ARM-"Workstation" soll (Linux-)Entwicklern helfen
ARM hat Entwicklerprogramme aufgelegt, um Software und Treiber für ARM-Hardware voranzubringen. Dazu gehören auch Hardware-Plattformen wie der Raspberryi Pi 4.
ARM-Entwicklerboard SolidRun HoneyComb LX2K
(Bild: SolidRun)
ARM will Programmierer und Hardware-Entwickler besser unterstützen, um das Ökosystem rund um ARM-Prozessoren für Server, Client-Rechner und IoT-Geräte rascher zu vergrößern. Auf der laufenden Entwicklerkonferenz ARM DevSummit stellt ARM dazu das erweiterte Web-Portal ARM Developer vor sowie ARM SystemReady, eine Sammlung von Spezifikationen und von Zertifizierungsprogrammen für ARM-Hardware.
ARM SystemReady baut auf dem Programm ARM ServerReady auf, das nun umbenannt wurde in ARM SystemReady SR. Dazu gehören etwa die 2014 vorgestellte Server Base System Architecture (SBSA), die auf UEFI und ACPI setzt, sowie etwa die Server Base Boot Requirements (SBBR). Eine UEFI-Firmware für den Raspberry Pi 4 setzt solche Spezifikationen um.
ARM-"Workstation"
Die Firma SolidRun wiederum offeriert für 750 US-Dollar das Mini-ITX-Board HoneyComb LX2K, auf dem ein COM-Express-7-Modul mit dem ARM-Chip NXP Layerscape LX2160A sitzt. Dieser enthält 16 Cortex-A72-Kerne sowie zahlreiche Schnittstellen wie PCI Express 3.0, USB 3.0 und SATA 6G. Das HoneyComb LX2K lässt sich mit zwei DDR4-SODIMMs auf bis zu 64 GByte RAM erweitern. In den hinten offenen PCIe-x8-Slot passen auch x16-Karten.
Als Entwicklersysteme werden auch ARM-Notebooks genannt; dort findet sich etwa eine Anleitung, wie man Ubuntu auf dem Lenovo Yoga C630 mit Qualcomm Snapdragon 850 installiert.
Speziell auf Server zielt der ARM-Developer-Bereich "Infrastructure". Hier bündelt ARM Informationen zu den bisher etwa auch in der Cloud zugänglichen Systemen mit Prozessoren von Ampere, Marvell und Amazon. Vor allem auf Cloud-Server zielt die Webseite "Works on ARM".
KI-Projekte
Auch der Raspberry Pi 4 ist ARM-SystemReady-zertifiziert und es finden sich zahlreiche Anleitungen, bei denen er zum Einsatz kommt, etwa bei ersten Schritten mit dem Streamline Performance Analyzer.
ARM hebt auch KI-Projekte hervor: Etwa eines, das Hundegeräusche in der Coogle-Cloud auswertet (Dog Mood Detector). Das Pico Project wiederum verbindet den RPi4 als intelligente Webcam mit einem Docker-Container in der Amazon-Cloud AWS EC2, wo die Webcam-Bilder per KI ausgewertet werden.
Empfohlener redaktioneller Inhalt
Mit Ihrer Zustimmmung wird hier ein externer Preisvergleich (heise Preisvergleich) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (heise Preisvergleich) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.
(ciw)
