Deepx annonce de nouveaux accélérateurs d'IA avec son noyau Genesis
La société sud-coréenne Deepx a dévoilé sa nouvelle gamme d'accélérateurs pour intelligence artificielle, présentée lors de l'événement CES 2026. Les modèles DX-H1 V-NPU, DX-H1 Quattro et DX-M1 M.2 visent à concurrencer les solutions traditionnelles basées sur GPU, en proposant une architecture spécialisée plus efficace. 🚀
Le DX-H1 V-NPU : spécialiste des flux vidéo
Ce dispositif est conçu pour gérer des opérations avec vidéo. Il peut décoder, coder et transcoder plusieurs flux simultanément. Selon Deepx, intégrer ce module permet de réduire le coût du matériel de 80 % et la consommation énergétique de 85 %, par rapport à des configurations utilisant des GPU, sans sacrifier le nombre de canaux supportés.
Avantages clés du DX-H1 V-NPU :- Conçu pour traiter la vidéo dans les applications de sécurité et de streaming.
- Atteint un économie d'énergie extrême par rapport aux GPU conventionnels.
- Maintient une haute densité de canaux pour gérer de nombreuses transmissions simultanément.
La clé pour économiser de l'énergie n'est pas d'éteindre l'équipement, mais qu'un chip efficace travaille pour vous.
Famille de produits et architecture commune
En plus du modèle pour vidéo, la série inclut le DX-H1 Quattro et le DX-M1 au format M.2. Ce dernier est conçu pour s'intégrer facilement dans divers systèmes. Tous partagent le noyau de traitement neuronal Genesis NPU, que l'entreprise a optimisé spécifiquement pour exécuter des tâches d'inférence d'IA de manière rapide et à faible consommation.
Caractéristiques de l'architecture Genesis NPU :- C'est le cœur commun des trois nouveaux accélérateurs.
- Optimisé pour exécuter l'inférence d'IA de manière efficace.
- Visant à offrir un haut rendement dans un format compact qui économise de l'espace et de l'électricité.
Un pari sur l'efficacité spécialisée
Avec ces lancements, Deepx positionne sa technologie Genesis NPU comme une alternative puissante et efficace aux GPU de purpose général pour des charges de travail spécifiques à l'IA. L'accent mis sur la réduction des coûts et de la consommation les rend attractifs pour implémenter des solutions d'intelligence artificielle à grande échelle, où l'efficacité opérationnelle est cruciale. 💡