DLAP-8100-Serie: AI-Workstations mit Intel Core i9/i7/i5/i3-Prozessoren für die Industrie

Angebot anfordern
Produkteigenschaften
  • Edge-AI-Workstations mit Intel Core i9/i7/i5/i3-Prozessoren (14./13/12. Gen.)
  • Intel R680E Chipsatz
  • NVIDIA Qualified System, unterstützt FHFL GPUs: NVIDIA RTX 6000 ADA, RTX 5000 ADA, RTX 4000 ADA
  • Bis zu 196 GByte DDR5 RAM (4x SO-DIMM)
  • Schnittstellen: 4x USB 3.2 Gen 2, 2x USB 3.2 Gen 1 (alle Typ A), 2x HDMI. 2x DisplayPort (DP++, zusätzlich 4x über GPU), 3x 2.5 GBit LAN (unterstützt TSN, 1x mit vPro Support), 2x RS-232/422/485 / 2x RS-232
  • Erweiterbar über 1x M.2 2230 Key E (PCIe Gen3 x 1), 1x M.2 3042/3052 Key B (PCIe Gen3 x1 / USB3), 1x M.2 2280 Key M, NVMe/SATA (PCIe Gen3 x4 / SATA)
  • Storage: 4× SATA für 2,5" SSDs (external swappable trays, 3x SATA III, 1x USB-to-SATA)
  • On-board TPM 2.0
  • Betriebstemperaturbereich: -20°C bis +60°C (ohne PEG-Card, -20°C bis +50°C im lüfterlosen Betrieb)
  • Eingangsspannung: 100V - 240V AC, 1000 Watt Stromversorgung integriert
  • Betriebssystem: Windows® 10/11 IoT Enterprise, Ubuntu Linux 22.04
  • Für die Wandmontage geeignet – Halterung als Zubehör erhältlich

Die Adlink DLAP-8100-Serie ist eine erweiterbare Edge-AI-Plattform, die als NVIDIA Qualified System und mit Intel Core Prozessoren der 14./13./12. Generation i9/i7/i5/i3 für anspruchsvolle AI-Inference- und Trainingsanwendungen geeignet ist. Dazu unterstützen die Workstations NVIDIA RTX GPUs über PCIe Gen4 x16 und ermöglicht mit bis zu 196 GByte DDR5-RAM enormen Arbeitsspeicher für datenintensive AI-Modelle. Zur flexiblen Integration in industrielle Umgebungen bietet die DLAP-8100-Serie Schnittstellen wie 2x DP (plus 4x über GPU), 2x HDMI, 3x 2.5 GBit Ethernet mit TSN-Support (1x mit Unterstützung für vPro), 4x USB 3.2 und 2x USB 3.1, 4x COM und 8x digitale I/Os. Für Erweiterungen stehen 1x M.2 2230 Key E (PCIe Gen3 x 1), 1x M.2 3042/3052 Key B (PCIe Gen3 x1 / USB3) und 1x M.2 2280 Key M, NVMe/SATA (PCIe Gen3 x4 / SATA) zur Verfügung. Bis zu 4x hot-swappable 2.5" SATA Einschübe für SSD’s mit Unterstützung für Raid 0/1/5/10 gewährleisten hohe Speicherkapazität und Datensicherheit.

Die DLAP-8100-Serie ist ideal geeignet für Computer-Vision, Generative AI und Robotik-Applikationen mit Verwendung von NVIDIA GPUs. Die Industrie-PCs sind für den dauerhaften Einsatz konzipiert und sorgen mit einem Betriebstemperaturbereich von -20°C bis +60°C (ohne PEG-Card, bis +50°C im lüfterlosen Betrieb) und der integrierten 1000 Watt Stromversorgung (100V - 240V AC) für ein Maximum an Zuverlässigkeit. Als Betriebssystem unterstützen sie Windows 11/10 IoT Enterprise und Ubuntu 22.04.

Produkteigenschaften:

  • Edge-AI-Workstations mit Intel Core i9/i7/i5/i3-Prozessoren (14./13/12. Gen.)
  • Intel R680E Chipsatz
  • NVIDIA Qualified System, unterstützt FHFL GPUs: NVIDIA RTX 6000 ADA, RTX 5000 ADA, RTX 4000 ADA
  • Bis zu 196 GByte DDR5 RAM (4x SO-DIMM)
  • Schnittstellen: 4x USB 3.2 Gen 2, 2x USB 3.2 Gen 1 (alle Typ A), 2x HDMI. 2x DisplayPort (DP++, zusätzlich 4x über GPU), 3x 2.5 GBit LAN (unterstützt TSN, 1x mit vPro Support), 2x RS-232/422/485 / 2x RS-232
  • Erweiterbar über 1x M.2 2230 Key E (PCIe Gen3 x 1), 1x M.2 3042/3052 Key B (PCIe Gen3 x1 / USB3), 1x M.2 2280 Key M, NVMe/SATA (PCIe Gen3 x4 / SATA)
  • Storage: 4× SATA für 2,5" SSDs (external swappable trays, 3x SATA III, 1x USB-to-SATA)
  • On-board TPM 2.0
  • Betriebstemperaturbereich: -20°C bis +60°C (ohne PEG-Card, -20°C bis +50°C im lüfterlosen Betrieb)
  • Eingangsspannung: 100V - 240V AC, 1000 Watt Stromversorgung integriert
  • Betriebssystem: Windows® 10/11 IoT Enterprise, Ubuntu Linux 22.04
  • Für die Wandmontage geeignet – Halterung als Zubehör erhältlich

Die Modelle im Überblick: 

  DLAP-8107RF/
M64G/S512G/RTX4000ADA
DLAP-8109RF/
M64G/S2TB/RTX6000ADA
DLAP-8109R/
M32G
DLAP-8107R/
M32G
DLAP-8105R/
M32G
DLAP-8107R/
M32G/S256G
CPU i7-14700 i9-14900 i9-13900E i7-13700E i5-13500E i7-13700E
Memory 64GB 64GB 32GB 32GB 32GB 32GB
Speicher 512GB SSD 2TB SSD 256GB SSD
GPU RTX 4000 ADA RTX 6000 ADA
DP 2 + 4 (GPU) 2 + 4 (GPU) 2 2 2 2