De nombreux fabricants proposent des solutions d'intelligence artificielle pour systèmes embarqués, avec du matériel (hardware) associé. Dans la plupart des cas, vous devrez utiliser ce matériel tel quel si vous souhaitez le déployer dans votre produit, ce qui ne laisse pas de place à l'optimisation des coûts. Cependant, les choses sont différentes chez BeagleBoard, avec son approche matérielle open-source qui s'applique également à sa nouvelle carte BeagleY-AI.
 
Avec un format « carte de crédit » similaire à d’autres ordinateurs monocarte, la BeagleY-AI s'appuie sur le puissant système sur puce (SoC) AM67A de Texas Instruments (TI). Outre le quadricœur Arm Cortex-A53 64 bits (1,4 GHz), on trouve deux DSP polyvalents C7x avec accélérateur de multiplication matricielle (MMA) capable de 4 TOP. Ils sont complétés par un Arm Cortex-R5 qui gère les interfaces en temps réel, un GPU et des accélérateurs vidéo et de vision.
 
Les applications d'IA et d'apprentissage automatique (ML) peuvent être développées à l'aide de TensorFlow et sont simples à mettre en œuvre sur un système d'exploitation basé sur Linux. L'optimisation des algorithmes de ML, pour ceux qui le souhaitent, est simplifiée grâce à une chaîne d'outils native Arm pour les DSP TI. Pour optimiser le matériel, la démarche est également facilitée. S'agissant d'une plateforme open-source, les concepteurs peuvent réutiliser le schéma et la nomenclature pour créer leur propre matériel à coût optimisé. Lors du salon embedded world 2024, Jason Kridner, CTO, a également montré comment une image disque complète pour une application de reconnaissance d'images pouvait être portée du Raspberry Pi vers BeagleY-AI, surmontant ainsi l'un des plus grands défis liés au portage d'applications entre ordinateurs monocarte.
 
Pour plus d'informations sur le BeagleY-AI, cliquez ici.