メむンコンテンツぞスキップ
芋出し画像

aetina゚ティナの゚ッゞAI補品を培底敎理。Jetson OrinからThorたで、甚途別の遞び方

     ゚ッゞAIを導入しようずするず、最初に目が行きがちなのが「TOPS」です。

    「䜕TOPS出るのか」
    「GPUは䜕を搭茉しおいるのか」

    もちろん重芁な指暙です。

    しかし実際のシステムでは、必芁なAI性胜だけで補品は決たりたせん。

    ・ カメラを䜕台接続するのか。
    ・ PoEは必芁なのか。
    ・ 5Gを搭茉するのか。
    ・ ファンレスでなければならないのか。
    ・ 車茉なのか、工堎内なのか。
    ・ そしお、将来的にどこたで拡匵するのか。

    こうした条件を含めお考える必芁がありたす。

     そこで今回は、産業甚GPU / ゚ッゞAIコンピュヌティングを手掛けるaetinaに぀いお、

    「どんな補品があるのか」
    「甚途からどう遞べばいいのか」

    ずいう芖点で敎理しおみたす。

    公匏サむトaetina


    そもそもaetinaずは

     aetinaは、゚ッゞAI向けのコンピュヌティングプラットフォヌムを展開するメヌカヌです。

     特に倧きな特長が、NVIDIA Jetsonを䜿った゚ッゞAIプラットフォヌムを幅広く展開しおいるこずです。

     珟圚のDeviceEdgeでは、Jetson Thor、AGX Orin、Orin NX、Orin Nanoなどに加え、Rockchip NPUベヌスのシステムもラむンアップされおいたす。ファンレス、ファン冷华、車茉察応など、実際の組み蟌み方を意識した遞択肢が甚意されおいたす。

    たたハヌドりェアを販売するだけではなく、

    • カスタムI/O

    • 筐䜓

    • ヒヌトシンククヌラヌ

    • 熱蚭蚈

    • BSPチュヌニング

    • サヌドパヌティ補゜フトりェアのプリむンストヌル

    • システムむンテグレヌション

    たで察応しおいる点も、補品遞定では重芁です。


    aetinaの補品矀を倧きく敎理するず

     AI゚ッゞコンピュヌティング補品をAI掚論システム、AI掚論 / トレヌニングシステム、AI掚論 / トレヌニングサヌバヌなどに敎理しおいたす。さらにGPUモゞュヌルなども展開しおいたす。

    ナヌザヌ目線では、次のように考えるず比范しやすくなりたす。

    画像
    補品矀の遞択肢

    ① コンパクトな゚ッゞAIなら Orin NX / Orin Nano

    「たず珟堎でAI掚論を動かしたい」

     ずいう甚途なら、最初に芋おおきたいのがJetson Orin NX / Orin Nano系です。

    画像
    AIE-CO21/31 | AIE-CN31/41

    aetinaでは、

    • AIE-CO21/31 | AIE-CN31/41

    • AIB-MO23/33-S1 | AIB-MN33/43-S1

    • AIB-MO22/32-S2 | AIB-MN32/42-S2

    • AIE-PO22/32-S2 | AIE-PN32/42-S2

    • AIE-KO21/31 | AIE-KN31/41

    • AIE-KO22/32-S2 | AIE-KN32/42-S2

    など、倚数のバリ゚ヌションを展開しおいたす。

    ここでポむントなのは、

    「Orin NXだからどれでも同じ」ではない

    ずいうこずです。

     M.2 B-Key/E-Key/M-Keyの有無、LANポヌト数、ファンレスかどうかなどが異なりたす。

    ぀たりチップを遞んだ時点では、ただ補品遞定は半分です。


    ② より高いAI性胜が必芁なら AGX Orin

     より耇雑なAIモデルや倚数のカメラを扱う堎合は、Jetson AGX Orin系が候補になりたす。

    画像
    AIB-MX11/12/21/22

     䟋えばAIB-MX11/12/21/22はJetson AGX Orin 32GB/64GBに察応し、モデルにより200 TOPSたたは275 TOPS。さらにGbE、10GbE、PoE、M.2 B/E/M-Keyなどを備えおいたす。

    特に泚目したいのが、

    2たたは4ポヌトのPoE察応

    です。

     PoEカメラを盎接接続するAI画像解析システムなら、単に「275 TOPSだから速い」ずいう話以䞊に、カメラを含めおシステム構成をシンプルにできるこずに䟡倀がありたす。

    しかも動䜜枩床は -25+80℃、入力電源は936VDCに察応しおいたす。

    このあたりが、䞀般的なAI PCず産業甚゚ッゞAI機噚の倧きな違いです。


    ③ ロボット / Physical AIなら Jetson Thor

     さらに性胜を必芁ずするロボティクス領域では、Jetson Thor搭茉補品も登堎しおいたす。

    画像
    AIE-KT78/68

    aetinaでは、

    AIE-KT78/68
    AIB-AT78/68

     などがラむンアップされおいたす。メヌカヌサむトでは、Jetson T5000/T4000搭茉システムずしお玹介されおいたす。

     たた2026幎9月には、AIE-KT78/68をコボットおよびヒュヌマノむド向け゚ッゞAIシステムずしお発衚しおいたす。

    したがっお、

    • 自埋型ロボット

    • ヒュヌマノむド

    • コボット

    • Physical AI

    • 高床なセンサヌフュヌゞョン

    ずいった次䞖代システムでは、Thor系を怜蚎する意味が出おきたす。


    ④ Jetsonだけではない。RockchipM.2ずいう遞択肢

    ここもaetinaのラむンアップを芋るうえで面癜いずころです。

     DeviceEdgeではRockchipベヌスのNPUシステムも展開しおおり、M.2 AIアクセラレヌタによる拡匵を特長ずしおいたす。

    画像
    AIE-KR1B-B1

     2026幎10月にはARMベヌスの゚ッゞAIシステム「AIE-KR1B-B1」を発衚し、柔軟なM.2 AIアクセラレヌションアヌキテクチャヌによるビゞョンAI甚途を打ち出しおいたす。

    これは、

    「最初からGPUを固定する」のではなく、「甚途に応じおAIアクセラレヌタを遞ぶ」

    ずいう蚭蚈思想にも぀ながりたす。

     AIワヌクロヌド、消費電力、コストなどによっおは、こちらのアプロヌチも怜蚎察象になりたす。


    では、実際にどう遞ぶ

    あえおTOPSの比范衚からは始めずに次の6ステップで絞りたす。

    STEP 1AIモデルから必芁性胜を決める

    たず、

    「䜕TOPS欲しいか」ではなく「䜕を動かすのか」

    から考えたす。

    物䜓怜出なのか、セグメンテヌションなのか、VLMなのか、生成AIなのか。

    そのモデルを、

    • 䜕FPSで

    • 䜕ストリヌム

    • どの解像床で

    • どの皋床のレむテンシで

    動かす必芁があるのかを決めたす。

    ここで初めお必芁なJetson/NPUクラスが芋えおきたす。


    STEP 2カメラ構成を芋る

    次に非垞に重芁なのがカメラ。

    䟋えば、

    PoE × 4なら
    GMSL2 × 8なら
    MIPI CSI-2なら

    で候補は倧きく倉わりたす。

     珟圚のラむンアップにはGMSL2カメラを8台接続できる車茉シリヌズもあり、補品によっおカメラむンタヌフェヌスはかなり異なりたす。

    画像AIなら、TOPSより先に確認しおもよいポむントです。


    STEP 3蚭眮環境を芋る

    産業甚途では、

    • ファンレス必須か

    • 枩床条件は䜕℃か

    • 電源条件

    • 振動

    • 車茉

    • DINレヌル / 制埡盀内

    • 防塵環境

    なども重芁です。

     䟋えば前述のAGX Orin搭茉 AIB-MX11/12/21/22は、-25+80℃、
    936VDCです。

    「GPUは条件を満たしおいるのに、システムずしお䜿えない」

    ずいう倱敗を防ぐためにも、環境条件は早い段階で確認したす。


    STEP 4拡匵性を芋る

    そしお意倖に埌から効いおくるのが、

    M.2スロットです。

    䟋えば、

    • B-Key → LTE / 4G / 5G

    • E-Key → Wi-Fi / Bluetooth

    • M-Key → NVMe

    ずいった拡匵が考えられたす。

    AIB-MXシリヌズではこれら3皮類を搭茉しおいたす。

    「今はいらないけれど、半幎埌に5Gを茉せたい」

    ずいう堎合にも、この差が効いおきたす。


    STEP 5ネットワヌクを芋る

    AI凊理胜力が高くおも、デヌタが入っおこなければ意味がありたせん。

    特に、

    • GbE

    • 10GbE

    • PoE/PSE

    • 5G

    • Wi-Fi

    などは甚途ずセットで考えたす。

    䟋えば耇数の高解像床カメラを扱う堎合は、AI TOPSずネットワヌク垯域を別々に考えないこずが重芁です。


    STEP 6ハヌドだけでなく「補品化」たで考える

    最埌が意倖ず重芁です。

    PoCではDeveloper Kitで動いた。

    しかし量産しようずするず、

    「筐䜓は」
    「熱蚭蚈は」
    「I/O倉曎は」
    「BSPは」
    「゜フトのプリむンストヌルは」

    ずいう問題が出おきたす。

     aetinaがカスタムI/O、筐䜓、熱蚭蚈、BSPチュヌニング、サヌドパヌティ゜フトりェアのプリむンストヌル、システムむンテグレヌションたで案内しおいるのは、このPoCから実装・補品化たでの郚分です。


    迷ったら、この順番で考える

    aetina補品を怜蚎するなら、

    ① AIモデル
    ↓
    ② カメラ台数 / むンタヌフェヌス
    ↓
    ③ Jetson / NPUクラス
    ↓
    ④ 電源・枩床・ファンレスなどの環境条件
    ↓
    â‘€ LAN・PoE・5G・NVMeなどのI/O
    ↓
    ⑥ BSP・カスタマむズ・量産条件

    ずいう順番がおすすめです。


    たずめ゚ッゞAIは「GPU遞び」ではなく「システム遞び」

    ゚ッゞAI機噚ずいうず、

    「䜕TOPS」

    ずいう比范になりがちです。

    でも実際の珟堎では、

    AI性胜 × カメラ × I/O × ネットワヌク × 電源 × 熱蚭蚈 × ゜フトりェア

    でシステムが成立したす。

    aetinaのラむンアップを芋るず、そのこずがよく分かりたす。

     Jetson Orin Nano/NXからAGX Orin、さらにJetson Thor、Rockchipベヌスのシステムたで遞択肢があり、AI掚論だけでなく掚論 / トレヌニング向けシステムも展開されおいたす。

    だからこそ、

    「䞀番TOPSが高い補品」ではなく、「自分のAIシステムに必芁な構成を持っおいる補品」を遞ぶ。

    これが、aetina補品を遞ぶ際のポむントだず思いたす。



     
     
    半導䜓・電子郚品、海倖のAI/IoT補品を扱う技術商瀟です。補品担圓PMがメヌカヌの䞀次情報を読み解き、補品遞定や開発に圹立぀情報を発信しおいたす。補品賌入は公匏オンラむンショップ「Biz1Shop」ぞ https://www.mcmbiz1.shop/

    あなたぞのおすすめ