BrainChip выпустила модуль AKD1500 в формате M.2 — нейроморфный ИИ-ускоритель, который можно воткнуть в любой совместимый слот

BrainChip представила свой нейроморфный чип AKD1500 в корпусе M.2 2230 — по сути, это «ИИ на флешке», который можно добавить в существующее оборудование без переделки питания и охлаждения.

BrainChip упаковала нейроморфный процессор в стандартный слот M.2 и позиционирует его как самый простой путь добавить ИИ на устройство в промышленное оборудование — но конкретных цифр производительности компания по-прежнему не раскрывает.

Что произошло

Компания BrainChip, один из пионеров нейроморфных процессоров, объявила о доступности своего чипа AKD1500 (на архитектуре Akida) в форм-факторе M.2 2230. Это означает, что ускоритель занимает тот же самый компактный слот, который обычно используется для SSD и Wi-Fi-модулей.

Идея простая: воткнул модуль — получил на устройстве возможности обработки нейросетей. Без переделки блока питания, без дополнительного охлаждения, без вентиляторов.

Что такое Akida и чем она отличается

Akida — это не обычный ИИ-чип вроде тех, что стоят в GPU от NVIDIA или NPU от Qualcomm. BrainChip строит процессоры на принципах нейроморфных вычислений: чип имитирует работу biological нейронов, обрабатывая не все данные подряд, а только значимые изменения (так называемые «события»). Отсюда — низкое энергопотребление.

Компания использует собственную технологию TENN (Temporal Event-based Neural Networks), основанную на моделях пространства состояний (State-Space Models) с учётом временных зависимостей. Это потенциально хорошо подходит для обработки потоковых данных с датчиков в реальном времени — видео, звук, телеметрия.

Что конкретно обещает BrainChip

Вот перечислим по пунктам, что заявлено:

• Форм-фактор: M.2 2230 (22×30 мм) с ключом B+M. Это один из самых маленьких стандартных вариантов M.2.
• Пассивное охлаждение: модуль работает без вентилятора.
• Plug-and-play: подключается к существующей системе как обычная карта расширения.
• Целевая аудитория: промышленное оборудование, встраиваемые системы, портативные устройства.

Стив Брайтфилд, директор по продукту BrainChip, сформулировал это так: два главных барьера для ИИ на краю сети — энергопотребление и цена. Модуль M.2 призван снять оба.

А что с цифрами?

А вот с ними — проблема, типичная для пресс-релизов подобного рода. В объявлении BrainChip нет:

• конкретного энергопотребления модуля в ваттах;
• бенчмарков производительности (TOPS, inference time, точность на стандартных задачах);
• рекомендованной цены.

Есть лишь общие слова про «ultra-low power» и «low-cost». Для сравнения: конкуренты вроде Hailo-8 (тоже M.2, тоже для edge AI) заявляют 26 TOPS при 2,5 Вт. BrainChip на фоне этих цифр ничего не показывает — и это стоит отметить.

Компания с 2021 года рассказывает про Akida, но реальных массовых кейсов внедрения с публичными кейс-стади всё ещё не так много. Нейроморфные вычисления — это перспективная технология, но до широкого промышленного применения ей ещё расти и расти.

Рыночный контекст

BrainChip цитирует прогноз ABI Research, согласно которому к 2031 году только производственный сектор сгенерирует почти $25 млрд выручки от ИИ-чипов для edge-применений. Это самый крупный вертикальный рынок.

Логика понятна: на заводах тьма датчиков, нужна обработка на месте (latency критична), и мощные GPU туда не поставить — ни по питанию, ни по цене, ни по условиям эксплуатации. Нейроморфные чипы теоретически идеально вписываются в эту нишу.

Но «теоретически» — ключевое слово. Пока ABI Research описывает потенциал рынка, а не текущие продажи конкретно Akida.

Практический смысл

Если вы инженер-разработчик промышленного оборудования и вам нужно добавить простой ИИ-функционал (детекция объектов, классификация событий с датчиков, ключевые слова), модуль в M.2 — действительно удобная идея. Не нужно проектировать новую плату, достаточно свободного слота.

M.2 2230 с ключом B+M совместим с большинством современных embedded-плат и даже некоторыми планшетами. При этом слот B+M не пересекается с теми, что используются для NVMe SSD или WWAN-модулей — то есть можно не жертвовать хранилищем или подключением.

Но пока без реальных тестов независимых обзорщиков сложно оценить, насколько модуль AKD1500 реально «умнее» и эффективнее альтернатив на базе ARM NPU или дискретных ускорителей вроде того же Hailo.

Итого

BrainChip делает интересный ход с M.2-форматом — это действительно снижает порог входа для экспериментов с нейроморфными вычислениями. Но пресс-релиз остаётся пресс-релизом: много маркетинга, мало метрик. Модуль уже доступен в магазине BrainChip, так что если у вас есть M.2-слот и любопытство — можно проверить на практике.