آردوینو برد جدید خود، Arduino VENTUNO Q را بهطور رسمی عرضه و پیشفروش آن را با قیمت معرفی ۲۹۹ دلار آغاز کرد. این برد که دروازهی آردوینو به دنیای هوش مصنوعی فیزیکی توصیف شده، دومین محصول این شرکت مبتنی بر تراشهی کوالکام پس از Arduino UNO Q به شمار میرود، اما با طراحی بزرگتر و مشخصات بهمراتب قدرتمندتر.
گذار از میکروکنترلر به پردازنده هوش مصنوعی
کمتر از یک سال پس از تصاحب توسط کوالکام و عرضهی نخستین برد این خانواده (UNO Q)، آردوینو اکنون برد جدید خود، VENTUNO Q را با شعار «جایی که هوش مصنوعی وارد عمل میشود» معرفی کرده است؛ محصولی که خودش آن را «قدرتمندترین راهکار موجود برای کاربردهای هوش مصنوعی و رباتیک» توصیف میکند. هدف آن، تبدیل «کاربران هوش مصنوعی» به «سازندگان مدلهای هوش مصنوعی سفارشی» از طریق اجرای محلی مدلهای زبانی بزرگ، هوش مصنوعی عاملمحور (Agentic AI) و بینایی ماشین است. برای جامعهی بزرگ کاربران آردوینو که سالها با بردهای مبتنیبر میکروکنترلرهای تکمنظوره کار کردهاند، این تغییر مسیر بهسمت رباتیک و هوش مصنوعی فیزیکی، میتواند فرصتی چشمگیر باشد.
معماری دومغزی ونتونو Q: ترکیب هوش مصنوعی با کنترل بلادرنگ
مهمترین ویژگی معرفیشدهی VENTUNO Q، معماریای است که آردوینو آن را «دومغزی» مینامد. این برد، ادراک، تصمیمگیری و اقدام را یکجا جمع میکند تا پیچیدگی، تأخیر و هزینهی راهاندازی چند برد جداگانه را حذف کند. پردازندهی کوالکام دراگونوینگ IQ-8275 (Qualcomm Dragonwing IQ-8275) در واقع مغز هوش مصنوعی ونتونو Q محسوب میشود که واحد پردازش عصبی (NPU)، پردازندهی مرکزی (CPU) و پردازندهی گرافیکی (GPU) را برای استنتاج شبکههای عصبی پیچیده در یک تراشه ترکیب کرده و توان پردازشی آن به ۴۰ ترا عملیات بر ثانیه (TOPS) میرسد. مغز اجرایی این برد هم یک میکروکنترلر STM32H5F5 است که با زمان پاسخ کمتر از یک میلیثانیه، کنترل پایدار سامانههای رباتیک صنعتی را تضمین میکند. این دو پردازنده از طریق یک پل ارتباطی RPC (فراخوانی رویهی از راه دور) با یکدیگر هماهنگ میشوند.
قلب این برد، پردازندهی کوالکام دراگونوینگ IQ8 (Qualcomm Dragonwing IQ8)، بهطور مشخص مدل IQ-8275 (با نام دیگر QCS8275) است؛ تراشهای هشتهستهای از خانوادهی Kryo نسل ششم (بر پایهی هستههای Cortex-A78/A55)، همراه با پردازندهی گرافیکی Adreno A623 و یک شتابدهندهی هوش مصنوعی از نوع Hexagon با توان پردازشی تا ۴۰ ترا عملیات بر ثانیه (TOPS). در کنار این «مغز» پرقدرت، یک میکروکنترلر STM32H5F5 ساخت استیمایکرو (با هستهی Arm Cortex-M33 در فرکانس ۲۵۰ مگاهرتز، ۱.۵ مگابایت رم و ۴ مگابایت حافظهی فلش) وظیفهی کنترل بلادرنگ موتورها، حسگرها و پروتکلهایی مانند CAN را بر عهده دارد. این دو پردازنده از طریق یک پل ارتباطی RPC (فراخوانی رویهی از راه دور) با یکدیگر هماهنگ میشوند؛ معماریای که آردوینو آن را «دومغزی» مینامد: یک مغز برای درک و تصمیمگیری، و مغز دیگر برای واکنش سریع و قطعی به دنیای فیزیکی.
مشخصات فنی پردازندههای Ventuno Q
پردازندهی اصلی این برد، هشت هستهی Qualcomm Kryo با فرکانس تا ۲.۳۶ گیگاهرتز، همراه با پردازندهی گرافیکی Qualcomm Adreno 623، شتابدهندهی هوش مصنوعی Qualcomm Hexagon و پردازندهی پردازش تصویر Qualcomm Spectra 692 است. میکروکنترلر STM32H5F5 هم بر پایهی هستهی Arm Cortex-M33 با فرکانس ۲۵۰ مگاهرتز، ۴ مگابایت حافظهی فلش و ۱.۵ مگابایت رم کار میکند.
از نظر حافظه، این برد ۱۶ گیگابایت رم LPDDR5 (در پیکربندی دو ماژول ۸ گیگابایتی) دارد که میان NPU و CPU و GPU مشترک است؛ رقمی که به گفتهی آردوینو، تقریباً دو برابر بردهای معمول ردهی ۸ گیگابایتی است و امکان اجرای همزمان چند مدل هوش مصنوعی را فراهم میکند. فضای ذخیرهسازی شامل ۶۴ گیگابایت حافظهی eMMC صنعتی، بههمراه یک اسلات M.2 برای افزودن حافظهی NVMe نسل چهارم است؛ از آنجا که سیستمعامل روی حافظهی لحیمشده اجرا میشود نه کارت microSD، بوتشدن پایدارتر و قابلتکرارتری برای کاربردهای میدانی و صنعتی فراهم شده است.
در بخش شبکه، وایفای سهباندی ۲.۴، ۵ و ۶ گیگاهرتز، بلوتوث ۵.۳ و یک پورت اترنت ۲.۵ گیگابیتی تعبیه شده است. برای دوربین، سه رابط MIPI CSI چهارخطه بههمراه دو رابط دیگر روی هدر JMEDIA، امکان اتصال چند دوربین برای آگاهی محیطی ۳۶۰ درجه یا ادراک عمق استریو را فراهم میکند. خروجی تصویر هم از طریق HDMI (مشترک با MIPI DSI روی همان هدر)، رابط MIPI DSI برای نمایشگرهای لمسی، و حالت DisplayPort روی پورت USB-C قابل دریافت است.
اتصالات دیگر شامل یک پورت USB-C با قابلیت سوییچ نقش میزبان/دستگاه، دو پورت USB 3.0 از نوع A، دو پورت دیگر روی هدر JOMEGA، و برای شبکههای صنعتی، یک گذرگاه CAN-FD کامل روی ترمینال پیچی بههمراه چند گذرگاه دیگر روی هدرهای گسترش است. تغذیهی برق هم از طریق USB-C (۵ ولت، ۳ آمپر)، جک برق (۱۲ تا ۲۴ ولت) یا ترمینال پیچی (۷ تا ۲۴ ولت، مناسب برق صنعتی) ممکن است. ابعاد کلی این برد ۱۶۰ در ۱۰۰ در ۲۵.۸ میلیمتر است.
از اجرای مدل هوش مصنوعی آماده تا توسعهی حرفهای
توسعه روی این برد از طریق نرمافزار یکپارچهی Arduino App Lab انجام میشود که اسکچهای آردوینو، اسکریپتهای پایتون و استقرار مدلهای هوش مصنوعی را در یک محیط واحد ترکیب میکند. آردوینو چهار سطح تعامل را برای کاربران مختلف تعریف کرده: اجرای مستقیم یک نمونهی آماده بدون نوشتن کد (Play)، شخصیسازی یک نمونهی موجود (Tinker)، واردکردن مدل دلخواه از هاگینگفیس یا Qualcomm AI Hub یا آموزش مدل با Edge Impulse (Shape) و در نهایت توسعهی کامل و حرفهای با ابزارهای دلخواه لینوکس (Master). برای کاربرانی که ترجیح میدهند از ابزارهای استاندارد لینوکس مانند VS Code، داکر یا SSH استفاده کنند، این برد یک رایانهی اوبونتوی کامل و استاندارد است و استفاده از Arduino App Lab اجباری نیست.
این برد از پیش با مجموعهای از مدلهای بهینهشده برای اجرای محلی روی NPU عرضه میشود: مدلهای زبانی Qwen 3 و Gemma 4 برای درک زبان طبیعی کاملاً آفلاین، مدلهای زبانی-تصویری Qwen برای توصیف تصویر و تشخیص متن، Whisper برای تشخیص گفتار، Melo و Piper برای تبدیل متن به گفتار، YOLO-X برای ردیابی اشیا، MediaPipe برای تشخیص ژست دست، و PoseNet برای تشخیص وضعیت بدن. کاربران پیشرفتهتر میتوانند مدلهای GGUF را از طریق llama.cpp یا زماناجرای متنباز GenieX کوالکام اجرا کنند، یا با فریمورکهای آشنایی مانند PyTورچ کار کنند. این برد از فریمورک رباتیک ROS 2 هم بهطور رسمی پشتیبانی میکند و «Bricks»های اختصاصی رباتیک در Arduino App Lab، عملکردهای پیچیده را در قالب اجزای آماده و قابلاستفادهی مجدد ارائه میدهند.
سازگاری گسترده و مسیر تولید انبوه
از نظر سازگاری سختافزاری، VENTUNO Q با تمام شیلدهای استاندارد Arduino UNO، کلاههای (HAT) رزبریپای (از طریق هدر ۴۰پین استاندارد)، و گرههای Modulino و حسگرهای سازگار با Qwiic کار میکند. برای کسانی که قصد تولید انبوه دارند، برنامهی «Works with Arduino» مسیری بدون نیاز به بازنویسی کد، از این برد به سمت ماژولهای محاسباتی صنعتی طرفهای تأییدشده مانند سکو (SECO) و تورادکس (Toradex) فراهم کرده است.
مقایسه با رزبریپای ۵
تفاوت اصلی VENTUNO Q با محبوبترین کامپیوتر تکبرد بازار، رزبریپای ۵، در وجود شتابدهندهی هوش مصنوعی داخلی و میکروکنترلر بلادرنگ اختصاصی است. رزبریپای ۵ با تراشهی BCM2712 (چهار هستهی Cortex-A76 تا ۲.۴ گیگاهرتز) و حداکثر ۸ گیگابایت رم LPDDR4X عرضه میشود، اما هیچ شتابدهندهی هوش مصنوعی داخلی ندارد؛ برای اجرای مدلهای هوش مصنوعی با شتاب سختافزاری، کاربران باید کیت جانبی Hailo (با توان تا ۲۶ ترا عملیات بر ثانیه) را جداگانه خریداری و نصب کنند. رزبریپای ۵ همچنین فاقد یک میکروکنترلر مجزا برای کنترل بلادرنگ است؛ کنترل حرکتی دقیق روی آن باید یا از طریق GPIO یا با افزودن یک برد میکروکنترلر جداگانه انجام شود. با قیمتی در محدودهی ۶۰ تا ۸۰ دلار (بسته به ظرفیت رم)، رزبریپای ۵ همچنان گزینهای ارزانتر و مناسبتر برای پروژههای عمومی، آموزشی و رایانش لبهی سبک است، اما برای کاربردهای رباتیک صنعتی که به کنترل حرکتی دقیق و استنتاج هوش مصنوعی همزمان نیاز دارند، VENTUNO Q از همان ابتدا و بدون قطعات جانبی، راهکاری کاملتر ارائه میدهد؛ هرچند با قیمتی نزدیک به چهار برابر.
مقایسه با NVIDIA Jetson Thor
در سوی دیگر طیف، NVIDIA Jetson AGX Thor قرار دارد؛ برد توسعهای که مشخصاً برای رباتهای انساننما و کاربردهای هوش مصنوعی فیزیکی در مقیاس صنعتی طراحی شده است. این برد با پردازندهی گرافیکی نسل Blackwell (۲۵۶۰ هستهی CUDA و ۹۶ هستهی Tensor)، پردازندهی مرکزی چهاردههستهای Arm Neoverse و ۱۲۸ گیگابایت رم LPDDR5X با پهنای باند ۲۷۳ گیگابایت بر ثانیه و یک ترابایت حافظهی NVMe از پیش نصبشده عرضه میشود. توان پردازشی هوش مصنوعی آن به ۲۰۷۰ ترافلاپس در دقت FP4 میرسد؛ رقمی که از نظر مقیاس، حدود ۵۰ برابر بیشتر از ۴۰ ترا عملیات بر ثانیهی VENTUNO Q است. این تفاوت عظیم در توان پردازشی، طبیعتاً با قیمتی معادل ۳۴۹۹ دلار همراه است؛ یعنی نزدیک به ۱۲ برابر قیمت VENTUNO Q.
این تفاوت قیمتی و عملکردی نشان میدهد این دو برد اساساً برای دو بازار متفاوت طراحی شدهاند. Jetson Thor برای اجرای مدلهای بنیادین بزرگ هوش مصنوعی فیزیکی، پردازش همزمان چندین جریان حسگر با وضوح بالا و کنترل کامل رباتهای انساننمای پیچیده با دهها درجهی آزادی طراحی شده؛ کاری که بهوضوح از توان یک برد ۲۹۹ دلاری خارج است. در مقابل، VENTUNO Q برای پروژههایی طراحی شده که به هوش مصنوعی محلی سبکتر در کنار میکروکنترلر قابلاعتماد نیاز دارند؛ نمونههایی مانند کیوسکهای هوشمند، بازوهای رباتیک صنعتی، رباتهای متحرک ساده یا سامانههای بازرسی بصری. از نظر معماری، VENTUNO Q مزیتی دارد که Jetson Thor بهصورت پیشفرض ندارد: وجود یک میکروکنترلر اختصاصی و کاملاً مجزا برای کنترل بلادرنگ روی همان برد؛ در حالی که روی بردهای Jetson، این کار معمولاً به یک میکروکنترلر بیرونی جداگانه واگذار میشود.
برد Arduino VENTUNO Q (منبع تصویر: CNX Software)
مشخصات کامل آردوینو Ventuno Q
این برد به ۱۶ گیگابایت رم LPDDR5 و ۶۴ گیگابایت حافظهی فلش eMMC مجهز است و از طریق یک اسلات M.2، امکان افزودن حافظهی NVMe نسل چهارم را هم فراهم میکند؛ گزینهای که حافظه را تا دو ترابایت افزایش میدهد. در بخش شبکه، Ventuno Q به پورت اترنت ۲.۵ گیگابیتی، وایفای ۶ سهباندی (۲.۴، ۵ و ۶ گیگاهرتز) و بلوتوث ۵.۳ مجهز است. خروجی تصویر از طریق HDMI با پشتیبانی ۴K و همچنین حالت DisplayPort روی پورت USB-C ممکن است. برای دوربین، این برد تا پنج رابط MIPI CSI (سه رابط مستقیم بههمراه دو رابط دیگر روی هدر JMEDIA) دارد که سه ورودی برای سه دوربین مختلف را پشتیبانی میکند.
نقشهی پورتها و هدرهای برد Arduino VENTUNO Q (منبع تصویر: CNX Software)
برد رباتیک آردوینو دو پورت USB 3.0 از نوع A، دو پورت دیگر روی هدر JOMEGA، و یک پورت USB-C با قابلیت سوییچ نقش host/device و خروجی تصویر دارد. برای شبکههای صنعتی، یک گذرگاه CAN-FD کامل (با تراشهی PHY) روی ترمینال پیچی، بههمراه سه گذرگاه CAN-FD دیگر بدون PHY روی هدر JOMEGA و یک گذرگاه دیگر روی هدرهای سازگار با شیلد UNO تعبیه شده است.
برای گسترش سختافزاری، این برد هدرهای سازگار با شیلدهای استاندارد آردوینو (با ولتاژ ۳.۳ ولت)، هدر ۴۰پین سازگار با کلاههای رزبریپای (Raspberry Pi HAT)، کانکتور Qwiic برای I2C، و کانکتور با تراکم بالای سازگار با کریرهای طراحیشده برای Arduino UNO Q را در خود جای داده است.
تغذیهی Ventuno Q از چهار مسیر ممکن است: پورت USB-C با ۵ ولت و ۳ آمپر، جک برق ۱۲ تا ۲۴ ولت، ترمینال پیچی ۷ تا ۲۴ ولت (مناسب برق صنعتی)، و هدر JOMEGA. ابعاد این برد ۱۶۰ در ۱۰۰ در ۲۵.۸ میلیمتر است.
نرمافزار و مدلهای هوش مصنوعی محلی
پردازندهی کوالکام برد ونتونو Q نسخهی از پیش نصبشدهی اوبونتو (توزیعشده توسط کانونیکال، بههمراه مجوز Ubuntu Pro برای بهروزرسانیهای امنیتی سازمانی) را اجرا میکند، در حالی که میکروکنترلر STM32H5 با فریمور Zephyr و از طریق هستهی آردوینو برنامهریزی میشود. توسعهدهندگان از طریق نرمافزار یکپارچهی Arduino App Lab (برای ویندوز، لینوکس و macOS) میتوانند همزمان اسکچهای آردوینو برای میکروکنترلر بنویسند، اسکریپت پایتون روی بخش لینوکسی اجرا کنند، و مدلهای هوش مصنوعی را مستقر کنند.
محیط توسعهی یکپارچهی Arduino App Lab (منبع تصویر: CNX Software)
این برد از پیش با کتابخانهای روبهرشد از مدلهای بهینهشده برای اجرای محلی روی شتابدهندهی هوش مصنوعی (از طریق Qualcomm AI Hub) عرضه میشود، از جمله مدلهای زبانی Qwen 3 با ۴ میلیارد پارامتر، مدلهای زبانی-تصویری Qwen 2.5 و Qwen 3، مدلهای Gemma 4، تشخیص گفتار Whisper، تبدیل متن به گفتار Piper و Melo، تشخیص اشیا YoloX و تشخیص ژست دست با MediaPipe. کاربران همچنین میتوانند مدلهای دلخواه خود را با فرمت GGUF از هاگینگفیس بارگذاری کنند یا با استودیوی یکپارچهی Edge Impulse، مدل اختصاصی خود را آموزش دهند. این برد از فریمورک رباتیک ROS 2 هم پشتیبانی میکند.
قیمت، جایگاه در خانوادهی محصولات و مسیر تولید انبوه
VENTUNO Q با قیمت ۲۹۹ دلار برای پیشفروش عرضه شده؛ قیمتی که به گفتهی گزارشگران این حوزه، احتمالاً پس از پایان دورهی پیشفروش افزایش خواهد یافت. این برد، نسخهای بزرگتر و در ردهی میانی تا بالای بازار کامپیوترهای تکبرد نسبت به Arduino UNO Q (که محصول ابتدایی همین خانواده است) قرار میگیرد. آردوینو همچنین از طریق برنامهی «Works with Arduino»، مسیری برای انتقال یک پروژه از مرحلهی نمونهسازی روی VENTUNO Q به تولید انبوه با ماژولهای محاسباتی (SoM) طرفهای تأییدشده مانند سکو (SECO) و تورادکس (Toradex)، بدون نیاز به بازنویسی نرمافزار، فراهم کرده است.