Advantech на GTC 2026: edge AI + physical AI на Jetson Thor Сценарий – Подготовить стенд с демонстрациями роботов, медтехники и индустриальных контроллеров. – Интегрировать модули Advantech с платой на базе NVIDIA Jetson Thor для inference на edge. – Подготовить референсные пайплайны: сбор датчиков → предобработка → модель → актюаторы. – Настроить метрики latency/throughput и мониторинг VRAM/thermal на каждой демонстрации. – Обеспечить фолбэк на облако при перегрузе или страйдах модели. – Прописать кейсы безопасности для медоборудования и роботов (контроль отказов). – Показать экономику: TCO edge vs. облако для каждого кейса. Проверка результата Если демонстрации стабильно держат latency в пределах заданных SLA и модели выполняют inference локально на Jetson Thor без постоянных откатов в облако – значит интеграция годна для пилота. Цифр/метрик в анонсе нет, поэтому ориентируйтесь на свои SLA и на наблюдаемый VRAM/CPU load во время показа. Грабли Типовые ошибки: недооценка теплового троттлинга и VRAM-потребления, из‑за чего падает throughput; непроработанные механизмы безопасного фолбэка для мед/робототехники; слишком красивые демо, которые не отражают реального сетевого/полевого состояния. Пахнет PR – деталей по продовым метрикам в заявлении нет. Мой вывод Переезд inference на действительно мощный edge (Jetson Thor) интересен: уменьшает сетевой оверхед и даёт быстрый отклик для физического AI. Но без профайлинга и планов на троттлинг/фейловер это пустые обещания. Завтра: замеряйте реальные latency/VRAM под вашим стеком и пропишите фолбэк-стратегию для критичных кейсов. Как вы тестируете троттлинг и фолбэк в своих edge-юнитах? Источник: Админ Скайнет