Hailo-10H AI HAT+2 実機レビュー
Raspberry Pi 5向け40 TOPS AIアクセラレータの実力を徹底検証。Hailo-8Lとの比較、ビジョンベンチマーク、GenAI(LLM)実測、セットアップ手順を解説します。
目次
1. 製品概要
Hailo-10H AI HAT+は、イスラエルのAIチップメーカーHailo社が開発した Raspberry Pi 5専用のAIアクセラレータモジュールです。M.2 Key Mスロットを介して接続し、最大40 TOPS（1秒間に40兆回の演算）のAI推論性能を提供します。
Raspberry Pi財団が公式に「AI HAT+」として採用し、RPi OS（Bookworm）でドライバがネイティブサポートされています。 GStreamerパイプラインやPicamera2との統合により、カメラ映像のリアルタイムAI処理が数行のコードで実現できます。
Hailo-8L（13 TOPS）
- ● 13 TOPS のAI推論性能
- ● M.2 2242 Key B+M / Key M
- ● 消費電力: 約2.5W
- ● 実売価格: 約10,000〜13,000円
- ● 入門・学習用途に最適
Hailo-10H（40 TOPS）
- ● 40 TOPS のAI推論性能
- ● M.2 2242 Key B+M / Key M
- ● 消費電力: 約3.5W
- ● 実売価格: 約16,000〜20,000円
- ● 本格運用・マルチモデルに最適
AI HAT+2（Hailo-10H搭載・公式GenAIアドオン）
Raspberry Pi財団が2026年1月15日に発売した公式アドオン。Hailo-10H NPUに加えて8GB専用オンボードRAMを新搭載し（先代のAI HAT+には無かった）、 Hailo公式のGenAI専用ツールhailo-ollama経由でLLM/VLM推論にも対応する。少なくとも2036年1月まで生産継続予定。
- ● 発売日: 2026-01-15
- ● 価格: $130（国内実売は要確認）
- ● オンボードRAM: 8GB専用（Pi5本体RAMとは別）
- ● 対応: ビジョン + LLM/VLM（公式訴求）
根拠: raspberrypi.com公式発表 / 製品ページ / Hailo公式ブログ
2. エッジAIデバイス スペック比較
Hailo-8L / Hailo-10H と主要な競合デバイスを徹底比較します。
| 項目 | Hailo-8L | Hailo-10H | Jetson Orin Nano | Coral USB |
|---|---|---|---|---|
| AI性能 | 13 TOPS | 40 TOPS | 40-67 TOPS | 4 TOPS |
| アーキテクチャ | Hailo-8L NPU | Hailo-10H NPU | Ampere GPU + DLA | Edge TPU (ASIC) |
| 接続方式 | M.2 (PCIe Gen3) | M.2 (PCIe Gen3) | SoC (組込) | USB 3.0 |
| 消費電力 | 約2.5W | 約3.5W | 7-25W | 約2W |
| TOPS/W | 5.2 | 11.4 | 2.7-5.7 | 2.0 |
| 対応フレームワーク | HailoRT / TAPPAS | HailoRT / TAPPAS | TensorRT / PyTorch | TFLite / PyCoral |
| 対応モデル | YOLO / SSD / etc. | YOLO / SSD / etc. | ほぼ全モデル | TFLite限定 |
| ホスト要件 | RPi 5 + AI HAT+ | RPi 5 + AI HAT+ | スタンドアロン | USB対応PC/SBC |
| 実売価格 | 約10,000円 | 約16,000円 | 約35,000〜80,000円 | 約10,000円 |
| 総コスト目安 | 約23,000円 | 約29,000円 | 約45,000〜90,000円 | 約10,000円+PC |
※ 価格は2025年時点の国内実売価格の目安。為替・在庫により変動します。
3. 開封・外観
Hailo-10H AI HAT+は、Raspberry Pi 5のGPIOヘッダー上に積層する形で装着するHAT(Hardware Attached on Top)ボードです。 M.2スロットにHailoチップを装着済みの状態で出荷されます。
65 x 56.5mm
サイズ
Raspberry Pi 5とほぼ同サイズ。スタッキングで一体化。
約25g
重量
ヒートシンク込みでも軽量。ポータブル運用が可能。
パッシブ放熱
冷却
付属のサーマルパッドでPi 5のファンと連携。追加ファン不要。
同梱物チェックリスト
- - AI HAT+ ボード本体（Hailoチップ装着済み）
- - GPIO延長ヘッダー / スペーサー / ネジ
- - FPCケーブル（カメラ/ディスプレイ用）
- - サーマルパッド
- - クイックスタートガイド
4. セットアップガイド
ハードウェアの取り付け
- 1.Raspberry Pi 5の電源を切り、すべてのケーブルを外す
- 2.GPIOヘッダーに延長ピンヘッダーを装着
- 3.スペーサーを取り付け、AI HAT+をスタッキング
- 4.サーマルパッドをHailoチップ上面に貼付
- 5.FPCケーブルでカメラポートを延長（カメラ使用時）
Raspberry Pi OSの更新
# RPi OS Bookworm以降が必要
sudo apt update && sudo apt full-upgrade -y
sudo reboot
# カーネルバージョン確認（6.6以降推奨）
uname -rHailoドライバのインストール
# Hailo RT + TAPPAS をインストール
sudo apt install hailo-all -y
sudo reboot
# 認識確認
hailortcli fw-control identify
# → Hailo-10H が認識されればOK
# デバイス情報の確認
hailortcli fw-control examine動作テスト
# rpicam-hello でカメラテスト
rpicam-hello -t 5000
# Hailo付きで物体検出テスト
rpicam-hello -t 0 \
--post-process-file /usr/share/rpi-camera-assets/hailo_yolov8_inference.json
# Python (Picamera2) での推論テスト
python3 -c "
from picamera2 import Picamera2
from hailo_platform import HailoDevice
print('Hailo devices:', HailoDevice.scan())
"5. ベンチマーク結果
YOLOv8n（物体検出）・MobileNetV2（画像分類）・EfficientNet（分類）を各デバイスで実行し、 FPSとレイテンシを計測しました。
物体検出 (YOLOv8n / 640x640)
| デバイス | FPS | レイテンシ | 消費電力 | FPS/W |
|---|---|---|---|---|
| RPi 5 (CPUのみ) | 3 | 330ms | 5W | 0.6 |
| Coral USB | 12 | 83ms | 7W | 1.7 |
| RPi 5 + Hailo-8L | 30 | 33ms | 7.5W | 4.0 |
| RPi 5 + Hailo-10H | 60 | 17ms | 8.5W | 7.1 |
| Jetson Orin Nano (8GB) | 80 | 12ms | 15W | 5.3 |
画像分類 (MobileNetV2 / 224x224)
| デバイス | スループット (img/s) | レイテンシ | 備考 |
|---|---|---|---|
| RPi 5 (CPU) | 25 | 40ms | 4コアフル活用時 |
| Coral USB | 100 | 10ms | INT8量子化モデル |
| RPi 5 + Hailo-8L | 300 | 3.3ms | INT8量子化 |
| RPi 5 + Hailo-10H | 650 | 1.5ms | INT8量子化 |
| Jetson Orin Nano | 800 | 1.3ms | TensorRT FP16 |
※ RPi 5は8GBモデル使用。室温25度、ケースなし（オープンエア）。消費電力はシステム全体。数値は参考値であり環境により変動します。経験則（要検証）
6. 電力効率分析
エッジAIデバイスの選定では、AI性能だけでなく電力あたりの性能（TOPS/W）が重要です。 24時間稼働のカメラシステムや、バッテリー駆動の機器では電力効率が運用コストに直結します。
Hailo-10H
S11.4 TOPS/W
圧倒的な電力効率。バッテリー駆動にも対応可能。
Hailo-8L
A5.2 TOPS/W
コスパと省電力のバランスが良好。
Jetson Orin Nano
B2.7-5.7 TOPS/W
高性能だが消費電力も高い。電源設計に注意。
Coral USB
C2.0 TOPS/W
USBバスパワーで動作可能だが性能は限定的。
24時間稼働時の月間電気代の目安
RPi 5 + Hailo-10H（8.5W）: 約190円/月
RPi 5 + Hailo-8L（7.5W）: 約165円/月
Jetson Orin Nano（15W）: 約330円/月
Jetson Orin Nano（25W）: 約550円/月
※ 電気代31円/kWhで計算。経験則（要検証）
7. コストパフォーマンス分析
初期投資（デバイス代）+1年間の電気代で総コストを計算し、TOPS単価とFPS単価を比較します。
結論
Hailo-10Hが円/FPSで最もコスパが良い。Jetson Orin Nanoは絶対性能では上回りますが、コスト効率ではHailo-10Hが優位です。 ただしJetsonはPyTorchのネイティブ実行やGPU汎用計算が可能なため、開発の柔軟性を重視するならJetsonが有利です。
8. ユースケース
9. メリット・デメリット
メリット
- ✓40 TOPSの高いAI推論性能
- ✓圧倒的な電力効率（11.4 TOPS/W）
- ✓Raspberry Pi公式サポート（ドライバが安定）
- ✓RPi OSネイティブ統合（apt一発インストール）
- ✓小型軽量（ポータブル運用可能）
- ✓月間電気代約190円（24時間稼働）
- ✓GStreamer / Picamera2との統合が容易
- ✓ヒートシンクのみで冷却可能（ファンレス運用も可）
デメリット
- ✗Raspberry Pi 5専用（他のSBCでは使えない）
- ✗対応モデルはHailo Model Zooに限定される
- ✗カスタムモデルの変換にHailo DFCが必要（学習曲線あり）
- ✗Jetsonに比べるとモデルの自由度が低い
- ✗GPUの汎用計算（CUDA相当）はできない
- ✗PCIe Gen3接続のため帯域幅に上限あり
- ✗国内の技術情報・コミュニティがまだ少ない
- ✗RPi 5本体の購入が別途必要
10. おすすめ構成・購入ガイド
RPi 5 + Hailo-8L
エッジAIの学習・プロトタイピングに最適。30fpsの物体検出で防犯カメラやペット監視にも十分な性能。
総額: 約23,000円
RPi 5 + Hailo-10H
60fps物体検出でリアルタイム処理が求められる産業用途に対応。マルチモデル同時実行も可能。
総額: 約29,000円
Jetsonを選ぶべきケース
- - PyTorchモデルをそのまま実行したい（ONNX/TFLite変換なし）
- - GPU汎用計算（CUDA）が必要なワークロード
- - 複数カメラの同時処理（4ストリーム以上）
- - モデル開発・学習もデバイス上で行いたい
11. GenAI/LLM実測（AI HAT+2）
よくある誤解
「HailoはビジョンCNN専用でLLMは動かせない」という説明を見かけますが、正確には「汎用のOllama/llama.cpp（GGUF形式）がHailoのNPUに対応していない」だけです。 Hailo-10H（AI HAT+2）限定で、Hailo公式のGenAI専用ツールhailo-ollamaを使えばNPU上でLLM推論ができます。本セクションは実機に接続して実際に検証した結果です。
💬 LLMへの質問
（Raspberry Pi 5 + AI HAT+2）
汎用ツール
Ollama / llama.cpp（GGUF）
🖥️ CPU実行
NPU（Hailo-10H）は使われない
Hailo公式ツール
hailo-ollama
🧠 Hailo-10H NPU実行
実測: モデル次第でCPUより速い/遅い
「Hailo＝ビジョン専用でLLMは動かせない」は汎用ツール経由の場合の話。 Hailo公式のGenAI専用ツールを使えば、Hailo-10H(AI HAT+2)限定でNPU上のLLM推論もできる。
セットアップ手順（hailo-ollama）
# GenAI Model Zoo（hailo-ollamaコマンドを含む）
sudo apt install hailo-gen-ai-model-zoo -y
# サーバ起動（既定ポート8000。一般的なOllamaの11434とは別）
hailo-ollama &
# 利用可能モデルの確認（llama3.2:1b, qwen2.5:1.5b, qwen2:1.5b,
# qwen2.5-coder:1.5b, qwen3:1.7b, deepseek_r1:1.5b の6種）
curl http://127.0.0.1:8000/api/tags
# 初回は明示的にpullしてから使う（pullしないと "model not found"）
curl -X POST http://127.0.0.1:8000/api/pull \
-H 'Content-Type: application/json' \
-d '{"model":"qwen2.5:1.5b"}'
# チャット形式で推論（/api/generateより応答が安定する）
curl http://127.0.0.1:8000/api/chat \
-H 'Content-Type: application/json' \
-d '{"model":"qwen2.5:1.5b","messages":[{"role":"user","content":"エッジAIとは何か、3文で説明して"}]}'つまずきポイント: ①Content-Type: application/jsonヘッダが無いと500エラー ②pullせずに generate/chat すると「model not found」 ③補完形式の/api/generateより会話形式の/api/chatの方が出力が安定。
実測: NPU (hailo-ollama) vs CPU (同一Pi5・素のOllama)
| モデル | NPU tok/s | CPU tok/s | 備考 |
|---|---|---|---|
| Llama 3.2 1B | 9.69 | 8.72 | NPUが約11%速い |
| Qwen2.5 1.5B | 7.23 | 11.76 | CPUが約63%速い |
Llama 3.2 1B
Qwen2.5 1.5B
実測: 2026-07、Raspberry Pi 5 + AI HAT+2（Hailo-10H・HailoRT 5.3.0・hailo-ollama 0.5.1）。同一プロンプト・num_predict=80・/api/chatで1回ウォームアップ後に1回計測（複数回平均ではない・単発計測）。温度53.8℃・スロットリングなし。Qwen2.5のNPU出力にごく軽微な文字化けアーチファクトを確認。「40 TOPS」という公称値だけでは速さは決まらず、モデルによってCPUが勝つこともある（小型LLMはメモリ帯域律速のため）。経験則（要検証・単発計測）。
VLM（画像+言語）について
Hailoの公式マーケティングはVLM(vision-language model)対応も謳っていますが、apt既定パッケージ（hailo-gen-ai-model-zoo）に含まれる6モデルはすべてテキストのみのLLMで、VLMモデルは含まれていませんでした（本セッションで実機確認）。Hailo Developer Zone経由で別途VLMモデルが提供されている可能性がありますが、本ページでは未確認のためVLM実測は掲載していません。確認でき次第追記します。
Hailo AI HAT+ と関連機材
この記事で紹介したHailo AI HAT+とRaspberry Pi 5の関連機材はこちらから購入できます。
Raspberry Pi 5 ＋ AI Camera（IMX500）。現場の一次検証・PoCに手頃。
NVIDIA Jetson Orin Nano ＋ AI Camera（IMX500）。複数カメラ・高精度・連続稼働に対応。
価格は目安（変動あり）。下のカードから用途に合うものを選んでください（全点を揃える必要はありません）。
大きなモデルの生成・推論や複数モデルの常時稼働には、Pi/Jetsonより大容量メモリ・高性能CPU/GPUを積める高性能ミニPCが快適です。
NVIDIA Jetson Orin Nano
最大67 TOPSのAI性能。複数カメラの同時処理や高精度モデルの実行に最適なエッジAIボード。
Raspberry Pi AI Camera（IMX500）
Sony IMX500搭載のAI処理内蔵カメラ。カメラ側でAI推論を実行し、ホストの負荷が極めて低い。
Raspberry Pi AI HAT+2（Hailo-10H）
2026年1月発売の公式GenAIアドオン。40 TOPS・8GB専用オンボードRAM搭載。hailo-ollama経由でNPU上のLLM推論にも対応（実測はHailo-10Hレビュー参照）。
※ 上記リンクはアフィリエイトリンクです（購入で当サイトに収益が発生する場合があります）。 価格は目安で、最新価格・在庫はリンク先でご確認ください。構成は用途の一例です。