اگر برای انتقال استریم‌های 8K یا داده‌های سنگین بینایی ماشین در لبه شبکه کلنجار می‌روید، استاندارد جدید شما ۵ گیگابیت بر ثانیه است. طبق اعلام WallysTech، ادغام ماژول QCN9274-5G با پلتفرم‌های NVIDIA Jetson، رباتیک و خودروهای خودران را از وابستگی به ماژول‌های سلولی با تأخیر بالا نجات می‌دهد.
هوش مصنوعی صنعتی در حال حاضر میان برد گسترده 5G و پهنای باند محدود Wi-Fi 6 گیر کرده است. برای داده‌های پرتراکم، تجهیزات مصرف‌کننده معمولاً زیر فشار حجم بالای دوربین‌ها شکست می‌خورند. در واقع این ماژول با رایانش لبه (Edge Computing) — که مثل این است هر دستگاه خودش یک مغز کوچک داشته باشد تا مجبور نباشد برای هر تصمیم به مرکز شهر (سرور مرکزی) سفر کند — ارتباط بی‌سیم را از یک وسیله جانبی به یک زیرساخت صنعتی قابل برنامه‌ریزی تبدیل می‌کند. همان‌طور که در تحلیل‌های پیشین ما درباره بهینه‌سازی سخت‌افزارهای لبه اشاره کردیم، گلوگاه اصلی همیشه در لایه‌ی انتقال داده بوده است.
به نقل از گزارش فنی dev.to، این راهکار با بهره‌گیری از چیپ‌ست Qualcomm QCN9274 مزایای سخت‌افزاری زیر را ارائه می‌دهد:
- توان عملیاتی (Throughput): پشتیبانی از پهنای باند 160MHz در حالت 4×4 MU-MIMO و مدولاسیون 4096-QAM برای رسیدن به کلاس ۵ گیگابیت.
- معماری: استفاده از اتصال مستقیم M.2 E-Key و PCIe 3.0 برای دور زدن باس USB در Jetson و حذف رقابت پهنای باند با سنسورها.
- حالت‌ها: قابلیت فعالیت در وضعیت‌های AP، STA و رله Mesh برای ایجاد خوشه‌های محلی AI.
- پایداری: تحمل دمای صنعتی از ۲۰- تا ۷۰ درجه سانتی‌گراد.
بر اساس مستندات منتشرشده در ۲۹ ژوئن ۲۰۲۶، حیاتی‌ترین نکته برای توسعه‌دهندندگانی که با این سخت‌افزار کار می‌کنند، انتقال به چارچوب درایور متن‌باز ath12k است. این تغییر به مهندسان اجازه می‌دهد پارامترهای پایین-سطح بی‌سیم و بهینه‌سازی MLO را کنترل کنند؛ قابلیتی که معمولاً در تراشه‌های مصرف‌کننده قفل است و برای نگهداری بلندمدت در محیط‌های کارخانه‌ای ضروری است.
این تحول سخت‌افزاری این فرض را می‌شکند که هوش مصنوعی لبه برای پایداری سرعت بالا حتماً باید به 5G گران‌قیمت متکی باشد. با پیاده‌سازی یک معماری ترکیبی — استفاده از Wi-Fi 7 برای داده‌های سریع محلی و 5G سلولی فقط برای مدیریت ابری — اپراتورها می‌توانند سیستم‌های پشتیبانی بسازند که با شلوغ شدن دکل‌های مخابراتی از کار نیفتند. این رویکرد عملاً گروهی از دستگاه‌های Jetson را به یک خوشه محلی پرسرعت تبدیل می‌کند.
توسعه‌دهندگان باید اکنون دسترسی به خطوط PCIe در بردهای Jetson خود را بررسی کنند تا امکان مهاجرت از ماژول‌های USB به معماری PCIe 3.0 را بسنجند. برای کسانی که خط لوله‌های تصویری 4K مدیریت می‌کنند، کاهش لرزش داده (Jitter) و نرخ گم‌شدن بسته‌ها، دلیل اصلی این مهاجرت است.
گام بعدی شما
- بررسی ظرفیت خطوط PCIe در سخت‌افزار فعلی برای جایگزینی ماژول‌های Wi-Fi قدیمی.
- آزمایش پیکربندی MLO در درایور ath12k برای کاهش تأخیر در خوشه‌های رباتیک.
- طراحی معماری Hybrid برای جداسازی ترافیک مدیریت ابری از ترافیک داده‌های سنگین محلی.
اما تأثیر این پهنای باند روی مدل‌های بینایی-زبانی در لبه حتی تکان‌دهنده‌تر است — به تحلیل ما درباره مدل‌های VLM در محیط‌های صنعتی مراجعه کنید.
گفتگو