Tria Technologies: moduli embedded di nuova generazione tra AI, edge computing e design compatto

Daniel Denzler,
Senior Director, Business Line Management for Boards and Systems,
Tria Technologies

Nel panorama dell’elettronica embedded, caratterizzato da un’evoluzione sempre più rapida e da un forte consolidamento delle tecnologie di calcolo, il ruolo delle aziende capaci di anticipare i trend e guidare l’innovazione è fondamentale. In questo contesto, Boris Landoni, Direttore Responsabile di Elettronica In PRO, ha avuto l’opportunità di intervistare Daniel Denzler, Senior Director, Business Line Management for Boards and Systems di Tria Technologies. Tria rappresenta una realtà emergente ma con solide radici, nata dal rebranding di Avnet Embedded, con l’obiettivo di distinguersi sul mercato non solo come partner nella distribuzione, ma soprattutto come protagonista nella progettazione e produzione di soluzioni hardware ad alte prestazioni.

Durante la conversazione, sono stati affrontati i temi chiave che definiscono l’attuale scenario tecnologico: dal passaggio progressivo da architetture x86 a soluzioni ARM, al ruolo cruciale dell’intelligenza artificiale nell’edge computing, fino alle sfide legate alla miniaturizzazione dei moduli e alla necessità di garantire affidabilità e disponibilità a lungo termine nei contesti industriali. Denzler ha condiviso la visione strategica di Tria, spiegando come l’azienda stia investendo su piattaforme di ultima generazione, grazie a partnership con player globali come Intel, AMD, Qualcomm, NXP e Renesas, per offrire soluzioni capaci di rispondere alle esigenze di un mercato in continua trasformazione.

L’intervista mette in luce non solo l’approccio tecnologico e ingegneristico di Tria, ma anche la capacità dell’azienda di accompagnare i clienti lungo tutto il ciclo di vita del prodotto: dalla progettazione hardware alla personalizzazione del software, fino al supporto per la gestione della longevità dei sistemi. Una visione che integra innovazione, modularità e attenzione alle applicazioni reali, con esempi concreti che spaziano dalla robotica al controllo industriale, dai sistemi medicali fino alla mobilità intelligente. Un’occasione preziosa per capire meglio come si sta ridefinendo il futuro dell’embedded computing e quale sarà il ruolo di Tria in questo scenario.

1. Boris Landoni: Tria è emersa dal rebranding di Avnet Embedded. Quali erano i principali obiettivi strategici alla base di questa trasformazione e come si riflettono nel vostro attuale portfolio di prodotti?

   Daniel Denzler: Essere conosciuti come Avnet Embedded ha spesso portato a confusione sulle nostre capacità come produttore, perché il nome Avnet è associato alla distribuzione. Il nuovo marchio ci ha aiutato a differenziarci sul mercato e a evidenziare ai clienti il forte investimento fatto per espandere il nostro portfolio sotto il marchio Tria.

   Di recente abbiamo annunciato la collaborazione con Qualcomm su nuovi moduli presentati a Embedded World 2025, quale altro importante investimento. Guardando al futuro, Tria prevede di introdurre cinque nuovi prodotti nei prossimi due anni, e questo sarà un settore in cui si vedrà un enorme interesse a causa del passaggio da x86 ad ARM; in particolare a causa del divario tra le prestazioni x86 e le attuali prestazioni ARM. Stiamo attingendo alle migliori capacità di elaborazione del settore per migliorare la nostra offerta ai clienti e soddisfare le mutevoli esigenze del mercato embedded. Ciò si riflette anche nelle partnership di Tria con NXP, Intel, Renesas e altri.

2. Boris Landoni: A Embedded World 2025, avete presentato moduli basati su architetture Intel, AMD e Qualcomm. Come gestite questa diversità e quali criteri guidano la selezione di una piattaforma specifica per diversi domini di applicazione?

   Daniel Denzler: Gestiamo questa diversità attraverso team di R&D specializzati, principalmente nella sede in Germania e in tutta l’UE, nonché a livello globale. Ogni team è dedicato a una specifica piattaforma tecnologica, che ci consente di costruire una profonda competenza sulle architetture x86 e ARM. Molti dei nostri clienti decidono quali tecnologie si adattano meglio alle loro esigenze, tuttavia, altri si impegnano in discussioni più aperte sulle loro vulnerabilità, aspirazioni e rispettive esigenze. Questo ci consente di fornire la soluzione migliore e consigliare loro quale tecnologia è più adatta al loro progetto. Questo viene fornito su misura, caso per caso, perché nessuna soluzione singola si adatta a tutti.

   Da parte nostra, esaminiamo attentamente le roadmap dei nostri fornitori per selezionare i processori di nuova generazione che meglio si adattano alle esigenze dei nostri clienti. Ciò include criteri come l’elaborazione e le prestazioni dell’AI, le capacità di I/O, il supporto per l’intervallo di temperatura industriale, la dissipazione di potenza e la longevità.

3. Boris Landoni: Il modulo HMM RLP è il vostro primo prodotto con fattore di forma COM HPC Mini. Quali sono state le maggiori sfide ingegneristiche per fornire prestazioni elevate in un ingombro così compatto e cosa distingue questo modulo per i progettisti di sistemi integrati?

   Daniel Denzler: Il design del TRIA HMM RLP si basa sul TRIA C6C RLP, una scheda COM Express con un fattore di forma compatto di 95 x 95 mm, azionata da un processore Intel di 13ª generazione.

   Abbiamo preso questo come punto di partenza per il design del COM HPC Mini e volevamo mantenere il maggior numero possibile di funzionalità del TRIA C6C RLP, ma con il COM HPC Mini che misura solo 95 x 70 mm, il layout era una sfida. I nostri ingegneri hanno dovuto adattare tutti i componenti necessari assicurandosi che i requisiti di integrità del segnale delle interfacce ad alta velocità fossero soddisfatti. È stato necessario tenere d’occhio il concetto di raffreddamento poiché lo spazio ridotto aumenta la densità di potenza.

   Avendo dimensioni simili, rispetto ad altri moduli compatti, come i moduli COM Express Type 10 e SMARC, il TRIA HMM-RLP offre un nuovo livello di prestazioni e una connettività I/O e una larghezza di banda molto più elevate. Ciò lo rende ideale per progetti di sistemi che non possono allocare molto spazio per il modulo di elaborazione, ma che necessitano comunque di prestazioni rivoluzionarie.

4. Boris Landoni: Il modulo C6C RYZ8, alimentato da AMD Ryzen Embedded 8000 e dotato di grafica XDNA NPU e RDNA3, si rivolge all’AI edge avanzata. In che modo queste tecnologie si traducono in miglioramenti delle prestazioni nel mondo reale per applicazioni esigenti?

   Daniel Denzler: Molti dei nostri clienti stanno sviluppando prodotti basati su un modulo di calcolo abbinato a una scheda acceleratrice GPU esterna.

   Se da un verso, questo approccio offre prestazioni eccellenti per l’esecuzione di modelli di intelligenza artificiale e applicazioni grafiche impegnative, dall’altro le schede GPU in genere non sono progettate per i requisiti del ciclo di vita di ambienti difficili, come le applicazioni industriali. E certamente, la scheda aggiunge costi, potenza e requisiti di spazio alla soluzione di sistema.

   Per il momento, le soluzioni esterne supereranno le soluzioni basate su processore nelle applicazioni di intelligenza artificiale. Tuttavia, aggiungendo più potenza GPU e motori AI dedicati nei processori, diventano più competitivi e sono adatti per consentire soluzioni AI convenienti. Fortunatamente, la serie AMD Ryzen Embedded 8000 offre una soluzione convincente a questo problema. Grazie alla potente unità di elaborazione neurale (NPU) integrata e alla GPU, è in grado di fornire un aumento significativo delle prestazioni, in particolare per le applicazioni incentrate sull’intelligenza artificiale, mantenendo al contempo un consumo energetico e un impatto termico gestibili.

   La NPU fornisce fino a 16 TOP, mentre l’insieme degli elementi di elaborazione (CPU+NPU+GPU) è in grado di supportare fino a 39 TOP di prestazioni AI. In molti casi, funge da alternativa completamente integrata a una GPU esterna, offrendo inferenze AI a bassa latenza ed efficienza energetica.

5. Boris Landoni: Avete lanciato cinque nuove famiglie di prodotti integrati basati sulle piattaforme Dragonwing e Snapdragon X Elite di Qualcomm. Potete spiegare in che modo queste famiglie differiscono tra loro e come sono posizionate nei vari segmenti di mercato?

   Daniel Denzler: Ciascuna delle nuove famiglie di prodotti integrati Tria sfrutta le piattaforme Dragonwing e Snapdragon X Elite di Qualcomm, basate su ARM e ad alte prestazioni, ma si differenziano per fattore di forma, classe di prestazioni e applicazione di destinazione.

   Andando al nocciolo della questione, Fondamentalmente, questi moduli offrono accelerazione AI avanzata, basso consumo energetico e ampia compatibilità con i sistemi operativi, inclusi Linux e ora anche Windows su ARM, rendendoli ideali per un’ampia gamma di applicazioni edge. Tuttavia, nonostante queste somiglianze, esistono anche alcune differenze:

   • I moduli entry-level, come l’IQ-615 disponibile su OSM e SMARC, sono incentrati su nodi periferici a bassissimo consumo energetico, ideali per l’agricoltura e i sistemi di monitoraggio remoto in cui l’efficienza e le dimensioni sono fondamentali.
   • Le famiglie di fascia media, come QCS-6490 e IQ-9100, supportano carichi di lavoro più complessi nei dispositivi medici e nei sistemi di controllo industriale, bilanciando prestazioni e potenza.
   • Le varianti ad alte prestazioni, dotate di Snapdragon X Elite su COM Express o COM HPC, sono destinate ad applicazioni di intelligenza artificiale e robotica edge ad alta intensità di calcolo, dove la compatibilità con Windows e la reattività in tempo reale sono fondamentali.

   Differenziazione del fattore di forma: aiuta i clienti a scegliere in base alle esigenze di integrazione, sia che necessitino di scalabilità modulare o di ingombro ultracompatto per progetti con spazi limitati.

   Questa gamma diversificata consente a Tria di servire settori che vanno dall’automazione industriale e dall’edilizia alla sanità e alla mobilità intelligente, con ogni famiglia ottimizzata per soddisfare le esigenze di prestazioni, connettività e longevità del proprio specifico dominio.

6. Boris Landoni: Durante l’evento, avete presentato diverse demo, come un assistente di stand intelligente basato su AMD e un sistema di controllo integrato nel veicolo con NXP. In che modo questi scenari reali dimostrano le capacità dei vostri moduli più recenti?

   Daniel Denzler: Lo smart booth assistant AMD dimostra la capacità di eseguire modelli di AI pratici all’avanguardia invece di affidarsi a una connettività cloud costante, insieme a un consumo energetico ottimale e una gestione termica. Questo è importante per le applicazioni mission-critical che richiedono un’elevata potenza di elaborazione, dove la connessione di rete non è sempre possibile o dove è necessaria la resilienza per compensare il potenziale impatto di interruzioni periodiche della rete. Inoltre, questo approccio consente di eseguire il modello di AI in un ambiente controllato, dedicato al compito per cui è stato progettato, evitando anche gli effetti di latenza causati dalle lunghe distanze dai server.

   Il sistema di controllo integrato nel veicolo ha dimostrato la capacità di eseguire un’applicazione 24 ore su 24, 7 giorni su 7, in un ambiente difficile, caratterizzato da elevate vibrazioni, ampi intervalli di temperatura e umidità e alta luminosità. La capacità di costruire non solo il modulo, ma un sistema completo attorno ad esso, perfettamente adatto all’applicazione, dimostra il nostro know-how e la nostra capacità di risolvere i problemi in ambienti difficili.

7. Boris Landoni: Con l’accelerazione dell’AI che diventa una caratteristica fondamentale dei vostri nuovi moduli, quali sono le sfide più grandi che i vostri clienti devono affrontare nell’implementazione dell’edge AI e in che modo Tria li supporta in questo processo?

   Daniel Denzler: Una delle sfide più grandi che i nostri clienti devono affrontare nell’implementazione dell’AI edge è gestire la complessità del passaggio dei modelli di AI dallo sviluppo all’esecuzione efficiente nel mondo reale su hardware integrato. Ciò include non solo garantire prestazioni e precisione, ma anche affrontare i vincoli hardware, l’efficienza energetica e le toolchain specifiche della piattaforma.

   L’esecuzione di modelli di intelligenza artificiale su dispositivi integrati, come quelli alimentati da processori Qualcomm o NXP, comporta in genere l’utilizzo della NPU, scaricando l’inferenza della rete neurale dalla CPU o dalla GPU alla NPU. I dispositivi ottengono prestazioni significativamente migliori e un consumo energetico inferiore, fondamentale in ambienti integrati alimentati a batteria o con risorse limitate. Tuttavia, l’utilizzo di una NPU presenta due sfide principali:

   • Quantizzazione: ridurre la precisione dei pesi del modello (ad esempio, da 32 bit floating point a 8 bit interi) può influire leggermente sulla precisione, ma consente al modello di funzionare in modo efficiente sull’NPU. In alcuni casi può essere complesso e richiedere il riaddestramento del modello con pesi quantizzati. Grazie alla nostra esperienza, possiamo aiutare i clienti a quantizzare con successo mantenendo un forte equilibrio tra prestazioni e precisione.
   • Ottimizzazione del modello: alcune operazioni disponibili sulle GPU NVIDIA potrebbero non essere supportate dalle NPU. Questo richiede la sostituzione strategica di alcuni operatori per adattarsi al set di istruzioni del processore di destinazione. È una sfida tecnica che, grazie alla nostra esperienza, possiamo aiutare i clienti ad affrontare con successo.

   Grazie alla nostra esperienza con una vasta gamma di casi d’uso dell’AI, dalla produzione intelligente ai dispositivi medici, offriamo non solo supporto tecnico, ma una partnership completa dall’inizio alla fine, per accelerare il time to market e ridurre i rischi di implementazione.

8. Boris Landoni: Oltre all’hardware, quali strumenti e servizi fornisce Tria per semplificare l’integrazione dei moduli nei sistemi dei clienti, in particolare per quanto riguarda lo sviluppo del software e la gestione del ciclo di vita a lungo termine?

   Daniel Denzler: I nostri team specializzati, in ciascuna delle nostre otto sedi principali, si occupano principalmente della personalizzazione di BIOS, firmware e sistemi operativi. Collaboriamo con OEM e progettisti di soluzioni per garantire che l’hardware funzioni in modo ottimale per l’attività desiderata. Siamo in grado di supportare i clienti con soluzioni personalizzate, combinando hardware con software e servizi disponibili sul mercato.

   Abbiamo le competenze interne per farlo, ma collaboriamo anche con partner specializzati che possono fornire ulteriore supporto attraverso di noi come unico punto di contatto. Ad esempio, collaboriamo con Witekio e Qt per soddisfare i requisiti di software multipiattaforma. Inoltre, Tria fornisce licenze/supporto Microsoft Windows e Azure in blocco per gli OEM che desiderano creare prodotti utilizzando Windows come sistema operativo integrato.

9. Boris Landoni: La disponibilità a lungo termine è fondamentale negli ambienti industriali. In che modo Tria garantisce la longevità del prodotto e supporta percorsi di aggiornamento fluidi per le future generazioni di elaborazione?

   Daniel Denzler: I nostri moduli standard sono progettati e costruiti attorno al concetto di modularità. Inserendo gli elementi di calcolo complessi su un modulo standard con I/O, alimentazione e altri elementi sulla scheda base, consentiamo agli OEM di estendere la durata del prodotto finale rendendo i componenti complessi sostituibili senza la necessità di saldature o riprogettazioni complete.

   Grazie a questo approccio, un OEM può realizzare diverse versioni del proprio prodotto variando potenza o funzionalità a seconda del modulo scelto. Gli aggiornamenti futuri, come il passaggio da x86 ad ARM, possono avvenire semplicemente sostituendo il modulo senza dover ridisegnare l’intero sistema. Il nostro team software garantisce che il sistema operativo e le applicazioni funzionino senza problemi tra diversi moduli, senza modifiche al codice.

   La maggior parte dei nostri moduli si basa su standard aperti come SMARC, COM Express, OSM, ecc., garantendo percorsi di sviluppo chiari e facili. Tutti i moduli sono pensati per applicazioni industriali, con disponibilità oltre i 10 anni dal lancio del processore, includendo anche servizi software aggiuntivi. Molti progetti dei nostri clienti prevedono supporto che si estende per diversi decenni.

10. Boris Landoni: Guardando al futuro, quali tendenze vedete plasmare il panorama dell’informatica integrata, e come si sta preparando Tria a rimanere in prima linea nell’innovazione in questo mercato in rapida evoluzione?

    Daniel Denzler: Se guardiamo al mercato embedded oggi, è frammentato: per noi è un’opportunità di consolidamento per rimanere in testa. Ci aspettiamo uno scenario simile a quello visto nei semiconduttori, dove solo i player molto grandi o molto specializzati restano competitivi. Qui possiamo sfruttare la forza e la portata del marchio Avnet come fattore chiave per affrontare un mercato in rapida evoluzione.

    Le tendenze principali sono l’intelligenza artificiale e l’edge computing. I sistemi in grado di analizzare grandi volumi di dati localmente saranno sempre più richiesti, soprattutto in ambiti come l’automazione industriale con robotica e monitoraggio in tempo reale. Prevediamo inoltre che il machine learning guiderà la domanda, portando i sensori e l’elaborazione dati sempre più vicino all’edge.

    Avranno successo quelle aziende capaci di unire lungimiranza, stabilità ed esperienza, aiutando i clienti a trovare percorsi rapidi e senza compromessi per raggiungere i propri obiettivi. È qui che Tria eccelle: grazie ai forti rapporti con i partner e al lavoro a stretto contatto con i clienti, siamo pronti a sviluppare prodotti innovativi che soddisfano le esigenze di un settore in evoluzione costante.