Ga naar inhoud

Capaciteiten · Beslistool

Workload → hardware-selector

Beschrijf je werklast-envelop en krijg de kleinste hardwarerol die het kan hosten — een doelvereiste, geen gemeten benchmark.

Kies het kleinste en best onderhoudbare platform dat aan de gevalideerde productie-envelop voldoet.

Hyperion positioneert zich niet als een algemene engineeringafdeling. Technische kennis wordt gebruikt om betere productbeslissingen te nemen, aannames te toetsen, bewijs te definiëren en de specialisten te coördineren die de opdracht vereist.

≈ params: <50M · <3B · <14B · <70B · ≥70B

wat het systeem vooral doet

vereiste responstijd

waar het fysiek draait

waar data heen mag

Aanbevolen hardwarerol

Berekende schatting

NVIDIA Jetson (Thor + Orin)

Past in je envelop

Waarom deze klasse

  • On-device perceptie (camera's) vereist een speciale edge-versneller.
  • Realtime on-device latentie vereist een speciale edge-versneller.
  • Dit is de kleinste rol die aan je envelop voldoet.
Rol
On-robot perception + policy inference at the edge; the workhorse for embedded robotics AI.
Geheugen
4–128 GB unified (Thor T5000: 128 GB LPDDR5X, ~273 GB/s)
Vermogen
~7–130 W (Orin ~7–60 W; Thor 40–130 W)
Software-ecosysteem
JetPack, CUDA, TensorRT, ROS 2
Runtimes
TensorRT, CUDA, ONNX Runtime, PyTorch
Bekende beperkingen
CUDA-locked; thermal/power budgeting needed for sustained inference. Thor T5000 ≈1035 FP8 TOPS — confirm exact memory bandwidth (≈273–276 GB/s) per the datasheet for a given SKU.
Officiële bron

Deze aanbeveling is een berekende schatting op basis van je invoer — een doelvereiste, geen meting of leveranciersbenchmark. Valideer tegen een echte werklast voordat je hardware vastlegt. Registerspecificaties zijn door leveranciers gepubliceerd en gedateerd; verifieer ze bij de officiële bron.

Workload → hardware-selector — Hyperion