Google Coral

Google Coral era o cavalo de trabalho silencioso dos laboratórios de IA domésticos. Um acelerador USB ou M.2 barato, um contêiner Frigate e um Raspberry Pi podiam monitorar cada câmera da casa sem queimar a CPU. Então Google descontinuou o Coral. Os varejistas ficaram sem estoque durante 2025, e os repositórios de software não tiveram commits significativos por meses. Fóruns de laboratórios domésticos têm trocado alternativas do Google Coral desde então, e a resposta nem sempre é “compre um usado no eBay”.

Os sete picks abaixo cobrem as substituições reais: NPUs dedicados que chegam em 2026, runtimes de software que permitem que uma CPU Intel simples faça o trabalho do Coral, e a pilha NVR que a maioria das pessoas já executa. Cada um é julgado pelo custo por stream, integração com Frigate ou CodeProject.AI, e se sobrevive a um fluxo de trabalho Docker-first.

Comparação rápida

Solução Melhor para Nível gratuito Custo inicial Recurso destaque
Frigate + Intel iGPU (OpenVINO) Detecção de objetos barata em Intel N-series Software gratuito ~$150 mini PC Zero hardware extra
CodeProject.AI IA de segurança doméstica multi-backend Sim Gratuito, hardware opcional Integração Blue Iris e Frigate
Intel OpenVINO Runtime Qualquer CPU Intel ou GPU Arc SDK gratuito Gratuito Executa no hardware que você já tem
Hailo-8/8L NPU edge dedicado, TOPS classe Coral SDK gratuito ~$150 para o módulo 26 TOPS no M.2
Nvidia Jetson Orin Nano SBC completo com inferência GPU JetPack gratuito ~$249 Kit de desenvolvimento completo
ONNX Runtime Inferência multiplataforma em qualquer hardware Gratuito Gratuito Um runtime para cada backend
Ultralytics YOLO Modelos modernos para substituir os antigos Coral Open source gratuito Gratuito Integração direta com Frigate

Por que as pessoas saem do Google Coral

As razões se acumulam rapidamente uma vez que o Coral desaparece da Amazon e Mouser.

As alternativas

Frigate em Intel iGPU (via OpenVINO) -- Melhor para detecção de objetos barata

Cada CPU Intel N-series ou Core recente inclui uma iGPU que executa modelos OpenVINO rápido o suficiente para vários streams de câmera. Frigate detecta a iGPU automaticamente uma vez que o detector OpenVINO está configurado, e um mini PC de $150 gerencia de quatro a seis streams 1080p com detecção de 5 FPS sem esforço. Esta é a configuração que o artigo XDA aponta como a substituição direta do Coral.

Onde fica aquém: Os modelos mais rápidos e pequenos do OpenVINO (SSD MobileNet, YOLO-NAS quantizado) nem sempre são tão precisos quanto um YOLOv10 recente em execução em uma placa maior. iGPUs Intel antigos (pré-11ª geração) são notavelmente mais lentos.

Preços:

Migração do Coral: Edite config.yml do Frigate, troque o detector edgetpu por openvino, pegue o modelo em formato OpenVINO da documentação do Frigate, reinicie. Zonas de câmera existentes, tópicos MQTT e automações Home Assistant não mudam.

Baixar: Frigate é open source e é fornecido como uma imagem Docker. OpenVINO Runtime instala via contêiner Frigate automaticamente.

Resultado final: A resposta padrão para quem tem um mini PC Intel de sobra e até seis câmeras.

CodeProject.AI Server -- Melhor para Blue Iris e backends mistos

CodeProject.AI Server é o backend de IA que a maioria dos usuários do Blue Iris emparelha com seu NVR, e também conecta ao Frigate. Suporta modelos YOLOv5 e YOLOv8, leitura de placa de matrícula ALPR, reconhecimento facial e múltiplos aceleradores de hardware através de um único painel da web. Funciona em Windows e Linux, em Docker ou nativamente.

Onde fica aquém: O módulo Coral para CodeProject.AI ainda funciona, mas o foco do projeto mudou para backends CPU, DirectML e CUDA. O instalador Windows às vezes fica atrás do caminho Docker Linux.

Preços:

Migração do Coral: Instale CodeProject.AI, instale o módulo OpenVINO ou CUDA que corresponde ao host, aponte Blue Iris ou Frigate para a URL do CodeProject.AI. Sem recompilação de modelo.

Baixar: CodeProject.AI Server fornece imagens Docker para Linux e instalador nativo para Windows.

Resultado final: Escolha correta quando o NVR é Blue Iris no Windows, ou quando o reconhecimento de placa é importante.

Intel OpenVINO Runtime -- Melhor para hardware que você já possui

Intel OpenVINO transforma qualquer CPU Intel 8ª geração ou posterior, qualquer GPU Intel Arc e qualquer Neural Compute Stick 2 em um alvo de inferência. O runtime é uma única biblioteca Python ou C++, e alimenta o detector Frigate, CodeProject.AI e inúmeros scripts personalizados. Em um CPU de laptop Intel Core i5-1240P atinge rendimento de classe Coral no mesmo modelo MobileNet SSD.

Onde fica aquém: OpenVINO é somente Intel. Usuários de AMD Ryzen não obtêm nada disso. Placas Arm (Raspberry Pi, Orange Pi) precisam de um runtime completamente diferente.

Preços:

Migração do Coral: Converta modelos TensorFlow Lite para formato OpenVINO IR com a ferramenta mo, ou pegue um modelo pré-convertido do zoo de modelos Frigate. Reconfigure a config do detector, reinicie.

Baixar: OpenVINO Runtime está disponível como imagem Docker, pacote pip e instalador nativo para Windows e Linux.

Resultado final: A opção sem hardware. Se a caixa NVR já roda em Intel, instale OpenVINO primeiro antes de comprar mais nada.

Hailo-8 e Hailo-8L -- Melhor para potência NPU edge dedicada

Módulos Hailo são o análogo de hardware mais próximo do Coral. O Hailo-8L executa 13 TOPS em um slot M.2 A+E por aproximadamente o mesmo preço que o Coral costumava exigir. O Hailo-8 dobra isso para 26 TOPS. Ambos se conectam ao Frigate através do plugin detector Hailo da comunidade e no SDK Hailo oficial para trabalho customizado.

Onde fica aquém: A configuração do SDK Hailo é mais pesada que a história plug-and-play do Coral. O Zoo de Modelos Hailo cobre a maioria das arquiteturas comuns, mas o pipeline de conversão precisa de prática.

Preços:

Migração do Coral: Compre o módulo, instale o firmware e SDK Hailo, substitua o bloco detector Frigate pela variante Hailo, baixe o arquivo de modelo compilado. Configurações de câmera não mudam.

Baixar: Hailo Developer Zone fornece SDKs para Ubuntu e imagens de contêiner.

Resultado final: Melhor escolha quando Coral já estava no plano, mas o rendimento ou a escolha do modelo precisa crescer.

Nvidia Jetson Orin Nano -- Melhor para SBC completo com inferência GPU

O kit de desenvolvimento Nvidia Jetson Orin Nano coloca uma CPU Arm, uma GPU Nvidia com tensor cores e Jetpack (uma pilha CUDA e TensorRT) em uma pequena placa. Executa Frigate com o detector TensorRT em taxas de quadro muito altas, e também pode hospedar o próprio NVR, então Coral mais um Raspberry Pi se reduzem a uma única unidade.

Onde fica aquém: Custo inicial mais alto que o Coral USB. A imagem Jetpack é baseada em Ubuntu e requer flashing em vez de uma instalação de OS simples. Placas Jetson Nano mais antigas são muito mais lentas e devem ser evitadas em 2026.

Preços:

Migração do Coral: Reinstale Frigate no Jetpack, use o detector TensorRT, converta modelos para formato de mecanismo TensorRT com a ferramenta trtexec. Fluxos de câmera e integrações Home Assistant permanecem inalteradas.

Baixar: Downloads do Nvidia Jetson fornecem SDK Jetpack e imagens pré-flashed.

Resultado final: O caminho tudo em um. Correto quando a caixa NVR em si também está pronta para substituição.

ONNX Runtime -- Melhor para um runtime em cada backend

ONNX Runtime é o mecanismo de inferência multiplataforma da Microsoft. Tem como alvo CUDA, TensorRT, DirectML, ROCm, CoreML e CPU com uma única API. Frigate 0.14 forneceu suporte ao ONNX Runtime que permite que o mesmo arquivo de modelo seja executado em uma GPU Nvidia hoje, uma GPU AMD na próxima semana e uma CPU de laptop na estrada.

Onde fica aquém: ONNX Runtime é um runtime, não um catálogo de modelos. Os usuários ainda precisam de um arquivo de modelo (YOLOv8, RT-DETR, MobileNet). Algumas otimizações experimentais ficam atrás de SDKs específicos do fornecedor como TensorRT.

Preços:

Migração do Coral: Exporte o modelo atual para formato ONNX, mude o detector Frigate para onnx, reinicie. Se o host tem uma GPU, instale o provedor de execução CUDA ou ROCm.

Baixar: ONNX Runtime está disponível em PyPI, npm, NuGet e como bibliotecas nativas pré-compiladas.

Resultado final: A aposta mais segura para um laboratório doméstico misto onde a computação pode mudar a cada ano.

Ultralytics YOLO -- Melhor para modelos modernos para alimentar o runtime

Ultralytics YOLO fornece YOLOv8, YOLOv10 e YOLO11 com uma API Python que exporta para cada runtime nesta lista. A precisão de detecção está bem à frente dos modelos MobileNet SSD mais antigos que o Coral forneceu, e alarmes falsos em uma configuração Frigate caem notavelmente quando o modelo muda.

Onde fica aquém: Ultralytics mudou sua licença para AGPL-3.0 para compilações de código aberto. Implantações comerciais precisam da licença Ultralytics paga. Algumas exportações quantizadas ainda precisam de ajuste para corresponder à precisão dos originais FP16.

Preços:

Migração do Coral: Escolha um modelo YOLO que corresponda ao host (YOLOv8n para CPU, YOLOv8s ou maior para GPUs e NPUs), exporte para o formato que Frigate espera, reinicie o contêiner.

Baixar: Ultralytics está em PyPI e GitHub com pesos e ferramentas de exportação.

Resultado final: A fonte do modelo uma vez que o runtime está resolvido. A qualidade de detecção Frigate muitas vezes melhora mais com uma mudança de modelo do que com uma mudança de hardware.

Como escolher

Escolha Frigate em Intel iGPU com OpenVINO se o NVR é um mini PC e a contagem de câmeras é inferior a seis. Caminho mais barato, zero hardware extra.

Escolha CodeProject.AI Server se o NVR é Blue Iris no Windows, ou a configuração precisa de reconhecimento facial ou placas sem código cola extra.

Escolha Intel OpenVINO Runtime em qualquer host baseado em Intel como ponto de partida antes de gastar em novo hardware.

Escolha Hailo-8 ou Hailo-8L quando Coral era o plano e o slot M.2 está livre. Mesmo fator de forma, muito mais computação, mantido ativamente.

Escolha Nvidia Jetson Orin Nano quando a caixa NVR em si está pronta para substituição e um SBC completo faz sentido.

Use ONNX Runtime como a camada de abstração se o hardware puder mudar novamente em um ou dois anos.

Alimente qualquer um dos anteriores com modelos Ultralytics YOLO quando a taxa de falso alarme no zoo Coral antigo começar a doer.

Fique no Coral apenas se os módulos já estiverem instalados e funcionando. Não há upgrade para comprar, e empurrar a configuração para uma versão Frigate mais recente continuará funcionando por anos. Não comece um novo laboratório doméstico em Coral em 2026.

FAQ

O Google Coral foi descontinuado? Sim. O Coral USB Accelerator, Coral M.2 Dual TPU e Coral Dev Board ficaram sem estoque pelos canais varejistas do Google desde o final de 2024, e os repositórios de software ficaram dormentes.

Qual é a alternativa mais barata do Google Coral? Frigate em execução em Intel iGPU com OpenVINO. O software é gratuito e um mini PC Intel usado começa por volta de $100. Nenhum acelerador dedicado necessário.

Ainda posso comprar um Coral USB Accelerator? Apenas através de mercados de terceiros a preços inflacionados. Comprar usado em 2026 não é recomendado quando os caminhos Hailo-8L, Jetson Orin Nano e Intel iGPU custam o mesmo ou menos.

Frigate suporta alternativas ao Coral? Sim. Frigate 0.14 e posterior fornece detectores para OpenVINO, TensorRT, ONNX Runtime, Hailo e ROCm. A troca é uma mudança de arquivo de configuração.

Qual é o melhor NPU para câmeras de segurança em 2026? Hailo-8 para um acelerador conectável (slot M.2, 26 TOPS) ou Nvidia Jetson Orin Nano quando toda a caixa NVR está pronta para substituição. Ambos são ativamente mantidos e cobrem arquiteturas de modelo modernas que o Coral não faz.

Preciso retreinar meus modelos? Não. Os modelos TensorFlow Lite ou ONNX existentes podem ser exportados para o runtime alvo. Alguns backends preferem quantização INT8, que requer uma passagem de calibração, mas não requer treinamento do zero.