Grinn ReneSOM-V2H เป็นโมดูล LGA SoM ขนาดจิ๋วที่ใช้โปรเซสเซอร์ Renesas RZ/V2H ออกแบบมาสำหรับงาน Vision AI

Grinn บริษัทระบบสมองกลฝังตัวจากโปแลนด์, ได้เปิดตัว ReneSOM-V2H, ซึ่งเป็นโมดูล Vision AI SoM ที่ใช้โปรเซสเซอร์ Renesas RZ/V2H โมดูลจิ๋วมีขนาดเพียง 42.6 × 37 มม. โดย Grinn ระบุว่าเป็นโมดูลที่มีขนาดเล็กที่สุดในโลกที่ใช้ MPU รุ่นนี้ และออกแบบมาสำหรับงาน Edge AI ที่มีข้อจำกัดด้านพื้นที่ เช่น กล้องอัจฉริยะ, หุ่นยนต์ และระบบอัตโนมัติในอุตสาหกรรม

ชิป RZ/V2H SoC มาพร้อมสถาปัตยกรรมแบบ heterogeneous ประกอบด้วย 4× Arm Cortex-A55 coresฐ 2× Arm Cortex-R8 cores และ 1× Arm Cortex-M33 core นอกจากนี้ยังมี DRP-AI3 accelerator สำหรับประมวลผล AI ให้สมรรถนะสูงสุดถึง 8 TOPS ตัวโมดูลรองรับหน่วยความจำ LPDDR4 และหน่วยเก็บข้อมูล eMMC พร้อมอินเทอร์เฟซการเชื่อมต่อหลากหลาย เช่น PCIe Gen3 (4-lane), USB 3.2, USB 2.0, Gigabit Ethernet สำหรับงานด้าน vision ยังรองรับ 4× MIPI-CSI สำหรับเชื่อมต่อกล้อง และ 1× MIPI-DSI สำหรับจอแสดงผล

สเปคของ Grinn ReneSOM-V2H :

SoC – Renesas RZ/V2H
- CPU/MCU cores
  - 4x Arm Cortex-A55 cores สูงสุด 1.8 GHz
  - 2x Cortex-R8 สำหรับงานเรียลไทม์ สูงสุด 800 MHz
  - Arm Cortex-M33 ไมโครคอนโทรลเลอร์สำหรับการจัดการระบบ สูงสุด 200 MHz
- GPU – Arm Mali-G31 GPU
- ISP – OpenCV Accelerator, ISP (ตัวเลือก Arm Mali-C55)
- NPU
  - DRP-AI3 up to 8 TOPS (INT8) or 80 TOPS (Sparse)
  - DRP dynamically reconfigurable processor (STP4)
หน่วยความจำ – สูงสุด 8GB ตามความสามารถของ SoC (การกำหนดค่าหน่วยความจำบนโมดูลยังไม่ได้ระบุ)
สตอเรจ – eMMC flash (ยังไม่ได้ระบุความจุ)
LGA balls
- จอแสดงผล – อินเทอร์เฟซ MIPI DSI
- อินพุตกล้อง – 4x อินเทอร์เฟซ MIPI CSI-2 แบบ 4-lane
- เครือข่าย – อินเทอร์เฟซ Gigabit Ethernet
- USB
  - 1x อินเทอร์เฟซ USB 3.2
  - 1x อินเทอร์เฟซ USB 2.0
- การขยาย
  - PCIe Gen3 (4-lane)
  - 6x รองรับ CAN FD, UART, I2C, SPI, ADC (คาดว่าจะรองรับ แต่บริษัทยังไม่ได้ยืนยัน)
แหล่งจ่ายไฟ – แหล่งจ่ายไฟเดี่ยว 5V
ขนาด – 42.6 x 37 มม. (ดีไซน์ LGA พร้อมความเข้ากันได้กับ 260-pin SO-DIMM)
ช่วงอุณหภูมิการทำงาน – −40°C ถึง +85°C (ระดับอุตสาหกรรม)

จากสเปค โมดูลนี้สามารถรองรับกล้องได้สูงสุด 4 ตัว พร้อมการรับส่งข้อมูลความเร็วสูงผ่าน PCIe Gen3 และ USB 3.2 ทำให้มีลักษณะการใช้งานใกล้เคียงกับ NVIDIA Jetson Orin Nano, แม้ค่าประสิทธิภาพ TOPS จะดูต่ำกว่า (8 เทียบกับ 20/40 TOPS) แต่สถาปัตยกรรม DRP-AI3 มักมีประสิทธิภาพต่อพลังงานที่ดีกว่าสำหรับ pipeline งาน vision เฉพาะทาง และสามารถทำงานได้ โดยไม่ต้องใช้พัดลมระบายความร้อน

Grinn Renesas RZ V2H vision AI system on module — ด้านหน้าของ Grinn ReneSOM-V2H

Renesas RZ V2H LGA SoM — ด้านหลังของ Grinn ReneSOM-V2H

บริษัท Grinn ไม่ได้ระบุรายละเอียดเกี่ยวกับซอฟต์แวร์ไว้โดยตรง แต่เนื่องจากโมดูลนี้ใช้ Renesas RZ/V2H จึงคาดว่าจะรองรับ ecosystem ซอฟต์แวร์ของ Renesas อย่างครบถ้วน เช่น Linux BSP ที่พัฒนาบนพื้นฐานของ Yocto Project, DRP-AI drivers และ DRP-AI TVM backend สำหรับรันโมเดลจาก TensorFlow นอกจากนี้ยังรองรับเครื่องมือพัฒนาอื่น ๆ ได้แก่ Flexible Software Package (FSP) สำหรับคอร์เรียลไทม์ Cortex-R8 และ Cortex-M33 ตัวเลือกการพัฒนาแบบ Multi-OS หรือ Bare-metal การผสานการทำงานกับ Edge Impulse สำหรับโมเดล AI ที่ใช้ DRP-AI acceleration

ทางบริษัทระบุว่าการใช้ Grinn ReneSOM-V2H สามารถช่วยลดระยะเวลาในการพัฒนาได้สูงสุดถึง 12 เดือน เมื่อเทียบกับการออกแบบแบบ chip-down เนื่องจากโมดูลได้จัดการความซับซ้อนของการเดินสัญญาณความเร็วสูงสำหรับแพ็กเกจ BGA 1368 ขา ของชิป RZ/V2H ไว้แล้ว ปัจจุบัน ReneSOM-V2H อยู่ในช่วงเริ่มส่งตัวอย่างให้ลูกค้าทดสอบ และบริษัทยังไม่ได้เปิดเผยราคา โดยสามารถดูรายละเอียดเพิ่มเติมได้จากหน้าผลิตภัณฑ์และประกาศอย่างเป็นทางการของบริษัท

แปลจากบทความภาษาอังกฤษ : Grinn ReneSOM-V2H is a tiny LGA SoM based on Renesas RZ/V2H processor for vision AI applications