Die AMD Ryzen™ AI Embedded X100 Series Prozessoren markieren eine neue Leistungsklasse für skalierbares Embedded- und Edge-Computing. Sie kombinieren bis zu 16 AMD „Zen 5“ CPU-Kerne, eine integrierte Radeon™ RDNA™ 3.5 iGPU sowie eine dedizierte XDNA™ 2 NPU mit bis zu 50 TOPS KI-Beschleunigung in einem System-on-Chip (SoC) mit hoher Leistungsdichte. Die hohe KI- und FP32-Performance ermöglicht es, in vielen Zielapplikationen auf diskrete KI-Beschleunigerkarten zu verzichten.
Skalierbare Performance für Physical AI am Edge
Die AMD Ryzen™ AI Embedded X100 Series Prozessoren sind Teil des AMD Kria™ AI SOM Portfolios und wurden speziell für die steigenden Anforderungen moderner Physical-AI-Applikationen entwickelt. Hierfür vereinen die Prozessoren leistungsstarke CPU-, GPU- und NPU-Ressourcen in einem leistungsstarken SoC und ermöglichen so eine deterministische KI-Performance direkt am Edge. Dadurch können viele Applikationen auf diskrete Grafik- oder KI-Beschleunigerkarten oder eine Verarbeitung in der Cloud verzichten.
Die neuen AMD Ryzen AI Embedded X100 Series integriert bis zu 16 AMD „Zen 5“ CPU-Kerne sowie eine AMD Radeon™ RDNA™ 3.5 GPU mit bis zu 59 TOPS KI-Leistung und bis zu 29,7 TFLOPS FP32-Rechenleistung. Zusammen mit der dedizierten AMD XDNA™ 2 NPU mit bis zu 50 TOPS zusätzlicher KI-Performance steht mit diesen SoCs eine hochskalierbare Plattform für unterschiedlichste KI-Workloads bereit. Sie eignet sich insbesondere für anspruchsvollste Physical-AI-Applikationen in Robotik, industrieller Automation, Medizintechnik, autonomen Nutzfahrzeugen und intelligenten Infrastrukturen.
Basierend auf der modernen „Zen 5“-Architektur mit 4-nm-Technologie, liefern die SoCs höchste CPU-Rechenleistungen für zeitkritische und sequenzielle Aufgaben wie Echtzeitsteuerung, Sensorfusion und Entscheidungsfindung. Die integrierte RDNA™ 3.5 iGPU ist ideal für hochparallele Aufgaben wie Bildvorverarbeitung, Wahrnehmung und Erkennung in kollaborativen Robotern und autonomen Fahrzeugen, Simultaneous Localization and Mapping (SLAM) oder das lokale Ausführen von Large Language Models (LLMs). Die XDNA™ 2 NPU ergänzt die Architektur um einen hocheffizienten KI-Beschleuniger für Always-on-AI-Applikationen wie Objekterkennung, Sprachverarbeitung, Bildklassifikation oder Anomalieerkennung.
Ein entscheidender Vorteil für generative KI-Applikationen ist die Unified-Memory-Architektur. Die CPU und GPU teilen sich denselben Hochgeschwindigkeitsspeicher, das erlaubt der GPU eine skalierbare Speicherallokation, je nach Anwendung. Bei insgesamt bis zu 128 GB LPDDR5x-Speicher lassen sich auf der GPU bis zu 96 GB Speicher reservieren und damit selbst große LLMs lokal ausführen, ohne auf diskrete Grafikkarten mit dediziertem Speicher angewiesen zu sein.
Für skalierbare High-Performance-Physical-AI-Systeme
Mit einem breit konfigurierbaren TDP-Bereich von 45 bis 120 W ermöglichen die neuen SoCs ein flexibles Optimieren der Embedded-Rechenleistung für eine Vielzahl von Leistungs- und Kühlkonzepten – von auf eine geringe Leistungsaufnahme optimierten Edge-Systemen bis hin zu rechenintensiven Physical-AI-Plattformen. Entwickler profitieren zudem von der skalierbaren COM-Architektur, die es ermöglicht, das zugrunde liegende Hardware-Design über verwandte Module mit unterschiedlichen Leistungsstufen hinweg beizubehalten.
Die hohe Leistungsdichte der AMD Ryzen™ AI Embedded X100 Series Prozessoren macht diskrete Grafik- oder separate KI-Beschleunigerkarten in vielen Einsatzbereichen überflüssig. Dadurch sinken Systemkomplexität, Leistungsaufnahme, Kühlaufwand und Stücklistenkosten gleichermaßen. Gleichzeitig optimiert ein Aufbau mit weniger kritischen Komponenten die Zuverlässigkeit und Robustheit der Applikationen.
Facts, Features & Benefits
| Facts | Features | Benefits |
|---|---|---|
| Heterogene Hochleistungsarchitektur | Bis zu 16 AMD „Zen 5“ CPU-Kerne, AMD Radeon™ RDNA™ 3.5 iGPU und AMD XDNA™ 2 NPU auf einem SoC | Konsolidiert Echtzeitsteuerung, KI-Inferenz und hochparallele Datenverarbeitung auf einer einzigen Plattform und reduziert den Bedarf an diskreten Grafikkarten oder KI-Beschleunigern. |
| Leistungsstarke Zen-5-Rechenkerne | Bis zu 16 CPU-Kerne mit Taktraten bis 5,1 GHz | Hohe Single- und Multi-Core-Power für Echtzeitsteuerung, Sensorfusion, Entscheidungsfindung und Kommunikation. |
| Integrierte RDNA™ 3.5 GPU (iGPU) | Bis zu 59 TOPS Inferenz- (INT8) und bis zu 29,7 TFLOPs FP32-Performance | Leistungsfähige General Purpose GPU (GPGPU) für hochparallele Workloads und die lokale Ausführung von Large Language Modellen und immersive Grafik auf bis zu vier unabhängigen Displays für anspruchsvolle Gaming-, AV- und Multidisplay-Industrie-Applikationen. |
| XDNA™ 2 NPU | Bis zu 50 TOPS KI-Verarbeitungsleistung | Ermöglicht KI-Inferenz mit geringer Leistungsaufnahme und beschleunigt Physical-AI-Applikationen wie Robotik, Machine Vision, autonome Fahrzeuge oder intelligente Medizingeräte bei hoher Energieeffizienz. |
| Unified-Memory-Speicherarchitektur | Bis zu 128 GB LPDDR5x-8533-Speicher mit gemeinsamem Zugriff für CPU, GPU und NPU, davon bis zu 96 GB der integrierten GPU zuweisbar | Ermöglicht einen effizienten Datenaustausch zwischen CPU, GPU und NPU, minimiert die Latenzen beim Übertragen von Daten und steigert hiermit die Performance datenintensiver KI- und GPGPU-Applikationen. Speziell das lokale Ausführen großer LLMs und multimodaler KI-Modelle ist ohne zusätzliche diskrete KI-Beschleuniger möglich. |
| Industrietaugliche Robustheit | Industrieller Temperaturbereich von –40 bis +85 °C, gelöteter Speicher, langzeitverfügbar | Das Modul ist robust und zuverlässig für raue Industrie-, Fahrzeug- und Outdoor-Applikationen ausgelegt, was die thermische Widerstandsfähigkeit erhöht und die mittlere Betriebsdauer zwischen Ausfällen (Meantime between Failure, MTBF) verlängert, um den Wartungsaufwand und die Gesamtbetriebskosten (TCO) zu senken. Die langfristige Verfügbarkeit verlängert zudem die Gesamtlebensdauer des Systems. |
| Programmierbare Leistungsaufnahme | Skalierbarer TDP-Bereich von 45 bis 120 W, bei einer Basis-TDP von 55 W | Unterstützt unterschiedliche Leistungsstufen und vereinfacht gleichzeitig das thermische Design für mehrere Produkte, die auf einer gemeinsamen Hardwarebasis basieren. |
| Umfangreiche I/Os | Bis zu 24 PCIe Gen4 Lanes | Die hohe Anzahl einzelner PCIe-Lanes ist ideal für I/O-intensive Anwendungen, welche das Implementieren zahlreicher Peripheriegeräte erfordern. So lassen sich zahlreiche Low-Lane-Devices wie Industrial Ethernet, Feldbus-Adapter oder Funkmodule komfortabel anbinden. Weitere Schnittstellen umfassen 2x 2.5 GbE, bis zu 4x USB 3.2 Gen 2, bis zu 8x USB 2.0, bis zu 2x SATA 6 Gb/s, 2x I²C Bus, 2x UART, 12x GPIO, 1x SMBus sowie 1x GPSPI. |
Typische Anwendungsbereiche
Physical AI
Die AMD Ryzen AI Embedded X100 Series beschleunigt Wahrnehmung, Entscheidungsfindung und Aktorik für Physical-AI-Anwendungen. Die CPU-Kerne steuern Sensorfusion und Aktorik in Echtzeit, die GPGPU übernimmt die Bildverarbeitung, und die NPU führt die KI-Inferenz effizient und mit geringer Latenz aus.
Autonome Nutzfahrzeuge
Autonome Nutzfahrzeuge in Smart Farming, Logistik oder Forstwirtschaft profitieren von deterministischer KI-Inferenz, Sensorfusion und hoher Rechenleistung direkt im Fahrzeug. Der industrielle Temperaturbereich gewährleistet einen zuverlässigen Betrieb, selbst unter anspruchsvollsten Bedingungen.
Industrielle Automation
Einsatzbereiche wie Machine-Vision-Systeme, Qualitätskontrolle, Optical Character Recognition (OCR) und Predictive Maintenance erfordern das Verarbeiten großer Datenmengen mit geringer Latenz. Die heterogene Prozessorarchitektur beschleunigt sowohl die Bildvorverarbeitung als auch KI-Inferenzen und Echtzeitsteuerung.
Medizintechnik
Leistungsfähige GPU- und NPU-Beschleunigung ermöglichen das lokale Verarbeiten medizinischer Bilddaten für Ultraschall-, Endoskopie- oder andere bildgebende Systeme. KI-gestützte Diagnosen können direkt im Gerät erfolgen und unterstützen klinische Entscheidungen in Echtzeit.
Robotik
Die Kombination aus CPU, GPU und NPU beschleunigt Bildverarbeitung, Sensorfusion und Bewegungsplanung für präzise Echtzeitentscheidungen für kollaborative Roboter, autonome mobile Roboter (AMRs) und viele weitere Robotikplattformen in Industrie 5.0.
Smart Infrastructure
Von intelligenter Verkehrsüberwachung bis hin zur Videoanalyse in kritischen Infrastrukturen: Die lokale KI-Verarbeitung ermöglicht kurze Reaktionszeiten, hohe Datensicherheit und einen zuverlässigen Betrieb, unabhängig von Cloud-Infrastrukturen.
FAQs
Kann ich mit der AMD Ryzen AI Embedded X100 Series auf eine diskrete KI-Beschleunigerkarte verzichten?
In vielen Zielapplikationen ja. Die integrierte KI- und FP32-Performance der X100 Series ist so hoch, dass sich diskrete Grafik- oder KI-Beschleunigerkarten in zahlreichen Einsatzbereichen erübrigen. Das senkt Systemkomplexität, Leistungsaufnahme, Kühlaufwand und Stücklistenkosten.
Wie teilen sich CPU, GPU und NPU die Rechenaufgaben in einer Physical-AI-Applikation auf?
Die drei Recheneinheiten übernehmen klar getrennte Aufgaben: Die CPU-Kerne steuern zeitkritische, sequenzielle Workloads wie Echtzeitsteuerung, Sensorfusion und Entscheidungsfindung. Die integrierte GPU beschleunigt hochparallele Aufgaben wie Bildvorverarbeitung, Wahrnehmung, Objekterkennung und SLAM. Die NPU übernimmt effiziente Always-on-KI-Workloads wie Objekterkennung, Spracherkennung oder Anomalieerkennung.
Für welche Anwendungsbereiche ist die X100 Series besonders geeignet?
Die Prozessoren adressieren ein breites Spektrum an Physical-AI-Anwendungen: Robotik, autonome Nutzfahrzeuge (Smart Farming, Logistik, Forstwirtschaft), industrielle Automation (Machine Vision, Qualitätskontrolle, Predictive Maintenance), Medizintechnik (bildgebende Systeme, KI-gestützte Diagnose) sowie Smart Infrastructure wie Verkehrsüberwachung und Videoanalyse.
Wie viel Arbeitsspeicher kann der GPU für lokale LLM-Ausführung zugewiesen werden?
Dank Unified-Memory-Architektur teilen sich CPU und GPU denselben Hochgeschwindigkeitsspeicher. Von bis zu 128 GB LPDDR5x-8533 lassen sich bis zu 96 GB der GPU zuweisen – ausreichend, um auch große LLMs lokal auszuführen, ohne diskrete Grafikkarten mit dediziertem Speicher zu benötigen.
Was macht Module auf Basis der AMD Ryzen AI Embedded X100 Series so besonders für physische KI?
Das Modul vereint die für Wahrnehmung, Intelligenz und Aktorik erforderlichen Rechenressourcen auf einer einzigen Plattform. Dank seiner integrierten CPU-, GPU- und NPU-Architektur können verschiedene Workloads direkt am Edge verarbeitet werden, ohne dass Daten kontinuierlich in die Cloud übertragen werden müssen.
Eignet sich das Modul für den Betrieb in rauen Industrie- oder Outdoor-Umgebungen?
Ja. Die Module unterstützen einen industriellen Temperaturbereich von -40 °C bis +85 °C, verfügen über gelöteten Speicher für Schock- und Vibrationsfestigkeit und sind langzeitverfügbar – wichtige Voraussetzungen für Fahrzeug-, Industrie- und Outdoor-Applikationen.
Welche TDP-Bereiche unterstützen die Module, und wie wirkt sich das auf Kühlkonzept und Systemdesign aus?
Die Module sind bei einer Basis-TDP von 55 W in einem Bereich von 45 bis 120 W konfigurierbar. Das erlaubt es, dieselbe Hardwarebasis flexibel für unterschiedliche Leistungsklassen einzusetzen – von auf geringe Leistungsaufnahme optimierten Edge-Systemen bis zu rechenintensiven Physical-AI-Plattformen.
Wie viele PCIe-Lanes und weitere Schnittstellen stehen für die Anbindung von Peripherie zur Verfügung?
Für Erweiterungen stehen bis zu 24 PCIe Gen4 Lanes bereit, ideal für I/O-intensive Anwendungen mit zahlreichen Peripheriegeräten. Ergänzt wird dies durch 2x 2.5 GbE, bis zu 4x USB 3.2 Gen 2, bis zu 8x USB 2.0, bis zu 2x SATA 6 Gb/s, 2x I²C, 2x UART, 12x GPIO, 1x SMBus sowie 1x SPI.
Welche Betriebssysteme werden unterstützt, und gibt es vorkonfigurierte Softwarelösungen?
Unterstützt werden Microsoft Windows 11, Windows 11 IoT Enterprise und Linux. Als applikationsfertige aReady.COMs sind die Module zudem mit lizenzierten und konfigurierten Betriebssystemen wie ctrlX OS, Ubuntu Pro und KontronOS erhältlich.
Wie unterstützt das Modul die Umsetzung von Cybersecurity-Anforderungen, etwa im Hinblick auf den Cyber Resilience Act?
Die Module wurden gemäß IEC 62443-4-1 entwickelt und bieten mit dem Trusted Platform Module (TPM 2.0) integrierte Sicherheit. Das unterstützt OEMs bei der Erfüllung von Cybersecurity-Anforderungen und erleichtert die Vorbereitung auf den EU Cyber Resilience Act, der ab Dezember 2027 gilt.
Können auf einem Modul mehrere Workloads wie Echtzeitsteuerung, HMI und KI gleichzeitig konsolidiert werden?
Ja, mit der Option aReady.VT. Der integrierte conga-zones Hypervisor ermöglicht es, mehrere Workloads – etwa Echtzeitsteuerung, HMI, KI und IoT-Gateway-Funktionen – auf nur einem Modul zu konsolidieren.
