Orange Pi hat einen Mini-PC vorgestellt, der vom Huawei Ascend 310 Prozessor betrieben wird, was ihn zu einem der ersten Computer dieser Bauform macht, der einen Huawei-Chip verwendet. Dieses 64-Bit ARM-basierte System-on-Chip soll laut Hersteller bis zu 352 TOPS für Aufgaben im Bereich maschinelles Lernen liefern, eine Zahl, die durch die Kombination von zwei Prozessoren in einem einzigen System erreicht wird.
Ein wichtiges Merkmal dieses neuen Geräts ist seine Speicherkapazität. Das Basismodell kommt mit satten 96 GB LPDDR4X RAM, während die Spitzenversion mit 192 GB aufwartet. Dies ermöglicht es den Nutzern, lokal mit großen Modellen zu arbeiten, ohne ständig Daten von externen Quellen austauschen zu müssen.
Allerdings bringt diese kompakte Größe einen erheblichen Nachteil mit sich. Abgesehen vom Stromanschluss und einer Statusanzeige verfügt das Gehäuse nur über einen einzigen USB 4.0 Typ-C Anschluss. Das bedeutet, dass die Nutzer eine Dockingstation oder einen USB-Hub benötigen, um einen Monitor, Speicherlaufwerke und andere Peripheriegeräte anzuschließen.
Der Mini-PC wird mit Ubuntu 22.04 und Linux 5.15 als Softwarebasis ausgeliefert. Der Hersteller weist darauf hin, dass das System geeignet ist, um Modelle wie Deepseek-R1 bereitzustellen, und in Bereichen wie IoT und intelligenter Transport eingesetzt werden kann. Es ist auch erwähnenswert, dass die veröffentlichten Spezifikationen keine integrierten Wi-Fi- oder Bluetooth-Module erwähnen, was zusätzliche Herausforderungen für die Netzwerkverbindung darstellen könnte.
Das Orange Pi AI Studio ist jetzt zur Bestellung verfügbar. Das Modell mit 96 GB RAM beginnt bei 6.800 Yuan, während die Pro-Version mit 192 GB Speicher für 15.700 Yuan angeboten wird.
Die Ankunft eines solchen Geräts unterstreicht die wachsende Nachfrage nach lokaler KI-Rechenleistung. Trotz der fragwürdigen Ergonomie seines Designs mit nur einem Anschluss machen seine hohe Leistung und der massive Speicher es zu einem praktischen Werkzeug für Fachleute, die eine eigenständige Arbeitsstation zum Testen und Ausführen von Modellen neuronaler Netzwerke benötigen.
