韩国DEEPX发布2W功耗AI芯片DX-M1，25TOPS算力仅需2-5瓦，M.2直插设计面向边缘推理

韩国AI芯片初创企业DEEPX于11月9日在美国正式发布其首款边缘AI加速芯片DX-M1。该产品以极低功耗与优异散热表现为核心卖点，典型工作功耗仅为2W至5W，INT8算力达25 TOPS，在同类推理芯片中属罕见水平。DEEPX CEO在发布会上强调，DX-M1运行时表面温升显著低于传统AI芯片，实测温差可达25℃至40℃，并形象比喻称“将奶油置于芯片表面也不易融化”——这一说法虽具传播性，但背后反映的是其在热管理设计上的实质性突破。

从硬件架构看，DX-M1采用标准M.2 2280规格，可直接插入主流PC主板的M.2插槽，无需额外扩展卡或复杂安装流程，极大降低了部署门槛。芯片内部集成三颗Genesis NPU核心，通过系统总线协同调度；内存子系统配置4GB LPDDR5高速缓存与128GB嵌入式NAND闪存，满足轻量级模型加载与中间数据暂存需求；数据接口为PCIe Gen 3 x4，理论带宽约4GB/s，足以支撑多数端侧推理任务的数据吞吐。

软件生态方面，DX-M1兼容PyTorch、TensorFlow、TensorFlow Lite及ONNX等主流深度学习框架，并配套提供专用开发套件DXNN，支持模型量化、编译优化与运行时调度功能。官方明确表示，该芯片定位为纯边缘推理加速器，不适用于大模型训练，亦无法高效运行70B或27B参数级别的大型语言模型。其目标场景聚焦于对功耗、噪音与稳定性要求严苛的本地化AI应用，包括实时目标检测、视频流分析、无人机/机器人自主导航、工业质检以及智能家居感知终端等。

在当前AI芯片市场中，高算力往往伴随高功耗与强散热需求。以NVIDIA Jetson Orin Nano为例，其10 TOPS INT8算力对应典型功耗约15W；而Google Coral Edge TPU虽功耗仅2W，但算力仅4 TOPS。DX-M1以25 TOPS达成2–5W能效比，意味着其每瓦特算力达5–12.5 TOPS/W，显著优于上述竞品。这一性能-功耗曲线使其在电池供电设备、静音环境部署或空间受限的嵌入式系统中具备独特优势。

值得注意的是，DEEPX并未选择高制程工艺（如5nm或3nm）作为技术突破口，而是通过架构精简、电源门控优化与异构计算单元协同调度实现能效跃升。其Genesis NPU核心据推测采用定制化脉动阵列结构，专为INT8/INT4低精度推理优化，避免了通用GPU在低负载下的资源浪费问题。这种“够用即止”的设计理念，契合边缘AI落地中“轻量化、可嵌入、易维护”的工程诉求。

价格方面，DX-M1零售价定为139美元（约合人民币933元），在同类M.2形态AI加速模块中处于中低端区间。对比售价近200美元的Intel Neural Compute Stick 2（算力仅1 TOPS）或超千元的Google Coral USB Accelerator（4 TOPS），DX-M1在性价比维度展现出较强竞争力。不过，其实际推理延迟、模型兼容广度及长期稳定性仍有待第三方评测验证。

行业观察指出，边缘AI芯片正从“拼算力”转向“拼能效比与场景适配度”。随着LLM小型化（如Phi-3、TinyLlama）与MoE蒸馏技术普及，20B以下参数模型已在端侧实现可用推理，这为低功耗专用NPU创造了增量空间。IDC预测，2026年全球边缘AI芯片出货量将突破12亿颗,其中功耗低于10W的产品占比将升至68%。在此背景下，DEEPX的DX-M1虽非巨头级产品，却精准卡位了一个尚未被充分满足的细分市场：既需要高于微控制器的算力，又无法承受传统加速卡的热噪声代价。

目前，DX-M1已开放全球销售，DEEPX计划后续推出支持INT4量化与稀疏计算的升级版本，并探索与ROS 2、Ubuntu Core等嵌入式系统的深度集成。对于开发者而言，其M.2即插即用特性降低了AI原型验证周期；对企业用户而言，批量部署时可省去散热风扇与额外电源模块，进一步压缩BOM成本。

尽管尚无公开的基准测试数据佐证其宣称性能，但DX-M1的出现本身即传递出一个信号：在算力军备竞赛之外，AI芯片的另一条演进路径——极致能效与工程友好性——正在获得越来越多创业公司的关注。当“奶油不化”不再只是营销话术，而成为可测量的热设计指标时，边缘智能的落地边界或将被重新定义。