Обзор Raspberry Pi AI HAT+ 2: Интеллект и Мощность

Разгрузка процессора Raspberry Pi делает AI HAT+ 2 интересной перспективой, но несовершенные результаты делают его покупку немного рискованной. Цена в 13000 рублей и выбор вашего проекта в конечном итоге определят ваше решение о покупке.

Первый продукт Raspberry Pi 2026 года — это обновленная версия AI HAT+ 2024 года, но в этой новой версии, созданной в сотрудничестве с Hailo, теперь используется чип Hailo 10H AI и 8 ГБ встроенной оперативной памяти. Новый AI HAT+ 2 снимает нагрузку искусственного интеллекта с процессора Arm Raspberry Pi 5. Учитывая, что ваш Raspberry Pi уже стоит гораздо больше, чем первоначальные (конечно, за эти годы характеристики значительно улучшились), вы уже можете достичь отметки в 20000 рублей только за Pi и плату расширения AI HAT+ 2. Оправдывает ли производительность цену? Есть только один способ это выяснить!

Проверить цену Raspberry Pi AI HAT+ 2 можно на следующих сайтах:

• Aliexpress

Технические характеристики Raspberry Pi AI HAT+ 2

Распаковка и настройка

Коробка для розничной продажи выполнена в том же стиле, что и многие другие коробки для продуктов Raspberry Pi, которые я открывал. На первый взгляд можно подумать, что это тот же Raspberry Pi AI HAT+, что и выпущенный ранее, и открытие коробки не помогает, так как платы очень похожи. Новый AI HAT+ 2 требует использования входящего в комплект радиатора. Да, этот радиатор предназначен для HAT, а не для Raspberry Pi 5. Ваш Pi 5 также потребует охлаждения, и официальные низкопрофильные кулеры Raspberry Pi и Argon подойдут под HAT. Включенные пластиковые стойки и удлинитель разъема GPIO работают, но соединение GPIO, на мой взгляд, немного слишком свободное. Получившиеся соединения GPIO с использованием разъемов типа DuPoint также кажутся немного слишком свободными.

Подключение платы к Raspberry Pi 5 очень простое. Просто разблокируйте соединение PCIe на Pi 5, вставьте ленточный кабель, зафиксируйте его, а затем закрепите плату на распорках и GPIO. Имеется вырез для подключения официальной камеры Raspberry Pi и официального дисплея. Подключите клавиатуру, мышь, HDMI, Ethernet и, наконец, питание, затем загрузитесь в рабочий стол Raspberry Pi, не забыв, конечно, включить PCIe Gen 3 через «raspi-config». Мы используем последнюю версию образа на базе Debian «Trixie» и имеем настраиваемый процесс установки, поскольку наш тестовый образец предшествует официальным репозиториям программного обеспечения. Опыт конечного пользователя будет оптимизирован для выпуска.

Какие модели может запускать Raspberry Pi AI HAT+ 2 Hailo 10H?

Используя предоставленные инструкции по установке, мы запустили hailo-ollama, а затем запросили доступные и совместимые модели для Hailo 10H, питающего комплект.

В нашей предварительной версии программного обеспечения модели загружаются с помощью hailo-ollama через тщательно разработанную команду curl. Просто замените «model» на одну из пяти доступных.

curl --silent http://localhost:8000/api/pull \
     -H 'Content-Type: application/json' \
     -d '{ "model": "qwen2:1.5b", "stream" : true }'

8 ГБ встроенной оперативной памяти DDR4X означает, что более крупные модели, как правило, будут работать лучше, поскольку собственная оперативная память Raspberry Pi остается нетронутой. Таким образом, модели объемом до 8 ГБ должны загружаться без проблем даже на Raspberry Pi 5 с объемом памяти менее 8 ГБ. Технически это открывает возможности для более дешевых проектов в области искусственного интеллекта.

Вам по-прежнему нужно заплатить 13000 рублей за AI HAT+ 2, но Raspberry Pi 5 с 1 ГБ за 5000 рублей, 2 ГБ за 5500 рублей или 4 ГБ за 7700 рублей теперь является жизнеспособной платформой для искусственного интеллекта, что исключает необходимость покупать Raspberry Pi 5 с 8 ГБ или честно говоря, пугающий Raspberry Pi 5 с 16 ГБ.

Сравнение Raspberry Pi AI HAT+ 2 с AI HAT

Так зачем нужна новая плата? Все дело в больших языковых моделях (LLM) — искусственном интеллекте, который обучается на огромных объемах текстовых данных и используется для понимания, обработки и реагирования на человеческую речь. AI HAT+ 2 в основном предназначена для LLM, тогда как более старая AI HAT+ для проектов искусственного интеллекта, основанных на изображениях. Демо-код AI HAT+ 2, предоставленный Raspberry Pi, в значительной степени опирается на создание нашего собственного локального LLM с использованием qwen2:1.5b, но вы также можете использовать модели DeepSeek или Qwen, которые были дистиллированы через DeepSeek.

Встроенная оперативная память объемом 8 ГБ и мощный чип для обработки искусственного интеллекта снижают нагрузку на процессор и оперативную память Raspberry Pi 5. Мы также можем использовать эту мощность для обработки изображений. Если у вас нет оригинального AI HAT+, то наличие хорошей обработки изображений и жизнеспособной платформы LLM делает цену в 130 долларов более приемлемой.

Эти две платы могут выглядеть похожими, но они работают по-разному. AI HAT+ был полностью посвящен обработке изображений с помощью искусственного интеллекта, а 26 TOPS встроенного Hailo 8L (13 TOPS для более дешевой модели Hailo8) по производительности очень похожи на AI HAT+ 2. Используя набор примеров rpicam-hello, мы протестировали совместимость с AI HAT+ 2 и рады сообщить, что идентификация объектов и обнаружение позы работали как ожидалось. Хотя у нас нет показателей, демонстрирующих разницу, производительность AI HAT+ 2 была плавной, и проблем с камерой не было. Если и были проблемы, то в основном они были связаны с программным обеспечением. Сообщение «HailoRT not ready!» показывает, что программное обеспечение Hailo догоняет аппаратное обеспечение, что уже происходило ранее. Hailo, Raspberry Pi и сообщество в конечном итоге устранят этот разрыв, но первые пользователи должны быть об этом осведомлены.

Сравнение производительности процессоров AI HAT+ 2 и Raspberry Pi 5

Поскольку мы не можем напрямую протестировать AI HAT+ 2 и AI HAT+, нам приходится тестировать AI HAT+ 2 по сравнению с процессором Arm Raspberry Pi 5. Для этого теста мы будем использовать языковую модель qwen2:1.5b и задавать некоторые вопросы, касающиеся общих знаний, а затем конкретные задачи по программированию с использованием Python. Установка qwen2:1.5b была выполнена с помощью ollama.

Написание кода с помощью LLM

Следующий запрос: «Напишите скрипт на Python для отображения изображения на экране. Файл изображения предоставляется путем запроса ввода у пользователя, который укажет абсолютный путь к изображению».

AI HAT+ 2 справился с задачей написания быстрого и лаконичного кода, но был обречен на провал, поскольку никогда не вызывал приложение для открытия изображения, а просто считывал изображение и затем закрывал открытый файл изображения.

Ответ AI HAT+ 2

import os
def display_image(image_path):
    try:
        # Open the image file in read mode.
        img = open(image_path, 'r')
        img.seek(0)
        img.read()
        img.close()
    except IOError:
        print('Image file not found:', image_path)
image_path = input('Enter the path to image file: ')
display_image(image_path)

Ответ процессора Arm выглядел прилично, но при ближайшем рассмотрении оказалось, что он был полон ошибок, связанных с использованием импортированного модуля tkinter и вызовом «Image.open» при отсутствии импортированного модуля Image. Этот опыт программирования в стиле Vibe дал длинный ответ, но в конечном итоге он был далек от истины и не мог служить нам в качестве помощника при программировании или резонатора для проекта.

Ответ процессора

import os
from tkinter import *
# Ask user to enter path to image file
path = input("Enter absolute path to image file: ")
# Load image from disk (assuming this is a JPEG)
img = Image.open(path)
# Resize image if needed
width = 1000
height = img.height / img.width * width
img = img.resize((width, height))
# Create new canvas for the resized image
canvas = Canvas(width=500, height=300, bg="white")
canvas.pack()
# Draw image on canvas and place it in center
image_data = ImageData(img)
canvas.create_image(250, 150, anchor=CENTER, data=image_data)
root.mainloop()

В наших тестах AI HAT+ 2 работал быстрее, чем процессор Arm Raspberry Pi 5, но, что более важно, он выполнял код, не загружая процессор. Это отлично подходит для тех, кто хочет интегрировать ИИ в проект на основе GPIO, например в робототехнику. Тем не менее, модель давала неточные результаты. В случае с упражнением по кодированию код казался бы правильным для непрофессионала, но на самом деле был полностью неверным. Если вы хотите запустить LLM на Pi, попробуйте модели, совместимые с Hailo, и посмотрите, какая из них соответствует вашим потребностям. Но имейте в виду, что знания, на которых были обучены эти модели, сейчас устарели, и за время нашего ограниченного тестирования мы видели только неверные ответы.

Для кого предназначен Raspberry Pi AI HAT+ 2?

Очевидно, для тех, кто хочет использовать ИИ на Raspberry Pi, но какой тип ИИ? Перенос рабочей нагрузки с процессора Arm на Hailo 10H освобождает процессор для других задач, таких как запуск чат-сервера, управление роботом, реагирование на датчики и т. д. Так что те из нас, кто любит создавать умные проекты GPIO, будут в восторге от AI HAT+ 2.

Если вас интересуют только проекты искусственного интеллекта, основанные на изображениях или зрении, то более старые AI HAT+, Raspberry Pi AI Camera или оригинальный M.2 AI Kit являются более дешевыми вариантами. Если у вас уже есть какой-либо из этих продуктов, оставайтесь при нем, так как в настоящее время AI HAT+ 2 стоит дороже, но не дает практически никакого прироста производительности. Если у вас нет AI HAT или вы хотите попробовать LLM, то AI HAT+ 2 — это приемлемый, хотя и имеющий некоторые недостатки, вариант. Лично мы бы запускали LLM на процессоре Raspberry Pi 5s Arm, пока не приобретем знания и не найдем применение, оправдывающее покупку AI HAT+ 2.

Итог

Искусственный интеллект — это модное слово, которое не теряет своей актуальности, и решение Raspberry Pi о включении ИИ в свою линейку продуктов является интересным, хотя и вызывающим противоречивые мнения. AI HAT+ 2 продолжает развитие более мощных ИИ-платформ, и для правильного типа производителя это будет продуманный выбор. Когда-нибудь. Сейчас это решение, которое ищет проблему, и мы уверены, что ошибки будут устранены, но первые пользователи останутся недовольными.

Многие, кто просто хочет попробовать ИИ на своем Raspberry Pi 5, могут либо использовать более компактные модели, которые подходят для вашей оперативной памяти, либо воспользоваться онлайн-сервисом. Для проектов в области компьютерного зрения и распознавания изображений вы получите аналогичную производительность и более дешевый продукт с помощью старой версии AI HAT+ или камеры Raspberry Pi AI Camera. Камера AI — это недорогой вариант для начинающих. Тем, кто хочет локальный LLM в компактном и энергоэффективном корпусе, стоит изучить Raspberry Pi AI HAT+ 2 после освоения навыков и разработки проекта, который он может поддерживать. Это также даст программному обеспечению время созреть и убедиться, что ваш кошелек готов.