System-on-a-Chip oder Ein-Chip-System
Werden die wichtigsten oder sogar alle Komponenten eines Systems auf einem einzigen Chip kombiniert, so spricht man von einem System-on-a-Chip (dt.: Ein-Chip-System). Die bedeutendste Komponente eines solchen Systems ist der Hauptprozessor – egal ob 8bit- oder QuadCore-CPU, auf dem Markt ist alles Mögliche zu finden. Oft werden auch noch weitere Prozessoren, wie beispielsweise für die Grafik oder Audio-Prozessoren für die Dekodierung und Steuerung von Audiodaten in Smartphones, aufgelötet. Der nächste Bestandteil ist der Arbeitsspeicher, der über einen oder mehrere Speicherchips integriert wird. Alle internen Komponenten des Systems sind über den Systembus (für den Datenaustausch zwischen CPU, RAM, Cache) und den Peripheriebus (unter anderem für USB) verbunden.
Einsatzgebiete von SoCs
Ein-Chip-Systeme finden sich vor allem im Bereich der mobilen Endgeräte und Anwendungen, also Smartphones und Tablets, und in der Steuerungs- und Automatisierungstechnik, also bei Waschmaschinen oder in der Industrieautomation.
Vorteile eines Ein-Chip-Systems
Durch ihre besondere Bauweise sparen Ein-Chip-Systeme zum einen enorm viel Platz ein, sodass sie beinahe überall eingesetzt werden können, und zum anderen können dadurch auch Kosten eingespart werden. Des Weiteren bieten Ein-Chip-Systeme einen verringerten Stromverbrauch.
Nvidia Tegra SoC integriert alles
Wie bereits erwähnt, ist der im Jahr 2018 veröffentlichte TEGRA 2 das erste (und bislang auch einzige) System in den Reihen der spo-comm Mini-PCs, das auf einem SoC-Chip basiert. Genauer gesagt auf einem Nvidia-SoC-Chip. Dieser integriert alles Nötige für Anwendungen im Digital-Signage-Bereich: Einen 8GB großen Speicher, einen 32GB eMMC Flash-Speicher, die namensgebende Nvidia Tegra X2 CPU, sowie ein LAN- und ein WLAN-Modul. Und das alles in einem Gehäuse mit Maßen von nur 160 x 132 x 51 mm (B x T x H). Der TEGRA 2 kann nicht nur zwei Bildschirme gleichzeitig mit 4K@60 Hz Inhalten bespielen. Dank der 256 integrierten CUDA-Kerne ist es außerdem möglich, ihn für Deep-Learning-Anwendungen und für Echtzeitberechnungen und Videobearbeitung in der Automobilbranche einzusetzen.
