Obliczenia na robocie czy poza robotem

Każde obciążenie na robocie działa w jednym z dwóch miejsc: pokładowo, zasilane z baterii i chłodzone wentylatorami w korpusie, albo poza pokładem, na serwerze zasilanym z sieci, oddalonym o jeden skok w sieci LAN. Trudne pytanie nie brzmi czy potrzebne są oba — prawie zawsze są — lecz które obciążenie trafia gdzie i dlaczego. R08 uzasadnia samo istnienie dedykowanej warstwy brzegowej. Ten artykuł to decyzja podejmowana osobno dla każdego obciążenia: sterowanie silnikami tutaj, VLM tam, STT zależnie od przypadku i tak dalej.

Ujęcie jest zdecydowane. Dla każdego obciążenia istnieje właściwa odpowiedź, a ta zmienia się w miarę, jak krzem pokładowy nadrabia dystans. Wskazujemy, w którą stronę zmierza każdy element w latach 2026–2027.

Dwa budżety, które przesądzają o wszystkim

Obciążenie może działać pokładowo wtedy i tylko wtedy, gdy mieści się jednocześnie w dwóch budżetach: mocy i pamięci. Opóźnienie jest trzecim ograniczeniem, ale zwykle mówi ono raczej, w którą stronę przesunąć obciążenie, które się mieści, niż czy mieści się ono w ogóle.

Budżet mocy w humanoidzie. Humanoid o masie 30–50 kg ma baterię 700–900 Wh. Ciągły chód pobiera 200–500 W z siłowników, a szczyty podczas ruchu dynamicznego przekraczają 800 W. Stanie w miejscu i „myślenie” pobiera 80–150 W z siłowników (utrzymanie momentu jest tanie, utrzymanie postawy kosztuje). Zostaje mniej więcej 60–120 W na całą resztę — obliczenia, czujniki, wentylatory chłodzące, radio — jeżeli ma się uzyskać użyteczne dwie godziny pracy. Budżet obliczeniowy w tych ramach to 30–80 W w trybie ciągłym. Praca Jetsona na MAX_N (60 W) przez cały czas skraca czas działania robota o połowę. To nienegocjowalna fizyka, a nie decyzja projektowa.

Budżet pamięci. Jetson AGX Orin 64 GB to 64 GB LPDDR5 współdzielonej między CPU a GPU. Należy odjąć system operacyjny (4–6 GB), ROS 2 i SDK producenta (2–4 GB), bufory percepcji (2–4 GB na głębię stereo i chmury punktów) oraz kod aplikacji. Realny budżet dostępny dla LLM/VLM to 40–48 GB. W module Jetson Thor 128 GB pułap rośnie do około 96 GB użytecznych. W Orin NX 16 GB spada do około 8–10 GB — wystarczy na jeden mały model.

Poza pokładem oba budżety to zupełnie inne problemy. Kentino AI 96 (4× RTX 5090) ma 128 GB dedykowanej pamięci VRAM i 1.0–1.5 kW mocy GPU zasilanej z sieci. Kentino AI 256 (8× RTX 5090) podwaja obie wartości. Moc i pamięć po prostu przestają być ograniczeniem — zamienia się je na nakłady inwestycyjne, klimatyzację pomieszczenia i sieć przewodową.

Krzem pokładowy — realia roku 2026

Opcje pokładowe, które dziś faktycznie trafiają do poważnych humanoidów i czworonogów:

Thor to zmiana skokowa, a nie kolejna iteracja. Pułap 128 GB pamięci i natywne dla FP4 rdzenie tensorowe Blackwell przesuwają granicę pokładową z „VLM 7B, boleśnie” do „VLM 32B, użytecznie” w ciągu jednej generacji. Obciążenia, które w 2025 roku strukturalnie należały do warstwy pozapokładowej — VLM-y średniej wielkości, ciągłe opisywanie sceny, planery LLM średniej skali — stają się w 2026 roku kandydatami do pracy pokładowej, o ile rozwiązanie termiczne robota utrzyma 100–130 W.

Hailo i cała klasa dedykowanych NPU nie są akceleratorami LLM. Służą do odciążania potoku wizyjnego: główny Jetson pozostaje wolny dla większego modelu, a stale działające CV z kamer (detekcja obiektów, śledzenie, uproszczony VLM) pracuje na układzie o poborze 3 W.

Klasa Snapdragon QRB to odpowiedź dla robotów sterowanych przede wszystkim głosem — słowo aktywujące, beamforming, STT — tam, gdzie Jetson jest przesadą, a Cortex-M nie wystarcza. Użyteczne, wąskie i coraz powszechniejsze.

Poza pokładem: warstwa Kentino AI jako punkt odniesienia

Celem pozapokładowym przywoływanym w całej serii jest linia Kentino AI — zasilana z sieci, rack 4U lub 5U, 4 lub 8 GPU na EPYC albo Xeon, podłączona do przełącznika 10 GbE o jeden skok od robota. Trzy warstwy istotne dla robotyki:

Macierz decyzyjna

Każde obciążenie robotyczne trafia jednoznacznie do jednej z pięciu kategorii: zawsze pokładowo, preferowane pokładowo, dowolnie, preferowane poza pokładem, wyłącznie poza pokładem. Powodem każdego przypisania jest budżet wiążący — moc, pamięć albo opóźnienie.

Trzy wnioski z tej tabeli warte podkreślenia.

Wiersze „zawsze pokładowo” to fizyka. Żadna przepustowość nie naprawi pętli sterowania wymagającej odpowiedzi 1 kHz. Te pozycje nigdy się nie przesuną, niezależnie od tego, jak dobra będzie sieć czy moc obliczeniowa poza pokładem.

Wiersze „dowolnie” to miejsce, gdzie zapada rzeczywista decyzja inżynierska. Mieszka tu większość ciekawych kompromisów. To, czy VLM 7B działa pokładowo czy poza pokładem, przesądza o sporej części zachowania systemu. Nie ma uniwersalnie właściwej odpowiedzi.

Wiersze „wyłącznie poza pokładem” przesuwają się powoli. Model 72B najpewniej również w 2027 roku pozostanie wyłącznie poza pokładem. Model 32B przeniesie się pokładowo wraz z masowymi dostawami Thora. Granica tego, „co mieści się na urządzeniu”, przesuwa się mniej więcej o jedną klasę wielkości modelu co 18–24 miesiące.

Przyporządkowanie warstw opóźnień

Czterowarstwowy budżet opóźnień z I01 przekłada się wprost na umiejscowienie:

To w dwóch środkowych warstwach zapadają prawdziwe decyzje architektoniczne. Obciążenie odruchowe, które ledwo mieści się w 50 ms, może zmieścić się poza pokładem przy przewodowej sieci LAN (0.5 ms transmisji + 40 ms inferencji + 0.5 ms powrotu = 41 ms), ale przekroczy budżet przez obciążone Wi-Fi 6E (8 ms × 2 + 40 ms = 56 ms, plus jitter). Właśnie dlatego przewodowe uwiązy mają znaczenie na etapie rozwoju: pozwalają sprawdzić, czy obciążenie zasadniczo mieści się poza pokładem, zanim przyjdzie walczyć z siecią bezprzewodową.

Realia sieciowe

Praca poza pokładem działa tylko wtedy, gdy działa sieć. Konkretne liczby:

Dla obciążeń deliberatywnych (budżet 100 ms – 1 s) Wi-Fi 6E na dedykowanym SSID i AP w zasięgu wzroku w zupełności wystarczy. Dla obciążeń odruchowych (10–50 ms) sieć przewodowa to odpowiedź bezpieczna, a Wi-Fi 6E — odpowiedź na szczęście. Warto to uwzględnić w planach: jeśli zadanie robota ma jakikolwiek odruchowy komponent pozapokładowy, należy przewidzieć opcję przewodową na czas rozwoju oraz tryb zapasowy na wypadek pogorszenia Wi-Fi.

Wzorzec hybrydowy — podział szybki/wolny

Wzorzec, do którego zbiega większość poważnych wdrożeń roku 2026, to podział szybki/wolny VLM: mały VLM pokładowo dla natychmiastowej reakcji, duży VLM poza pokładem dla przemyślanych decyzji, oba zasilające ten sam planer.

Konkretny kształt:

Podział szybki/wolny: pokładowy 7B odpowiada za natychmiastową reakcję, pozapokładowy 72B za przemyślane rozumowanie i aktualizacje planu.

Szybki model obsługuje sytuację „idzie w moją stronę człowiek, zwolnij”. Wolny model obsługuje sytuację „człowiek idący w moją stronę to operator, który prosił o zatrzymanie, jeśli podejdzie z czerwonym podkładem na dokumenty, a to jest czerwony podkład — zatrzymaj się”. Szybki model najpierw zobowiązuje się do bezpiecznego zachowania, a wolny je podnosi na wyższy poziom.

Historia migracji — co przenosi się pokładowo w latach 2026–2027

Trzy siły ściskają stronę pozapokładową: Thor wchodzi w masowe dostawy (2070 FP4 TFLOPS, 128 GB pamięci zunifikowanej, zakres 130 W — strukturalny skok względem Orina); efektywność VLM wciąż rośnie („wystarczająco dobry” VLM percepcyjny miał 70B+ w 2024 roku, ma 32B w 2026 i prawdopodobnie będzie miał 13B–20B w 2027); a dekodowanie spekulatywne z małymi modelami szkicującymi pozwala serwować jakość dużego modelu przy opóźnieniu małego.

Obciążenia, które najpewniej przeniosą się pokładowo w ciągu najbliższych 18 miesięcy: VLM sceny klasy 7B (już się przenosi), planer LLM 13B (Thor czyni go komfortowym), krótkokontekstowy łańcuch STT-LLM-TTS dla głosu, dostrojone dziedzinowo VLM-y 7B.

Obciążenia, które się nie przeniosą: cokolwiek 70B+, pamięć sceny w skali floty, trening i symulacja, fuzja VLM z wielu strumieni. Pozostaną poza pokładem co najmniej do końca 2027 roku. Przepustowość pamięci i moc baterii nie zmieniają się tak szybko.

Dwie konkretne konfiguracje

Pojedynczy G1 EDU, laboratorium badawcze. Pokładowy AGX Orin obsługuje ROS 2, YOLOv11-s przy 30 FPS, STT Whisper-distil oraz Qwen2.5-VL 7B INT4 przy 5–8 FPS (deliberatywnie). Pozapokładowe Kentino AI 96 (4× RTX 5090, 128 GB VRAM) uruchamia vLLM z Qwen2.5-VL 72B i Qwen2.5 32B w wersji tekstowej, pamięć sceny na pgvector oraz Isaac Sim na bezczynnych GPU.

Mała flota, 3 humanoidy, pokład klasy Thor. Każda jednostka wykorzystuje SoC wizyjny Hailo-15 do stale włączonej detekcji wielokamerowej, Whisper-small na urządzeniu oraz Qwen2.5-VL 32B INT4 przy 10–15 FPS — natywnie, już bez pracy na granicy. Pozapokładowe Kentino AI 256 (8× RTX 5090, 256 GB VRAM) hostuje współdzielone Qwen2.5-VL 72B i Llama-3.1 70B na potrzeby planowania, wspólny magazyn pgvector dla wszystkich trzech robotów oraz dwa GPU zarezerwowane na nocne dostrajanie LoRA.

Gdzie czyste wdrożenia jednowarstwowe faktycznie się sprawdzają

Czysty pokład sprawdza się w przypadku czworonogów o wąskim zadaniu (patrol obwodowy z YOLO i kamerą termowizyjną), robotów teleoperowanych (planerem jest operator, VLM nie uczestniczy w pętli), robotów demonstracyjnych i edukacyjnych z najmniejszymi modelami oraz każdego wdrożenia zupełnie pozbawionego sieci (inspekcje terenowe, lokalizacje odległe).

Czysta chmura sprawdza się w przypadku asystentów robotycznych wyłącznie głosowych, bez zamkniętej pętli percepcji, prototypów, w których szybkość uruchomienia przeważa nad wszystkim innym, oraz wdrożeń, w których dane i tak celowo trafiają do obciążenia chmurowego.

Hybryda jest odpowiedzią dla wszystkiego pomiędzy — czyli dla mniej więcej 90% poważnej robotyki w 2026 roku. Przy budowie czegokolwiek z percepcją opartą na VLM w pętli i tak powstaną obie warstwy. Warto to zaplanować od pierwszego dnia.

---

To część Kentino Wiki, serii referencyjnej o mocy obliczeniowej AI, robotyce i systemach, które je łączą. Komentarze i sprostowania prosimy kierować na adres info@kentino.com.