Het selecteren van edge-AI-hardware voor een defensiesysteem is geen louter prestatiegedreven beslissing. Een platform dat het hoogste aantal TOPS levert, kan worden gediskwalificeerd door zijn vermogensvraag, zijn bedrijfstemperatuurbereik of zijn exportclassificatie. Hardware die gemakkelijk de MIL-STD-kwalificatie doorstaat voor één platformklasse — grondvoertuig — kan geheel ongeschikt zijn voor een UAV-payload waar elk gram en milliwatt telt. Dit artikel biedt een gestructureerde vergelijking van de drie dominante edge-AI-acceleratorfamilies voor defensietoepassingen, met een beslissingskader voor veelvoorkomende platformtypen.
Selectiecriteria: TOPS, TDP, bedrijfstemperatuur, MIL-STD-naleving
TOPS (Tera Operations Per Second) meet de theoretische piekdoorvoer voor 8-bit integer bewerkingen, wat de primaire precisie is die wordt gebruikt in geïmplementeerde inferentie. TOPS-getallen zijn nuttig voor vergelijking binnen een productfamilie maar misleidend over families heen omdat verschillende architecturen verschillende werkelijke modeldoorvoer bereiken voor dezelfde TOPS-beoordeling. Benchmark altijd met het specifieke model en de precisie die u van plan bent in te zetten, niet het nominale TOPS van de fabrikant.
TDP (Thermal Design Power) definieert de maximale aanhoudende vermogensvraag die de hardware is ontworpen om te dissiperen. Voor op batterij aangedreven platforms is TDP een harde budgetbeperking. De batterijpack van een onbereden soldaat kan 5–10 W toegewijd rekenvermogen ondersteunen; een klein UAV-payloadbudget kan 3–8 W zijn; een voertuiggemonteerd systeem kan 50–200 W toestaan. De TDP van de module is slechts een deel van het verhaal — de dragerkaart, stroomregelcircuits, geheugen en randapparatuur voegen extra verbruik toe.
Bedrijfstemperatuur voor commerciële hardware is typisch 0°C tot +70°C. Defensiekwaliteitsvereisten eisen typisch −40°C tot +85°C voor grondvoertuigtoepassingen en −54°C tot +85°C voor luchtvaarttoepassingen. Het overschrijden van het bedrijfstemperatuurbereik veroorzaakt thermische beperking, verminderde prestaties en uiteindelijk hardwarefalen. Modules die niet zijn beoordeeld voor het volledige militaire temperatuurbereik vereisen aanvullende thermische engineering — verwarming voor koude omgevingen, verbeterde koeling voor hoge-temperatuuromgevingen — die massa, volume en complexiteit toevoegt.
MIL-STD-naleving dekt schokweerstand (MIL-STD-810H methode 516.8), trilling (methode 514.8), vochtigheid (methode 507.6), hoogte (methode 500.6) en EMI/EMC (MIL-STD-461). Consumenten- en industriële modules zijn typisch niet MIL-STD-gekwalificeerd; de systeemintegrator moet de volledige hardware-assemblage inclusief behuizing en montage kwalificeren. Sommige leveranciers — met name die gericht op defensie — bieden vooraf gekwalificeerde module-assemblages die dit proces vereenvoudigen.
NVIDIA Jetson Orin-familie: AGX Orin, Orin NX, Orin Nano
De Jetson Orin-familie beslaat drie productniveaus die dezelfde Ampere GPU-architectuur en Arm Cortex-A78AE CPU-kernen delen en verschillen in aantal GPU-kernen, CPU-kernen, geheugencapaciteit en vermogensbereik:
Jetson AGX Orin (32 GB en 64 GB varianten) — 275 TOPS bij maximaal 60 W, of 67 TOPS in 15 W-modus. 12 Ampere GPU SM-kernen, 12 Cortex-A78AE CPU-kernen, 64 GB LPDDR5 (op de 64 GB variant). De hoogst presterende optie in de Jetson-serie. Vooraf gekwalificeerde dragerkaarten met uitgebreide temperatuurwerking zijn beschikbaar bij verschillende geharde computerleveranciers. Het primaire platform voor voertuiggemonteerde en grondstation-AI-systemen waar het vermogensbudget het toelaat.
Jetson Orin NX — beschikbaar in 8 GB en 16 GB varianten bij 70–100 TOPS (10–25 W). 8 Ampere GPU SM-kernen in de 16 GB variant. Een sterke middenklasse optie voor systemen waar de vermogenstoevoer en fysieke omvang van de AGX Orin buitensporig zijn maar aanzienlijke inferentiecapaciteit nog steeds nodig is. Veel gebruikt in kleine-vormfactor UAV-grondcontrolestations en onbereden computerplatforms.
Jetson Orin Nano — 20–40 TOPS bij 7–15 W. Het instapledenvan de Orin-familie, gericht op toepassingen waar de vorige generatie Jetson TX2 of Nano werd gebruikt. 4 GB of 8 GB LPDDR5. Geschikt voor sensorvoorverwerking en lichte inferentie op vermogensbeperkte platforms maar kan geen grote vision-modellen uitvoeren bij echte-tijd-beeldsnelheden.
Alle Orin-familiemodules gebruiken het CUDA- en TensorRT-ecosysteem van NVIDIA, waardoor rechttoe rechtaan modeloptimalisatie van PyTorch-training naar Jetson-implementatie mogelijk is. DeepStream SDK biedt geoptimaliseerde multi-camera-pijplijnondersteuning. De Orin GPU-architectuur bevat toegewijd tensor-kernen voor INT8-inferentie, waarbij ongeveer 4× de doorvoer van FP32 wordt geleverd voor vision-modellen. JetPack SDK biedt een uniforme softwarestack met voorgeïnstalleerde CUDA, cuDNN, TensorRT, VPI en multimedia-API's.
Hailo-8 en Hailo-8L: laagvermogen AI-versnelling
Hailo's Dataflow Architecture verschilt fundamenteel van GPU-gebaseerde inferentie. In plaats van een algemeen parallelle compute-array gebruikt Hailo een aangepaste dataflow-grafiekcompiler die CNN-modellen direct op een netwerk van gespecialiseerde computerelementen afbeeldt, waardoor de gegevensbewegingsoverhead wordt geëlimineerd die het GPU-energieverbruik voor inferentieworkloads domineert. Deze architectuur levert specifiek voor CNN-inferentie hoge TOPS per watt, ten koste van verminderde flexibiliteit voor modelarchitecturen die niet efficiënt op de Hailo-grafiek worden afgebeeld.
De Hailo-8 levert 26 TOPS bij ongeveer 2,5 W piekverbruik in een 15×15 mm BGA-pakket of PCIe M.2-kaart. Het bedrijfstemperatuurbereik van de commerciële module is −40°C tot +85°C — ongebruikelijk voor een commercieel apparaat en kwalificeert het voor direct gebruik in veel defensietoepassingen zonder thermische engineering overhead. Een YOLOv5s-model gecompileerd voor Hailo-8 draait op ongeveer 120 fps, en YOLOv8s op ongeveer 60 fps, bij ongeveer 1,5 W actief verbruik — een TOPS-per-watt-efficiëntievoordeel van ongeveer 3–5× ten opzichte van vergelijkbare Jetson-hardware voor deze specifieke workloads.
De Hailo-8L is een lagervermogen variant die 13 TOPS levert bij ongeveer 1 W, gericht op draagbare en IoT edge-toepassingen. Voor UAV-payloads waar het totale compute-vermogensbudget onder 3 W ligt, is de Hailo-8L vaak de enige optie die aan zowel prestatie- als vermogensvereisten voldoet.
De belangrijkste ecosysteembeperking: de Hailo Dataflow Compiler vereist modelconversie vanuit ONNX-formaat, en niet alle laagtypen worden native ondersteund. Modellen met aangepaste lagen, aandachtsmechanismen of transformer-architecturen kunnen aanpassing vereisen. De Hailo Model Zoo biedt vooraf geoptimaliseerde versies van veelgebruikte defensiegerelateerde modellen (YOLOv5, YOLOv8, ResNet) die direct kunnen worden gebruikt zonder compilerexpertise.
Intel Movidius Myriad X en OpenVINO
De Myriad X VPU (Vision Processing Unit) integreert 16 SHAVE-vectorprocessoren met een speciale Neural Compute Engine (NCE) die ongeveer 4 TOPS levert bij ~1 W gemiddeld vermogen. In zijn PCIe-vormfactor (Intel Neural Compute Stick 2 of M.2-module) biedt het een handige AI-versnellingsuitbreiding voor systemen die al op Intel x86- of Atom-processors draaien.
Intel's OpenVINO-toolkit is de primaire differentiator. OpenVINO biedt een modeloptimalisatie- en implementatiepijplijn die heterogene uitvoering over Intel CPU, iGPU, VPU en FPGA-doelen ondersteunt met één API. Een model geïmplementeerd via OpenVINO kan worden uitgevoerd op welke Intel-hardware dan ook beschikbaar is zonder codewijzigingen — nuttig voor programma's waarbij het computerplatform kan variëren over hardwaregeneraties. De modeloptimizer van OpenVINO ondersteunt importeren vanuit TensorFlow, PyTorch (via ONNX), Caffe en PaddlePaddle.
De primaire defensietoepassing voor Myriad X is ingebedde visionvoorverwerking in systemen met krappe vermogensenveloppen en bestaande Intel-ecosysteemafhankelijkheden — Intel RealSense-dieptecamera's, Intel Atom-gebaseerde ingebedde computers. Voor zelfstandige hoge-prestatie-inferentie geven de Hailo-8 of Jetson-familie doorgaans de voorkeur.
Kernbevinding: Kies geen edge-AI-hardware op basis van piek-TOPS alleen. Voer uw doelmodel uit bij uw doelprecisie (INT8, FP16) op elk platform en meet werkelijke latentie en doorvoer. Een 275-TOPS Jetson AGX Orin die YOLOv8-nano uitvoert op 200 fps maakt de hardwarekeuze niet beter als uw beperking een 3 W vermogensbudget is — een 26-TOPS Hailo-8 bij 1,5 W die hetzelfde model uitvoert op 60 fps kan het juiste antwoord zijn.
Beslissingskader: UAV-payload vs voertuiggemonteerd vs draagbaar
Kleine UAV-payload (onder 500 g, 3–8 W compute-budget): Hailo-8 of Hailo-8L. De combinatie van laag vermogen, laag gewicht (de Hailo-8 M.2-kaart weegt ongeveer 6 g) en adequate inferentieprestaties voor vision-gebaseerde detectie maakt dit de dominante keuze. Combineer met een lichtgewicht Arm-SoC (Raspberry Pi CM4, NXP i.MX 8) voor systeembeheer en communicatie.
Middelgrote UAV of tactisch voertuigpayload (5–50 W compute-budget): Jetson Orin NX (16 GB). Voldoende prestaties voor YOLOv8-large, multi-sensorfusie en gelijktijdige trackingalgoritmen, binnen een 15–25 W vermogensenvelop. Beschikbaar in geharde dragerkaartconfiguraties van leveranciers zoals Connect Tech en ADLINK.
Voertuiggemonteerd of grondstatiesysteem (50–200 W compute-budget): Jetson AGX Orin (64 GB). Volledig TensorRT-ecosysteem, DeepStream multi-camera-ondersteuning, gelijktijdige AI-workloadondersteuning en 64 GB unified geheugen voor grote modellen inclusief LLM-inferentie voor ISR-triageondersteuning.
Draagbaar / onbereden soldatensysteem (onder 5 W compute-budget): Hailo-8L (1 W) of Movidius Myriad X (1 W) gecombineerd met ultra-laagvermogen Arm-SoC. Prestaties beperkt tot lichte detectie- en classificatiemodellen; complexe trackingalgoritmen vereisen uitbesteding aan voertuig- of basisstationsystemen.