谷歌Coral mPCIe和M.2卡待售，新Coral Dev Board Mini和模块将于2020年推出

谷歌推出Coral开发板和USB加速器去年与Google Edge TPU合作。开发板由基板和Coral系统模块组成，模块带有NXP i.MX 8M四核Arm Cortex-A53处理器和Edge TPU。

此后，华硕宣布修补边T和CR1S-CM-A SBC基于Coral模块，昨天，我注意到Seeed Studio开始使用Google Edge TPU销售mPCIe和M.2 AI加速卡，而今天，Google宣布即将推出的珊瑚产品2020年。

Coral迷你PCIe和M.2加速器

Coral Mini PCIe卡规格：

• 带有PCIe Gen2 x1的半迷你PCIe卡
• 电源电压–3.3VDC+/-10%
• 尺寸–30.00 x 26.80 x 2.55毫米
• 重量–3.6克
• 温度范围-储存：-40~85°C；工作温度：-20~70°C
• 相对湿度–0~100%（非冷凝）
• Op冲击–100克，11毫秒（持续）；1000克，0.5毫秒（应力）；1000克，1.0毫秒（应力）
• 操作振动（随机）–0.5 Grms，5–500 Hz（持续）；3个GRM，5–800 Hz（应力）
• 操作振动（正弦）–0.5 Grms，5–500 Hz（持续）；3个GRM，5–800 Hz（应力）

Coral M.2加速器规格：

• 带有PCIe Gen2 x1的M.2卡
• 电源电压–3.3V+/-10%
• 尺寸和重量
  • B+M键–22.00 x 80.00 x 2.35毫米5.8克
  • A+E键–22.00 x 30.00 x 2.35毫米| 3.1克
• 温度范围–储存–40~85°C；工作温度：-20~70°C
• 相对湿度-0~100%（非冷凝）
• Op休克–100克，11毫秒（持续）；1000克，0.5毫秒（应力）；1000克，1.0毫秒（应力）
• Op-vibe(随机)- 0.5 Grms, 5 - 500hz(持久);3 Grms, 5 - 800hz(压力)
• 操作振动（正弦）–0.5 Grms，5–500 Hz（持续）；3个GRM，5–800 Hz（应力）

这些卡允许您添加Google Edge TPU，以加速任何x86或Arm迷你PC、SBC或带有mPCIe或M.2插槽的网关的AI工作负载（最多4个TOP，0.5瓦/台）。

所有三个Edge TPU卡都是可预购34.99美元on Seeed Studio计划于2020年2月中旬交付，我注意到该公司也在接受原Coral Edge SoM的订单，价格为114.99美元。

2020年珊瑚产品

珊瑚加速器模块

今年晚些时候推出的第一款新Coral产品是一款15×10毫米的小型Coral加速器模块（120针LGA）这公开了PCIe和USB接口，便于与各种处理器和PCB设计进行集成。谷歌与Murata合作生产了该模块，该模块将在该公司2020年消费电子展的展位上展示。Coral加速器模块将于2020年上半年推出。请访问产品页更多细节。

珊瑚发展委员会

利用Coral加速器模块的第一块板将是Coral Dev board Mini，规格如下：

• SoC–联发科8167s四核Arm Cortex-A35处理器，配备想象PowerVR GE8300 GPU
• ML加速器–Google Edge TPU协处理器（在Coral加速器模块中）
• 系统内存–2 GB DDR3L RAM
• 存储–8GB eMMC闪存
• 连接–Wi-Fi 5 802.11a/b/g/n/ac、蓝牙5.0
• 视频输出
  • micro HDMI 1.4端口
  • 用于4通道MIPI-DSI显示器的39针FFC接头
• 视频–720P视频编码/解码
• 音频–3.5毫米音频插孔；数字PDM麦克风；2.54毫米2针扬声器终端；
• 摄像头–用于4车道MIPI-CSI2摄像头的24针FFC接头
• USB–2个USB 2.0 C型端口
• 扩展–40针GPIO头

该板是原Coral Dev板的低成本版本，具有更小的外形尺寸，以及替代NXP i.MX 8M SoC的更便宜的联发科处理器。该董事会也将于2020年上半年推出，价格有望低于100美元（Coral Dev董事会目前售价为150美元及以上）。您可以在产品页.

Coral SoM可获得高达4GB的RAM

模块上的第一个Coral系统附带1GB LPDDR4 RAM，谷歌将很快提供2GB和4GB LPDDR4 RAM版本，这将有助于某些应用程序和人员尝试直接在板上构建包.

上述任何新产品都没有对Edge TPU进行任何更改，它仍然提供4个TOP，支持TensorFlow Lite以及AutoML Vision Edge，以构建和部署快速、高精度的自定义图像分类模型。