Deepx анонсирует новые ускорители ИИ с ядром Genesis
Южнокорейская компания Deepx представила свою новую линейку ускорителей для искусственного интеллекта, показанную на мероприятии CES 2026. Модели DX-H1 V-NPU, DX-H1 Quattro и DX-M1 M.2 стремятся конкурировать с традиционными решениями на базе GPU, предлагая специализированную архитектуру, которая более эффективна. 🚀
DX-H1 V-NPU: специалист по потокам видео
Это устройство предназначено для обработки операций с видео. Оно может декодировать, кодировать и транскодировать несколько потоков одновременно. По данным Deepx, интеграция этого модуля позволяет снизить стоимость оборудования на 80% и энергопотребление на 85% по сравнению с конфигурациями на GPU, не жертвуя количеством поддерживаемых каналов.
Ключевые преимущества DX-H1 V-NPU:- Фокусируется на обработке видео для приложений безопасности и стриминга.
- Обеспечивает экстремальную экономию энергии по сравнению с обычными GPU.
- Поддерживает высокую плотность каналов для обработки множества передач одновременно.
Ключ к экономии энергии — не выключать оборудование, а позволить эффективному чипу работать за вас.
Семейство продуктов и общая архитектура
Помимо модели для видео, серия включает DX-H1 Quattro и DX-M1 в формате M.2. Последний разработан для простой интеграции в различные системы. Все они используют общее нейронное ядро Genesis NPU, которое компания оптимизировала специально для быстрого выполнения задач вывода ИИ с низким энергопотреблением.
Характеристики архитектуры Genesis NPU:- Это общее сердце трех новых ускорителей.
- Оптимизировано для выполнения вывода ИИ эффективно.
- Предназначено для обеспечения высокой производительности в компактном форм-факторе, экономящем пространство и электричество.
Ставка на специализированную эффективность
С этими релизами Deepx позиционирует свою технологию Genesis NPU как мощную и эффективную альтернативу универсальным GPU для специфических нагрузок ИИ. Фокус на снижении затрат и энергопотребления делает их привлекательными для внедрения решений искусственного интеллекта в масштабе, где операционная эффективность имеет решающее значение. 💡