韩国 DeepX 边缘 AI 芯片 DX-M2 流片，目标机器人和无人机跑 1000 亿参数大模型

事件核心：发生了什么

据 EE Times 报道，总部位于韩国的 DeepX 已完成 DX-M2 的流片（tape out）。这款芯片定位边缘 AI 推理，官方给出的目标场景是在机器人和无人机上运行参数量达 1000 亿的大语言模型。流片意味着设计进入制造验证阶段，但距离规模出货仍有距离，公司给出的量产目标是 2027 年秋季。目前公开信息显示，关于该芯片的具体算力、功耗、内存配置和价格尚未披露。

为什么重要

当前大模型推理主要依赖云端 GPU 集群，端侧设备受限于算力和内存，通常只能跑小模型或经过量化裁剪的版本。若 DX-M2 能在低功耗边缘设备上承载千亿参数级模型的推理，意味着机器人、无人机等离线场景可以减少对网络的依赖，降低时延和带宽成本。这也会加剧边缘 AI 芯片赛道的竞争：英伟达、高通、地平线等厂商都在布局端侧推理，DeepX 试图用“大模型直接上端侧”的定位切入。

对用户/开发者/创作者的影响

对开发者而言，边缘芯片能否跑千亿模型，关键不只是纸面参数，而是配套的编译器、量化工具和模型部署生态。如果 DeepX 能提供成熟的 SDK 和模型转换流程，机器人开发者可以在本地部署更复杂的多模态推理，而不必把数据传回云端。对企业采购方，这类芯片的功耗和散热表现决定它能否真正装进无人机这类续航敏感的设备。对普通用户，短期内影响有限，更多体现在未来机器人响应速度和离线可用性上。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是流片后的实测数据，包括实际能跑多大的模型、推理速度和功耗是否匹配机器人场景；二是 2027 年秋季量产目标能否兑现，边缘芯片从流片到量产通常存在良率和客户导入的不确定性；三是软件生态是否开放，若缺乏主流框架支持，硬件优势难以转化为开发者采用。

来源：Techmeme