Keskeinen muutos ei ole itse arkkitehtuuri, vaan sen sovittaminen teolliseen käyttöön. Samat elementit, joilla Core Ultra -sarja markkinoitiin läppäreihin, kuten NPU-kiihdytetty tekoälylaskenta, GPU:n hyödyntäminen ja usean kuorman rinnakkaisajo, tuodaan nyt ympäristöihin, joissa laitteiden on kestettävä jatkuvaa rasitusta, tärinää ja suuria lämpötilavaihteluita.
Suorituskykyä kuvataan jopa 180 TOPSin kokonaislukuna, mutta kuten läppäripuolellakin, luku yhdistää CPU:n, GPU:n ja NPU:n kapasiteetin. Ilman tarkempaa kontekstia se ei kerro suoraan, millaiseen käytännön AI-suorituskykyyn päästään esimerkiksi passiivisesti jäähdytetyssä teollisuuslaitteessa. NPU:n osuudeksi ilmoitetaan enimmillään 50 TOPS, mikä viittaa siihen, että painopiste on nimenomaan energiatehokkaassa inferenssissä eikä raskaassa mallien koulutuksessa.
Moduulitasolla tarjolla on useita korttivaihtoehtoja COM-HPC:stä COM Expressiin, mikä mahdollistaa sekä uusien järjestelmien suunnittelun että vanhojen päivityksen. Erityisesti rugged-versioissa huomio kiinnittyy yksityiskohtiin, kuten komponenttivalintoihin, pinnoitteisiin ja mekaanisiin ratkaisuihin. Esimerkiksi ruuvilukittu LPCAMM2-muisti kertoo siitä, että suunnittelu tähtää oikeasti kenttäolosuhteisiin, ei pelkkään speksilistaan.
Ohjelmistopuolella sama alusta pyritään hyödyntämään mahdollisimman laajasti. Tuki ulottuu Windowsista Linux-jakeluihin ja teollisiin käyttöjärjestelmiin, ja virtualisointiratkaisuilla voidaan ajaa samalla laitteella esimerkiksi reaaliaikaohjausta, käyttöliittymää ja AI-pohjaista analytiikkaa. Tämä vastaa suoraan teollisen edge-laskennan kehityssuuntaa, jossa useita erillisiä järjestelmiä yhdistetään yhdeksi alustaksi.
Kokonaisuutena kyse ei ole läpimurrosta vaan loogisesta laajennuksesta. Intelin Core Ultra -sarjan suurin lupaus on ollut paikallinen tekoäly ja hyvä suorituskyky per watti. Nyt testiin joutuu se, kuinka hyvin sama konsepti toimii ympäristöissä, joissa jäähdytys, luotettavuus ja elinkaarivaatimukset rajoittavat käytännön suorituskykyä enemmän kuin yksittäinen TOPS-luku.
Tekoälyn siirtyminen pilvestä laitteisiin nostaa esiin uuden vaatimuksen: suorituskyky ei synny pelkästä raudasta tai ohjelmistosta, vaan niiden yhteispelistä. Sulautetussa AI:ssa laitteistoarkkitehtuuri ja mallien optimointi ratkaisevat, kuinka paljon laskentaa voidaan tuoda paikallisesti ilman pilviyhteyttä.
