Raspberry Pi AI HAT+ 2

Raspberry Pi AI HAT+ 2 to nakładka na Raspberry Pi 5 z układem Hailo-10H i własnymi 8 GB pamięci. Trafiła do sprzedaży 15 stycznia 2026 roku [8], a w polskich sklepach kosztuje od około 840 zł.

Różnica wobec poprzedniczek nie leży w szybkości, tylko w pamięci. Starsze płytki korzystały z pamięci Raspberry Pi, ta ma własną, niewidoczną dla komputera i używaną wyłącznie przez akcelerator [5]. To ona pozwala uruchomić lokalnie model językowy.

Ile to kosztuje i dlaczego w sieci krążą dwie ceny

Jeśli szukałeś tej płytki, mogłeś trafić na dwie różne kwoty i obie były kiedyś prawdziwe.

W ogłoszeniu premierowym z 15 stycznia 2026 roku producent podał 130 dolarów [1]. W karcie produktu widnieje jednak cena katalogowa 200 dolarów [11]. Sto trzydzieści dolarów to była cena startowa, a nie obowiązująca dziś. Starsze poradniki i zestawienia wciąż powielają tę pierwszą liczbę.

W Polsce, w obserwacji z 21 lipca 2026, kamami.pl prowadzi płytkę po 839,07 zł brutto (682,17 zł netto) z dostępnością od ręki [6]. Sprzedają ją też botland.com.pl, TME i DigiKey Polska, a ceny między sklepami potrafią się różnić, więc warto porównać przed zakupem.

Dlaczego 40 TOPS nie znaczy „szybsza niż 26 TOPS”

To modelowy przykład tego, jak liczba z pudełka potrafi wprowadzić w błąd.

AI HAT+ 2 ma 40 TOPS, ale liczone przy precyzji INT4. Starsza AI HAT+ ma 26 TOPS liczone przy INT8 [2]. To dwie różne miary i zestawianie ich wprost nie mówi nic o realnej wydajności, podobnie jak porównywanie odległości podanej raz w kilometrach, raz w milach morskich.

Producent układu podaje zresztą obie wartości: Hailo-10H to 40 TOPS przy INT4 i 20 TOPS przy INT8 [12]. Przy tej samej precyzji nowszy układ ma więc nominalnie mniej niż starszy, czyli 20 wobec 26. Modele wizyjne, na przykład z rodziny YOLO, pracują zwykle właśnie na INT8.

Raspberry Pi deklaruje mimo to, że wydajność wizyjna nowej płytki jest porównywalna z wersją 26 TOPS [9], bo o wyniku decyduje nie sama liczba, lecz architektura i konkretny model. Praktycy są jednak zgodni, że dopłata się nie zwraca, jeśli robisz wyłącznie widzenie komputerowe. Jeff Geerling po testach pisze wprost, że detekcja działała szybko, około dziesięć razy szybciej niż na samym procesorze Raspberry Pi, ale to samo osiągnie starszą AI HAT+ za 110 dolarów albo modułem AI Camera za 70 dolarów, i przy samym widzeniu radzi zostać przy nich [4].

Recenzent Hackstera idzie dalej i zauważa, że do projektów czysto wizyjnych AI Camera jest lepsza także dlatego, że zostawia wolne złącze PCIe na szybki dysk NVMe [5]. AI HAT+ 2 to złącze zajmuje.

Ile parametrów naprawdę uciągnie

Tu materiały się rozjeżdżają i warto znać obie liczby, zanim się kupi.

Dokumentacja producenta mówi o modelach językowych i wizyjno-językowych do około 6 miliardów parametrów [2]. Test praktyczny serwisu Hackster podaje, że płytka ma zasoby na modele do około 1,5 miliarda parametrów [5]. Różnica jest czterokrotna, więc nie jest to kwestia zaokrąglenia.

Recenzent nie zostawia też złudzeń co do jakości. Zwraca uwagę, że miliard parametrów nie wystarcza, by traktować model inaczej niż jako ciekawostkę, i zestawia to z modelami chmurowymi, które operują na setkach miliardów parametrów [5].

Praktyczny wniosek: traktuj tę płytkę jako narzędzie do nauki, prototypów i zadań, gdzie liczy się prywatność i brak internetu, a nie jako tani zamiennik asystenta z chmury.

Co ten sprzęt naprawdę wnosi

Skoro nie szybkość widzenia i nie jakość odpowiedzi, to co?

Własna pamięć, dzięki której model językowy nie zjada pamięci Raspberry Pi. Komputer zostaje wolny na resztę aplikacji [8].

Tryb mieszany, który Geerling nazywa najważniejszą funkcją całej płytki: akcelerator potrafi jednocześnie przetwarzać obraz z kamery i prowadzić inferencję modelu językowego albo syntezy mowy [4]. To jest ta rzecz, której starsze nakładki nie robią wcale.

Niski pobór mocy. Producent układu podaje typowe 2,5 W [12], a Geerling mówi o maksymalnie 3 W [4]. Tak czy inaczej, przy zasilaniu bateryjnym albo pracy ciągłej to niewiele. Pamiętaj tylko, że to pobór samego układu, a nie całego zestawu z Raspberry Pi.

Dostrajanie pod siebie. Producent wspiera metodę LoRA, czyli dostrojenie gotowego modelu do konkretnego zadania, na przykład rozpoznawania mowy, tłumaczenia albo opisu sceny, bez trenowania całości od zera [1].

Rodzina produktów: co z czym nie mylić

W ekosystemie Raspberry Pi łatwo pomylić produkty o bardzo podobnych nazwach [2]:

Kluczowe rozróżnienie: AI HAT+ 2 to nie jest ulepszona AI HAT+, tylko inny produkt z innym układem i własną pamięcią. Obsługa modeli językowych i wizyjno-językowych to funkcja, której starsze płytki nie mają w ogóle, a nie taka, którą mają wolniej [2].

Koszt całości, jeśli zaczynasz od zera

AI HAT+ 2 wymaga Raspberry Pi 5 i nie zadziała ze starszymi modelami [2].

Przy takim budżecie warto porównać ofertę z Jetsonem Orin Nano (około 1999 zł brutto), który daje pełniejszy ekosystem do robotyki, ale też wymaga więcej wiedzy.

W zestawie z nakładką znajdziesz radiator, dystanse i śruby pozwalające zamontować ją na Raspberry Pi 5 razem z aktywnym chłodzeniem [11]. Uwaga: samego aktywnego chłodzenia do Raspberry Pi w komplecie nie ma, to osobny zakup. Radiator jest formalnie opcjonalny, ale producent zaleca go przy intensywnych obciążeniach, żeby uniknąć zbijania zegarów [11].

Czego wymaga od strony oprogramowania

Zanim zamówisz, sprawdź jedną rzecz, która potrafi zaskoczyć przy rozbudowie istniejącego projektu.

AI HAT+ 2 korzysta z osobnego pakietu hailo-h10-all, podczas gdy starsze płytki AI Kit i AI HAT+ używają pakietu hailo-all. Te dwa pakiety nie mogą współistnieć w jednym systemie [13]. Jeśli masz działający projekt na starszej nakładce, dołożenie nowej nie jest kwestią wpięcia w złącze.

Dobra wiadomość jest taka, że tryb PCIe Gen 3 dla AI HAT+ 2 ustawia się automatycznie, w odróżnieniu od najstarszego AI Kit, gdzie trzeba było grzebać w konfiguracji [13].

Zakres temperatur pracy to od 0 do 50 stopni otoczenia [11], więc do zastosowań zewnętrznych całorocznych potrzebna będzie obudowa z kontrolą temperatury.

Jak długo będzie dostępna

Argument dla projektów, które mają żyć dłużej niż sezon: producent deklaruje utrzymanie produkcji co najmniej do stycznia 2036 roku [3]. W kategorii akceleratorów AI, gdzie sprzęt bywa porzucany po dwóch latach, to niecodzienna deklaracja.

Co sprawdzić przed zakupem

1. Czy masz Raspberry Pi 5, bo z niczym innym ta nakładka nie współpracuje
2. Czy naprawdę potrzebujesz modeli językowych, bo do samego widzenia tańsze płytki wystarczą
3. Czy potrzebujesz złącza PCIe na dysk NVMe, bo nakładka je zajmuje
4. Czy modele, których chcesz używać, są już skompilowane dla układu Hailo-10H
5. Czy nie masz w systemie pakietu dla starszych nakładek, bo nie da się ich pogodzić
6. Ceny w kilku polskich sklepach, bo potrafią się różnić