Am 8. Oktober, Dienstag Ortszeit, gab Qualcomm die Übernahme des italienischen Open-Source-Hardware- und Softwareunternehmens Arduino bekannt, um sein Robotik- und IoT-Entwicklungsökosystem weiter zu vertiefen und seine Entwicklerstrategie in den Bereichen Edge Computing und künstliche Intelligenz (KI) zu beschleunigen.

Diese Übernahme ermöglicht es Qualcomm, Entwickler, Hersteller und kleine Unternehmen in der Robotikbranche direkt zu erreichen. Obwohl Arduino-Produkte nicht für die kommerzielle Massenproduktion bestimmt sind, erfreuen sie sich aufgrund ihrer vorinstallierten Chips großer Beliebtheit bei der Validierung von Ideen und dem Testen von KI-Anwendungen. Angesichts der steigenden Nachfrage nach KI-Rechenleistung in intelligenten Geräten und Robotern hofft Qualcomm, mit Arduino das Vertrauen der Entwickler zu gewinnen und die Verbreitung eigener Chips in zukünftigen Marktsegmenten zu fördern. Gleichzeitig arbeitet das Unternehmen daran, sich von seiner Abhängigkeit von Handychips und dem Basisbandgeschäft zu lösen, um dem Abschwung im Smartphone-Markt und Apples schrittweiser Umstellung auf die Entwicklung eigener Basisbandchips gerecht zu werden. Die Ankündigung enthüllte auch, dass Arduino sein erstes Entwicklungsboard mit einem Qualcomm-Chip, das „Uno Q“, auf den Markt bringen wird. Es wird zwischen 45 und 55 US-Dollar kosten (etwa 321 bis 392,4 RMB zum aktuellen Wechselkurs) und ist mit dem Dual-Core-Prozessor Dragonwing QRB2210 von Qualcomm ausgestattet.

Berichten zufolge kann der Chip Linux-Systeme und Arduino-Software ausführen und unterstützt Computer-Vision-Funktionen, die von der Kamera erfasste Bildinformationen in Echtzeit in Softwaredaten umwandeln können. UNO Q ist mit der klassischen Arduino IDE und dem UNO-Ökosystem kompatibel und unterstützt erstmals die neue Entwicklungsumgebung Arduino App Lab. App Lab integriert Echtzeitbetriebssysteme (RTOS), Linux, Python und KI-Entwicklungsprozesse, um Entwicklern eine einheitliche Plattform zum Erstellen, Testen und Bereitstellen zu bieten. Diese Umgebung ist tief in die Edge Impulse-Plattform integriert, die die Nutzung realer Daten zum Trainieren und Optimieren von KI-Modellen für Anwendungen wie Zielerkennung, Personenerkennung, Anomalieerkennung, Bildklassifizierung, Umgebungsgeräuscherkennung und Schlüsselworterkennung beschleunigen kann.