Edge AI вычислители: SBC, NPU-ускоритель или FPGA
«Вычислитель для edge AI» — не одна категория железа, а три разных архитектурных решения одной задачи: посчитать нейросеть локально, без обращения к облаку. Одноплатный компьютер (SBC) — универсальный процессор общего назначения, к которому иногда добавлен слабый NPU. Специализированный ускоритель (Jetson, Hailo, Coral, RK NPU-модуль) — чип, спроектированный именно под инференс. FPGA — перепрограммируемая логика, которую настраивают под конкретную модель уже после производства. Дальше — чем они отличаются на практике и что из этого есть в каталоге прямо сейчас.
Три подхода к вычислениям на границе сети
SBC общего назначения (Raspberry Pi и аналоги) считает нейросеть на том же процессоре, что и всё остальное — гибко, но медленно на тяжёлых моделях. Специализированный NPU-ускоритель — отдельный чип или модуль, заточенный исключительно под матричные операции инференса, в разы быстрее и экономичнее по ватту на ту же задачу, но не заменяет обычный процессор. FPGA — логика, которую перепрошивают под конкретную сеть: даёт детерминированную задержку и гибкость на уровне архитектуры, но порог входа в разработку выше, чем у первых двух. Выбор — это не «что мощнее», а «что подходит под форму задачи».
| Критерий | SBC общего назначения | NPU-ускоритель | FPGA |
|---|---|---|---|
| Гибкость под новую модель | высокая (обычный софт) | средняя (SDK вендора) | высокая (переконфигурация логики) |
| Задержка инференса | непредсказуемая на тяжёлых моделях | низкая, стабильная | детерминированная, самая низкая |
| Порог входа | низкий | средний (SDK/рантайм вендора) | высокий, но снижается инструментами |
| Типичный сценарий | прототип, лёгкая модель, IoT-логика | готовое устройство с фиксированной задачей | телеком, авто, кастомный I/O, серийное производство |
Специализированные ускорители в каталоге: что реально есть
Категории каталога, где формально живёт «AI-железо» (`ai-dev-boards`, `ai-accelerators`, `edge-ai-modules`), в сумме дают 40 903 позиции — но это витрины крупных дистрибьюторов электроники (Seeed Studio, DFRobot, Adafruit, SparkFun и другие), где вперемешку лежат провода, датчики, макетные платы и блоки питания. Мы не сводим это число в «40 тысяч ИИ-ускорителей» — это была бы та же ошибка, что чуть не исказила статью про камеры машинного зрения. Вместо этого — узнаваемые по названию и архитектуре специализированные ускорители, замер 25.07.2026:
| Платформа | Позиций | С открытой ценой | Медиана цены |
|---|---|---|---|
| NVIDIA Jetson | 746 | 611 | 23 199 ₽ |
| Rockchip NPU (RK3588 / RK3576) | 60 | 55 | 21 265 ₽ |
| Hailo | 91 | 81 | 20 738 ₽ |
| Google Coral / Edge TPU | 53 | 50 | 6 381 ₽ |
| Sipeed Maix (Kendryte K210/K230) | 45 | 40 | 2 340 ₽ |
| Kendryte K210 / K230 (прочие платы) | 38 | 29 | 3 547 ₽ |
| Intel Movidius / Myriad (Neural Compute Stick) | 15 | 9 | 9 434 ₽ |
| Grove Vision AI модули | 5 | 5 | 2 369 ₽ |
Нужен ли отдельный SBC под ускоритель
Почти все платформы из таблицы выше — модули или платы расширения, а не самостоятельные компьютеры: Coral и Hailo продаются как M.2/USB-модуль, который добавляют к уже имеющемуся SBC или мини-ПК. Исключение — Jetson: линейка выпускается как готовый модуль-компьютер (Nano, Orin, Thor) со своим процессором, ОЗУ и NPU в одном корпусе. Если нужен именно универсальный процессор для не-ИИ логики (управление периферией, сеть, интерфейс) — это отдельный выбор одноплатного компьютера; в каталоге 1541 позиция по семи известным семействам (Raspberry Pi, Radxa/ROCK, LattePanda и другие), разбор — в статье «Одноплатные компьютеры: сравнение по семействам». Если платформа уже построена на Rockchip RK3588 (Orange Pi 5 Plus, Radxa ROCK 5) — у неё уже есть NPU на 6 TOPS на борту, и отдельный вопрос, нужен ли ещё и внешний ускоритель поверх: разбор в статье Orange Pi 5 Plus vs Raspberry Pi 5 vs Radxa ROCK 5. А что именно выбрать из внешних ускорителей и когда они вообще оправданы поверх платы без своего NPU — в статье Hailo vs Coral: как добавить ИИ-ускорение к Raspberry Pi.
Когда вместо NPU нужна FPGA
NPU-ускорители быстрее внедрить, но их логика зашита производителем на этапе выпуска чипа. FPGA даёт то же ускорение инференса, но с перепрограммируемой аппаратной структурой: модель можно отобразить прямо на логику платы (Altera FPGA AI Suite так и работает — spatial-мэппинг вместо последовательной обработки), что даёт детерминированную задержку — критично для промышленной автоматизации, телекома и авто, где нельзя допустить случайный скачок отклика. Обратная сторона — выше порог разработки и производитель обычно один и тот же чип продолжает использовать годами, а не переключается на новый как с SBC. Разбор рынка FPGA для edge AI 2026 года, включая реальный кейс на железнодорожной инспекции (88,9% точности, 60 кадров/с) — в статье «FPGA для edge AI: обзор рынка 2026».
Ступень ниже: микроконтроллер вместо вычислителя
Не каждая задача на границе сети требует компьютера. Если устройство собирает данные с датчиков, управляет исполнительными механизмами и передаёт результат дальше, а тяжёлой модели не считает — достаточно микроконтроллера, и это на порядок дешевле и экономичнее по питанию. Ступени выбора выстраиваются по возрастанию: микроконтроллер для управляющей логики, одноплатный компьютер для полноценной ОС и не-ИИ задач, специализированный ускоритель для инференса, FPGA для детерминированной задержки. В промышленном сегменте стандартом остаются STM32, а на фоне дефицита и роста цен разработчики смотрят на GD32 как pin-to-pin совместимую альтернативу — сравнение характеристик и практический опыт перехода разобраны в статье Промышленные микроконтроллеры STM32 и GD32. Практический старт — ST-Link, CubeMX и HAL по шагам — в статье STM32: с чего начать. Отдельный вопрос — переход от прототипа к серийному изделию на платформах Arduino и ESP32, которые из макетных выросли в промышленные исполнения: Промышленные контроллеры Arduino и ESP32. Для самого частотного запроса линейки — распиновка и подключение ESP32-S3 — отдельный практический разбор: ESP32-S3: распиновка и подключение. Что часто забывают заложить — накопитель. У edge-устройства он работает в вибрации и широком диапазоне температур, а ресурс записи расходуется быстрее, чем в офисном ПК, потому что данные с датчиков пишутся непрерывно. Требования к промышленным накопителям и памяти — в статье Промышленные накопители и память для edge-устройств.
Как выбирать: три вопроса вместо «что мощнее»
Нужен универсальный процессор для проекта целиком, а ИИ — только часть задачи → одноплатный компьютер, при нехватке производительности — плюс внешний NPU-модуль (Coral/Hailo) поверх него. Нужно готовое устройство под конкретную модель, где производитель уже оптимизировал стек, — Jetson (робототехника, компьютерное зрение) или профильный NPU-модуль под задачу. Нужна гарантированная задержка отклика или кастомный ввод-вывод в серийном производстве — FPGA, несмотря на более долгую разработку. И главное — TOPS разных производителей нельзя сравнивать напрямую: цифра считается в разных форматах точности (INT4/INT8/FP8) и разных тестовых условиях, разбор — в статье «Промышленные NPU-ускорители в 2026 году».