Kalau cikgu mahu membimbing murid membina robot yang boleh mengenal pasti objek, sistem pemantauan pintar atau aplikasi AI yang berfungsi tanpa internet, apakah peranti yang sesuai digunakan?
Dahulu, projek elektronik di sekolah banyak menggunakan Arduino, sensor dan mikropengawal biasa. Kini, teknologi Edge AI membolehkan sebahagian pemprosesan kecerdasan buatan dilakukan terus pada peranti.
Murid bukan sahaja boleh belajar menggunakan AI, tetapi berpeluang membangunkan sistem AI sendiri.
Namun, adakah semua peranti AI sesuai untuk kegunaan makmal sekolah?
Dalam artikel EDUCOGATOR yang saya tulis pada Mac 2026, saya berkongsi enam pilihan perkakasan AI untuk pendidikan. Kali ini, kita melihat semula peranti tersebut dengan mengambil kira spesifikasi, keperluan projek dan pertimbangan praktikal sebelum sekolah membuat pembelian.
Berikut enam peranti yang wajar cikgu kenali.
1. Raspberry Pi AI HAT+ 2 — Untuk AI Generatif Secara Lokal
Raspberry Pi sudah lama menjadi pilihan menarik untuk projek pengaturcaraan, elektronik dan automasi.
Dengan Raspberry Pi AI HAT+ 2, kemampuannya berkembang kepada aplikasi AI generatif pada peranti.
Aksesori ini menggunakan pemecut AI Hailo-10H dengan prestasi sehingga 40 TOPS pada ketepatan INT4 dan mempunyai memori khusus sebanyak 8GB.
Ini membolehkan model AI tertentu, termasuk model bahasa dan model penglihatan-bahasa yang serasi, dijalankan secara lokal.
Idea PdP: Murid membina sistem yang mengenal pasti objek kitar semula melalui kamera, kemudian memberikan penerangan ringkas berdasarkan objek yang dikesan.
Bagi projek tertentu, pemprosesan boleh berlaku tanpa menghantar data ke perkhidmatan awan.
Namun, ada satu perkara penting.
AI HAT+ 2 bukan komputer lengkap. Cikgu masih memerlukan Raspberry Pi 5, bekalan kuasa, storan dan komponen lain mengikut projek.
Pada saya, pilihan ini sesuai untuk sekolah yang sudah mempunyai ekosistem Raspberry Pi dan mahu bergerak ke arah AI generatif.
2. D-Robotics RDK X5 — Pilihan Menarik untuk Robotik AI
Untuk projek robotik, saya melihat RDK X5 daripada D-Robotics sebagai antara platform yang patut dipertimbangkan.
Peranti ini menggunakan cip Sunrise 5 dengan pemecut AI (AI accelerator) BPU sehingga 10 TOPS.
Ianya turut menyokong kamera, sambungan rangkaian dan pelbagai antara muka untuk pembangunan sistem robotik.
Antara kelebihannya ialah kesesuaian untuk penglihatan komputer, pengesanan objek dan navigasi robot autonomi.
Saya sendiri mempunyai empat unit RDK X5 bersama RDK stereo camera untuk pembelajaran STEM di sekolah.
Ini bukan bermaksud RDK X5 semestinya paling sesuai untuk semua sekolah. Ia tetap bergantung pada projek, konfigurasi papan dan kemahiran pengaturcaraan yang diperlukan.
Idea PdP: Bina robot mini yang menggunakan kamera untuk mengenal pasti penanda laluan dan mengelakkan halangan dalam kawasan ujian.
Murid boleh menggabungkan pengaturcaraan, sensor, Matematik dan penyelesaian masalah.
Bagi sekolah yang aktif dalam pertandingan robotik, RDK X5 boleh menjadi pilihan untuk meneroka AI pada sistem fizikal.
3. Arduino VENTUNO Q — Gabungan AI dan Kawalan Robot
Arduino terkenal kerana pendekatannya yang mesra pembelajaran elektronik.
Namun, Arduino VENTUNO Q membawa kemampuan jauh lebih maju berbanding papan Arduino UNO tradisional.
Peranti ini menggunakan seni bina dual-brain, yang menggabungkan pemproses Qualcomm Dragonwing IQ8 dengan mikropengawal STM32H5.
Pemecut AI (AI Accelerator) pada pemproses Qualcomm menyokong sehingga 40 dense TOPS, manakala mikropengawal khusus mengendalikan tugasan kawalan masa nyata.
VENTUNO Q turut mempunyai RAM 16GB dan menyokong pembangunan menggunakan Arduino App Lab.
Mengapa gabungan ini menarik?
AI boleh menganalisis input daripada kamera atau sensor, sementara sistem kawalan mengendalikan motor dan komponen fizikal.
Idea PdP: Murid mereka bentuk sistem pengasingan objek yang mengenal pasti warna atau jenis bahan sebelum mengaktifkan mekanisme pengasingan.
Projek sebegini menghubungkan konsep AI dengan robotik dan kejuruteraan.
Namun, VENTUNO Q lebih sesuai untuk projek lanjutan. Murid yang masih mempelajari asas LED, suis dan sensor tidak semestinya memerlukan papan secanggih ini.
4. NVIDIA Jetson Orin Nano Super — Untuk Projek AI Lebih Kompleks
Bagi sekolah yang mempunyai makmal inovasi lebih maju, NVIDIA Jetson Orin Nano Super Developer Kitmenawarkan kemampuan yang menarik.
Peranti ini menyediakan prestasi sehingga 67 TOPS dalam mod pengiraan sparse pada ketepatan INT8, bersama memori LPDDR5 8GB.
Ekosistem NVIDIA turut menyokong pelbagai alat pembangunan AI, termasuk penglihatan komputer dan model generatif tertentu.
Ini menjadikannya sesuai untuk projek yang memerlukan analisis imej atau video secara lebih kompleks.
Idea PdP: Murid membangunkan prototaip sistem yang mengenal pasti keretakan pada model bangunan menggunakan gambar yang dikumpulkan sendiri.
Daripada projek tersebut, guru boleh membimbing murid memahami pengumpulan data, latihan model, inferens dan ketepatan ramalan.
Namun, Jetson bukan sekadar papan yang perlu dibeli dan terus digunakan.
Cikgu perlu mempertimbangkan sistem operasi, pengurusan model AI, penyimpanan data dan sokongan teknikal.
Pada saya, peranti ini lebih sesuai untuk projek penyelidikan STEM atau aktiviti inovasi lanjutan berbanding kelas pengenalan elektronik.
5. Google Coral Dev Board Micro — AI Berskala Kecil dan Jimat Tenaga
Tidak semua projek AI memerlukan komputer berkuasa tinggi.
Ada projek yang hanya perlu mengenal pasti bunyi atau objek tertentu dengan penggunaan tenaga yang rendah.
Di sinilah Google Coral Dev Board Micro menarik.
Papan mikropengawal ini mempunyai pemecut Edge TPU sehingga 4 TOPS pada ketepatan INT8, bersama kamera dan mikrofon terbina dalam.
Ia menggunakan sistem yang berbeza daripada komputer Linux biasa dan menyokong pembangunan aplikasi pembelajaran mesin terbenam.
Idea PdP: Murid membina alat yang mengesan kategori bunyi tertentu, seperti ketukan atau tepukan, menggunakan model yang sesuai.
Ini membuka peluang untuk memperkenalkan konsep pengelasan bunyi dan TinyML.
Namun, Coral Micro mempunyai batasan pemprosesan dan keserasian model. Ia bukan peranti untuk menjalankan chatbot generatif bersaiz besar.
Satu lagi pertimbangan ialah ketersediaan produk dan aksesori. Maklumat jualan lama tidak semestinya menggambarkan stok semasa di Malaysia.
Pastikan juga sokongan perisian dan komponen tambahan masih sesuai sebelum membuat pembelian.
6. Luxonis OAK-D Lite — Belajar Bagaimana AI Melihat Dunia 3D
Berbeza daripada kebanyakan peranti sebelumnya, Luxonis OAK-D Lite ialah kamera pintar yang menggabungkan penglihatan komputer dan penderiaan kedalaman.
Ia menggunakan dua kamera stereo untuk menganggarkan jarak objek serta sebuah kamera berwarna.
Peranti ini dibina berasaskan platform pemprosesan Luxonis RVC2.
Kelebihan utamanya ialah membolehkan murid meneroka bagaimana sistem komputer bukan sahaja mengesan objek, tetapi turut menganggarkan kedudukannya dalam ruang tiga dimensi.
Idea PdP: Murid membangunkan sistem yang mengesan halangan dan memberikan amaran apabila objek berada terlalu dekat.
Aktiviti ini boleh dikaitkan dengan Fizik, Matematik, robotik dan reka bentuk produk bantuan.
Namun, OAK-D Lite bukan komputer lengkap untuk menjalankan semua tugasan AI secara bersendirian.
Ia biasanya digunakan bersama komputer atau sistem hos yang sesuai, bergantung pada konfigurasi projek.
Pada saya, kamera ini sangat menarik untuk pembelajaran tentang penglihatan komputer dan persepsi kedalaman.
Perbandingan Enam Peranti AI untuk Makmal Inovasi STEM
| Peranti | Prestasi AI yang dinyatakan | Fokus pembelajaran |
|---|---|---|
| Raspberry Pi AI HAT+ 2 | 40 TOPS (INT4) | AI generatif lokal |
| D-Robotics RDK X5 | 10 TOPS (BPU) | Robotik autonomi |
| Arduino VENTUNO Q | 40 dense TOPS | AI dan kawalan fizikal |
| NVIDIA Jetson Orin Nano Super | 67 sparse TOPS (INT8) | AI generatif dan penglihatan komputer lanjutan |
| Google Coral Dev Board Micro | 4 TOPS (INT8) | TinyML dan AI terbenam |
| Luxonis OAK-D Lite | RVC2; prestasi bergantung pada beban kerja | Penglihatan komputer dan penderiaan kedalaman |
Penting: Jadual ini bukan kedudukan prestasi daripada terbaik hingga terendah. TOPS menggunakan kaedah dan ketepatan pengiraan berbeza antara pengeluar. Prestasi sebenar bergantung pada model AI, perisian dan konfigurasi.
Peranti Mana Patut Sekolah Pilih?
Sebelum membuat pembelian, saya cadangkan cikgu menjawab tiga soalan.
Pertama, apakah hasil pembelajaran yang hendak dicapai?
Kalau sekadar memperkenalkan konsep pengaturcaraan dan sensor, ESP32 atau papan mikropengawal sedia ada mungkin sudah memadai.
Kedua, berapakah kos keseluruhan projek?
Harga papan sahaja belum termasuk kamera, sensor, storan, bekalan kuasa, bateri, motor, penyejukan dan aksesori lain.
Anggaran harga dalam artikel Mac 2026 tidak sepatutnya digunakan terus sebagai harga pembelian Oktober 2026 tanpa mendapatkan sebut harga baharu.
Ketiga, siapa yang akan menyelenggara peranti ini?
Peranti AI memerlukan kemas kini perisian, sokongan teknikal dan dokumentasi projek. Tanpa guru atau pasukan yang bersedia menguruskannya, perkakasan mahal pun mungkin jarang digunakan.
Jangan lupa aspek keselamatan data murid. Projek penglihatan komputer tidak semestinya perlu menggunakan wajah atau identiti murid sebenar. Mulakan dengan objek, bahan ujian dan data yang selamat.
Akhir Kata
Perkembangan perkakasan AI memberikan lebih banyak peluang kepada guru untuk membimbing murid membina penyelesaian teknologi sebenar.
Tetapi makmal STEM yang baik tidak semestinya mempunyai semua peranti paling canggih.
Yang lebih penting ialah memilih teknologi yang sepadan dengan tahap murid, objektif PdP dan kemampuan sekolah.
Jika sekolah sudah mempunyai Raspberry Pi, manfaatkan dahulu ekosistem tersebut. Jika fokusnya robotik autonomi, pertimbangkan RDK X5 atau platform berkaitan. Bagi projek AI lanjutan, Jetson dan VENTUNO Q pula membuka kemungkinan yang lebih luas.
Pada akhirnya, bukan jumlah TOPS yang menentukan kejayaan pembelajaran.
Sebaliknya, sejauh mana murid mampu menggunakan teknologi untuk memahami masalah, membina prototaip dan menguji penyelesaian mereka sendiri.
— Cikgu Siber
Rujukan Rasmi
- Raspberry Pi. Raspberry Pi AI HAT+ 2 — Spesifikasi dan Dokumentasi.
- D-Robotics. RDK X5 Robot Development Kit.
- Arduino. VENTUNO Q — Dokumentasi dan Spesifikasi Rasmi.
- NVIDIA. Jetson Orin Nano Developer Kit Gets a Super Boost.
- Google Coral. Dev Board Micro — Dokumentasi Produk.
- Luxonis. OAK-D Lite — Dokumentasi Perkakasan.