sichert die Entscheidung, ob die Roadmap Raspberry Pi 5 als Host-Standard für den geplanten Lifecycle tragen soll. 

Die Platine basiert auf dem Hailo 10H Neural Network Accelerator und verfügt über 8 GB LPDDR4X-4267 SDRAM Onboard. Dies definiert ein stabiles Beschleunigersubsystem mit einer festgelegten lokalen Speicher-Konfiguration, was für planbare Verifikationen und Performance-Charakterisierungen bei unterstützten Workloads von Bedeutung ist. In Projekten unterstützt dies die Definition eines kontrollierten Testplans und sorgt für klarere Verantwortlichkeiten zwischen Host-Ressourcen und Accelerator-Ressourcen. Es unterstützt die Entscheidung zur Validierungstiefe und zum Performance-Risiko der AI-Pipeline in Serie. 

Die erwartete Unterstützung zum Launch umfasst Llama-3.2-3B-Instruct und QWEN2.5-VL-3B, mit ASR-Unterstützung (whisper-base). Die Angabe „LLM/VLM-fähig“ wird damit zu einem konkreten Startpunkt, der validiert und dokumentiert werden kann. So kann mit einer konkret definierten Testmatrix, Regression-Planung und Update-Governance für Seriensysteme geplant werden und eine sichere Entscheidung über die initiale Release-Baseline und den Wartungsumfang für unterstützte Modelle getroffen werden. 

Wichtige Vorteile

• Hailo 10H Neural Network Accelerator mit 8 GB LPDDR4X-4267 SDRAM Onboard: definiert ein stabiles Beschleunigersubsystem und unterstützt einen kontrollierten Verifikationsumfang 
• PCIe-Anschluss mit exklusiver Raspberry Pi 5-Kompatibilität: setzt die Host-Basis früh und reduziert Architektur-Unklarheiten  
• Ähnliche Performance für Vision-Modelle wie 26 TOPS AI HAT+ 
• Genannter Modell-Scope (Vision plus Beschleunigung ausgewählter LLM/VLM/ASR): ermöglicht prüfbare Anforderungen und begrenzte Feature-Verpflichtungen 
• Erwartete LLM/VLM-Unterstützung zum Launch 

o Llama-3.2-3B-Instruct 
o QWEN2.5-VL-3B 
o ASR (whisper-base)