BrainChip, un’azienda di chip per l’intelligenza artificiale, ha lanciato il 29 ottobre 2026, secondo il suo comunicato, il kit AKD1500 per Raspberry Pi 5. Il Raspberry Pi 5 è un piccolo computer su scheda; il kit lo abbina a una scheda di BrainChip con un chip che l’azienda chiama “neuromorfico”, cioè ispirato al cervello.

Il kit serve, per BrainChip, a ingegneri, appassionati e squadre di prodotto che già lavorano su Raspberry Pi. Vogliono sviluppare programmi di intelligenza artificiale che girano sul dispositivo, senza un servizio online: in inglese, edge AI.

Secondo le specifiche di BrainChip riportate da Electronics For You, una rivista di elettronica, la scheda arriva fino a 800 GOPS, cioè 800 miliardi di operazioni al secondo, e consuma meno di 300 milliwatt, cioè meno di un terzo di watt. Il prezzo, secondo CNX Software, un sito di notizie sull’elettronica, è di 1.295 dollari.

Che cosa si compra, esattamente, con quei 1.295 dollari, e quanto di ciò che si promette è stato misurato da qualcuno che non lo vende?

Per rispondere ho messo in fila cinque cose: che cosa c’è nel kit, che cosa dichiara BrainChip, che cosa si può fare con quella potenza, che cosa costa e che cosa non si sa ancora.

Che cosa c’è nel kit?

Il kit, scrive CNX Software, comprende un Raspberry Pi 5 da 8 GB, la scheda di espansione ufficiale M.2 HAT+ e la scheda AKD1500 in un case di metallo, con una scheda SD da 32 GB già preparata con il software.

Sulla scheda SD ci sono Ubuntu Server 20.04 LTS, indicato come “TBC”, cioè da confermare, Python 3.7 e MetaTF. Ubuntu Server è un sistema operativo Linux per i server, Python è un linguaggio di programmazione e MetaTF è il software di sviluppo di BrainChip.

L’M.2 HAT+ è la scheda che aggiunge al Pi uno slot M.2, il formato delle schede di espansione veloci, come quelle dei dischi a stato solido. Su quello slot sta la scheda AKD1500. BrainChip la presenta come “event-based”. In generale, un chip event-based elabora gli eventi, cioè solo ciò che cambia nei dati, e non tutti i dati ogni volta.

Lo stesso formato M.2 l’ho usato per avviare un altro mini-computer da un disco veloce.

Il kit richiede anche una telecamera USB, invece del modulo camera del Raspberry Pi. L’elenco di CNX non la comprende, e la pagina non dice se sia inclusa.

Le demo, scrive CNX, si aprono dal browser e girano tutte sul dispositivo, senza un servizio online: riconoscimento della presenza di persone, di oggetti e di volti. Come la scheda tratti le immagini della telecamera, CNX non lo dice.

Chi ha già un Pi 5 con l’M.2 HAT+ può aggiungere solo la versione definitiva della scheda M.2, scrive BrainChip nel comunicato. Il kit, sempre secondo il comunicato, è disponibile subito dal negozio di BrainChip.

Che cosa dichiara BrainChip?

Secondo le specifiche di BrainChip riportate da Electronics For You, la scheda arriva fino a 800 GOPS, ha 1 MB (un megabyte) di memoria sul chip e lavora a velocità tra 5 e 400 megahertz, l’unità con cui si misura la velocità di un chip.

Sul consumo la stessa fonte dà due valori: meno di 300 milliwatt, e circa 250 milliwatt a 400 megahertz, la velocità più alta. Non si contraddicono: 250 è un valore a una velocità precisa, e 300 è il limite dichiarato. A che velocità valgano gli 800 GOPS, e a quali condizioni i 300 milliwatt, le pagine non lo dicono.

Electronics For You scrive “fino a” 800 GOPS e precisa che sono specifiche del produttore, non misure di un sistema Raspberry Pi completo, e che velocità e consumo reali dipenderanno da modello, risoluzione, carico di lavoro e sistema.

Il comunicato aggiunge tre cose:

  • Software: MetaTF, il software di sviluppo, è gratuito e si scarica dal Developer Hub di BrainChip.
  • Supporto: includerà immagini Docker, cioè software già configurato.
  • Apprendimento: il chip può imparare sul dispositivo nuove parole chiave, gesti o oggetti, senza rifare l’addestramento.

Che cosa si può fare con 800 GOPS?

Un’operazione, qui, è una somma o una moltiplicazione. Si trova anche TOPS, che vuol dire mille miliardi di operazioni al secondo: 800 GOPS sono 0,8 TOPS. Nei chip per l’intelligenza artificiale il dato è spesso un massimo teorico, e dice poco su quanto sia veloce un programma vero.

In teoria è abbastanza per riconoscere gli oggetti in un video a 30 fotogrammi al secondo. Per vederlo serve sapere quante operazioni chiede un programma.

MobileNetV2, un programma leggero che riconosce che cosa c’è in una foto, chiede, secondo i suoi autori, 300 milioni di moltiplicazioni-somme per foto: una moltiplicazione seguita da una somma conta come due operazioni, quindi sono 0,6 miliardi di operazioni.

Con 800 miliardi di operazioni al secondo si potrebbero fare circa 1.300 foto al secondo (800 diviso 0,6), in teoria.

Un programma che trova gli oggetti in un video, come YOLOv8n a 640 pixel, chiede 8,7 miliardi di operazioni per fotogramma, secondo la documentazione di Ultralytics: 800 diviso 8,7 fa circa 90 fotogrammi al secondo, in teoria. Un video a 30 fotogrammi al secondo ci starebbe con margine.

Il modello più grande, YOLOv8s, chiede 28,6 miliardi e sarebbe al limite. La documentazione parla di “FLOPs”: se sono moltiplicazioni-somme e non operazioni, i fotogrammi si dimezzano. L’ordine di grandezza resta qualche decina.

Sono massimi teorici: chip usato al 100%, nessun tempo per spostare i dati, nessun lavoro prima e dopo. Le demo di CNX, con persone, oggetti e volti, sono compiti dello stesso genere, ma CNX non dà né fotogrammi al secondo né consumi. Quali di questi programmi giri sul chip, e in quale versione, le fonti non lo dicono.

Quanto la teoria sia lontana dalla pratica lo mostrano i test di un altro produttore. Coral dichiara per il suo chip 4 TOPS e pubblica per MobileNetV2 un tempo misurato di 2,6 millisecondi: circa 385 foto al secondo.

La teoria ne darebbe circa 6.700 (4.000 miliardi diviso 0,6 miliardi): la misura è circa il 6%. Il confronto suppone che il modello usato da Coral richieda le stesse operazioni indicate dagli autori di MobileNetV2.

Per il kit di BrainChip nessuna fonte pubblica una misura analoga.

Sulle schede per Raspberry Pi i produttori dichiarano numeri più alti: 13 TOPS per l’AI HAT+ con il chip Hailo-8L e 26 con il chip Hailo-8, secondo CNX Software (24 ottobre 2024). Sono circa 16 e 32 volte gli 800 GOPS. Al lancio costavano 70 e 110 dollari, prima di tasse e spedizione.

Sono numeri dichiarati con modelli e condizioni diversi: non dicono quale scheda sia più veloce in pratica, né come si comporti BrainChip sugli stessi compiti.

Quanto costa il kit?

Il comunicato di BrainChip non indica un prezzo. I 1.295 dollari sono riportati da CNX Software, che rimanda alla pagina del kit nel negozio di BrainChip e li confronta con il costo dei pezzi che, nella sua stima, riproducono il kit:

  • Raspberry Pi 5 da 8 GB: 175 dollari di listino.
  • M.2 HAT+: 12 dollari.
  • Scheda AKD1500 M.2: 129 dollari.
  • Case di metallo: circa 11 dollari.
  • Scheda microSD da 32 GB: 10-20 dollari.

Sono circa 350 dollari, più tasse e spedizione, e circa due ore di montaggio e di installazione del software. Il kit costa quindi più di tre volte quella somma: 1.295 diviso circa 350 fa circa 3,7.

CNX scrive che comprare il kit può avere senso se un’ora del proprio lavoro vale più di circa 400 dollari, e che si tratta di un kit di sviluppo, non ottimizzato per il costo. Sono prezzi in dollari, come nelle fonti.

Per la scheda AKD1500 da sola le fonti danno due cifre che non riguardano per forza lo stesso modello: 129 dollari per la scheda M.2 nell’elenco di CNX, che non dice da dove vengano, e “da 99 dollari” per Electronics For You, il 22 settembre, che parla delle schede AKD1500 in generale (M.2, PCIe e altre varianti) e aggiunge che il costo finale dipende dalla variante, dalla spedizione, dal cambio e dalle dogane.

Che cosa non si sa ancora?

Le date non coincidono: BrainChip data il comunicato 29 ottobre, mentre HPCwire, che lo ripubblica, lo porta al 30. Non è una seconda fonte: è lo stesso testo.

Le prestazioni hanno una sola origine, il produttore. Mancano, per ora, misure del kit fatte da terzi.

Quando uscirà una prova di terzi, conviene guardare tre cose:

  • Velocità reale: quanto fa il kit su compiti reali, non il massimo in GOPS.
  • Consumo: quello dell’intero sistema, non solo della scheda.
  • Confronto: con altre schede per l’edge AI.

Non resta che vedere se, e quando, qualcuno misurerà il kit con un carico vero.

Fonti

Consultate il 2 novembre 2026. Segno il grado di ogni fonte: primaria (chi produce l’informazione), secondaria (chi la riporta o la analizza).

  1. BrainChip, comunicato “BrainChip launches AKD1500 Raspberry Pi 5 Kit giving developers a direct path from prototype to production”, 29 ottobre 2026. Primaria (il produttore). https://brainchip.com/press/brainchip-launches-akd1500-raspberry-pi-5-kit-giving-developers-a-direct-path-from-prototype-to-production/
  2. CNX Software, “BrainChip AKD1500 Raspberry Pi 5 dev kit enables users to quickly experiment with event-based neuromorphic AI”, 2 novembre 2026 (la pagina mostra anche il 1° novembre). Secondaria, indipendente dal produttore. https://www.cnx-software.com/2026/11/02/brainchip-akd1500-raspberry-pi-5-dev-kit-enables-users-to-quickly-experiment-with-event-based-neuromorphic-ai/
  3. Electronics For You, “Run your own AI models on BrainChip’s $99 Akida card”, 22 settembre 2026 (precedente al kit; parla delle schede AKD1500). Secondaria. https://www.electronicsforu.com/news/run-your-own-ai-models-on-brainchips-99-akida-card
  4. HPCwire, ripubblicazione del comunicato di BrainChip, 30 ottobre 2026. Non è una fonte indipendente. https://www.hpcwire.com/off-the-wire/brainchip-launches-akd1500-raspberry-pi-5-kit/
  5. Sandler et al., “MobileNetV2: Inverted Residuals and Linear Bottlenecks”, arXiv 1801.04381 (300 milioni di moltiplicazioni-somme, 224×224). Primaria (gli autori del modello). https://arxiv.org/abs/1801.04381
  6. Ultralytics, documentazione di YOLOv8, tabella dei modelli (8,7 e 28,6 miliardi di FLOPs a 640 pixel). Primaria (sul modello). https://docs.ultralytics.com/models/yolov8/
  7. Coral, FAQ (4 TOPS) e pagina dei benchmark (tempi misurati dal produttore). Primaria. https://coral.ai/docs/edgetpu/faq/ e https://coral.ai/docs/edgetpu/benchmarks/
  8. CNX Software, “Raspberry Pi AI HAT+ features Hailo-8L or Hailo-8 AI accelerator with up to 26 TOPS of performance”, 24 ottobre 2024 (13 e 26 TOPS; 70 e 110 dollari). Secondaria. https://www.cnx-software.com/2024/10/24/raspberry-pi-ai-hat-plus-features-hailo-8l-or-hailo-8-ai-accelerator-with-up-to-26-tops-of-performance/