随着生成式AI从云端向边缘端延伸，机器人、工业视觉、智能设备对计算平台提出了新的要求：一方面需要足够的AI算力运行视觉模型、语音模型，甚至本地LLM/VLM；另一方面，电机、传感器和执行机构又要求毫秒甚至亚毫秒级的确定性实时控制。传统方案往往需要“SBC+MCU”两块甚至多块控制板协同工作，不仅增加硬件复杂度，也提高了软件开发和系统集成门槛。
针对这一需求，Arduino推出面向边缘AI、机器人和运动控制的新一代单板计算机——VENTUNO Q。它将高性能Linux计算平台、AI加速器与实时MCU集成到一块开发板上，希望打通机器人从“感知、决策到执行”的完整链路，而且AI稠密算力达到了40TOPS。
VENTUNO Q主要特性
相比于高通收购Arduino后推出的第一款产品Arduino UNO Q开发板，新的VENTUNO Q延续了上一代的“双脑（Dual-Brain）架构”，但性能更强，定位也从“入门边缘计算”升级为“本地AI推理与机器人控制”。
与UNO Q相比，最大的飞跃是新增了独立NPU（Hexagon Tensor处理器），带来了约40 TOPS的本地稠密算力，这意味着它能真正做到离线跑大模型，或者视觉推理，而不仅仅是控制。其主要特性如下：
一是双脑架构：高通Dragonwing IQ8系列IQ-8275处理器负责AI和上层应用。该处理器集成了8核Kryo CPU、Adreno 623 GPU、Spectra 692 ISP以及Hexagon NPU，AI计算性能达到40 TOPS稠密算力。配合16GB LPDDR5内存，可运行目标检测、姿态识别、语音识别、本地LLM、VLM等模型。
另一颗“脑”则是意法半导体STM32H5F5 MCU，采用250MHz Arm Cortex-M33内核，配备4MB Flash和1.5MB RAM，主要负责GPIO、PWM、CAN-FD、电机控制等对实时性要求较高的任务。
Linux处理器与MCU之间通过RPC进行通信，因此可以由IQ-8275完成视觉识别和AI决策，再把结果交给STM32H5执行确定性的运动控制。
这套架构尤其适合Physical AI和机器人应用。例如在视觉引导机械臂中，Dragonwing处理摄像头数据并识别目标位置，STM32H5则负责夹爪、伺服电机等执行机构；在AMR中，则可以由Linux端运行Visual SLAM、路径规划和AI模型，由MCU完成底盘和电机的实时控制。
二是高性能存储和丰富的接口，适用机器人与工业应用。VENTUNO Q提供16GB LPDDR5内存和64GB eMMC存储，并可通过M.2接口扩展NVMe Gen4 SSD。板载3个MIPI-CSI摄像头接口，同时支持HDMI、USB-C视频输出、双USB 3.0 Type-A、三频Wi-Fi 6、蓝牙5.3以及2.5GbE网络。
对于机器人开发更重要的是，VENTUNO Q还提供CAN-FD、PWM、GPIO等实时控制接口，并支持ROS 2，可以直接面向机器人、电机控制和工业自动化开发。
三是原生Ubuntu支持。Arduino与Canonical合作，让VENTUNO Q的主处理器原生运行Ubuntu，提供成熟的开发和推理环境，这在Arduino产品线中是一次重要升级。
四是App Lab降低了边缘AI开发门槛。VENTUNO Q另一个值得关注的地方是软件开发环境。Arduino App Lab将Arduino Sketch、Python程序和AI模型整合到同一个开发流程中。开发者既可以在Linux端开发AI和应用程序，也可以在MCU端运行Arduino Sketch。App Lab还提供预构建的“Bricks”，用于组合视觉、语音和生成式AI能力。
而且，App Lab已经与Edge Impulse深度集成。开发者可以直接采集摄像头或传感器数据，上传至Edge Impulse进行数据标注、模型训练、优化和量化，再将模型重新导入App Lab部署到VENTUNO Q。这样一来，从“数据采集→训练→优化→部署”的边缘AI开发流程能够在一个相对统一的工具链中完成。
五是结构紧凑。新的VENTUNO Q的尺寸为约160×100×25.8mm，兼顾了性能密度和易用性。
主要应用场景
VENTUNO Q是Arduino向边缘AI与机器人计算平台迈出的重要一步。40 TOPS AI算力解决了“看懂和思考”的问题，STM32H5负责“快速、准确地执行”，再结合ROS 2、App Lab和Edge Impulse生态，使其特别适合AMR、机械臂、服务机器人、工业视觉、预测性维护以及离线AI助手等应用。
全部评论