IMAGO Technologies erweitert sein Portfolio um Vision AI Xcelerix, eine neue industrielle GPU-Erweiterung, die zusätzliche Rechenleistung für KI-intensive Bildverarbeitungsanwendungen bereitstellt. Diese ermöglicht es Maschinenbauern, die GPU-Performance ihrer Vision-Systeme flexibel an steigende Anforderungen anzupassen. Vision AI Xcelerix basiert auf MXM-GPU-Technologie und wurde speziell für den Einsatz in industriellen Maschinen und Anlagen entwickelt. Im Gegensatz zu klassischen Consumer-Grafikkarten kombiniert die kompakte Lösung leistungsfähige GPU-Beschleunigung mit den Anforderungen des industriellen Dauerbetriebs. Dazu zählen insbesondere eine 24-V-Spannungsversorgung, Schaltschrankintegration und langfristig verfügbare Hardware.
Einfach zu mehr Leistung
Die Anbindung an den Bildverarbeitungsrechner erfolgt über USB4. Damit lässt sich zusätzliche GPU-Rechenleistung extern bereitstellen, ohne die grundlegende Rechnerarchitektur einer Maschine verändern zu müssen. Anwendungen wie Deep Learning, KI-basierte Inspektion oder die parallele Verarbeitung großer Bilddatenmengen können so mit zusätzlicher Rechenleistung beschleunigt werden.
Besonders flexibel wird die Lösung in Kombination mit der Vision Box AGE-X6 von IMAGO Technologies. Der kompakte Industrie-PC ist als skalierbare Plattform für klassische und KI-basierte Bildverarbeitung ausgelegt. Über USB4 kann Vision AI Xcelerix bei Bedarf ergänzt werden. Maschinenbauer können damit zunächst eine leistungsfähige CPU-basierte Plattform einsetzen und zusätzliche GPU-Leistung dann integrieren, wenn die Anwendung sie tatsächlich benötigt. Dieser modulare Ansatz bietet insbesondere bei Maschinen mit langen Produktlebenszyklen Vorteile. Während sich KI-Modelle und GPU-Technologien schnell weiterentwickeln, sind industrielle Anlagen häufig zehn Jahre oder länger im Einsatz. Anstatt bei steigenden Anforderungen den kompletten Bildverarbeitungsrechner auszutauschen, lässt sich die benötigte Rechenleistung gezielt erweitern. Die bestehende Systemarchitektur bleibt erhalten und der Aufwand für eine vollständige Plattformmigration kann reduziert werden.
