AX8860P ของ Axera ท้าชน DGX Spark ด้วยคอมพิวเตอร์ AI ประมวลผลในเครื่องราคา 3,999 ดอลลาร์ แต่ตัวเลขประสิทธิภาพเปลี่ยนไป

คอมพิวเตอร์ AI ขนาดเล็กจากจีนมุ่งท้าชนคู่แข่งราคาแพง

Sipeed ตั้งเป้าราคา MaixStation คอมพิวเตอร์ที่มีหน่วยความจำ 128 GB ไว้ที่ประมาณ 3,999 ดอลลาร์ โดยใช้ชิป AX8860P ของ Axera ผู้ผลิตชิปจีน ตัวเครื่องมีขนาดเพียง 11 x 11 x 3 ซม. และระบุว่าสามารถรันโมเดล AI ขนาดใหญ่ในเครื่อง โดยใช้พลังงานเฉลี่ย 40 วัตต์ คู่แข่งที่ตั้งเป้าไว้คือ DGX Spark ของ Nvidia ระบบ AI ขนาดกะทัดรัดที่มีหน่วยความจำ 128 GB และราคาอยู่ที่ประมาณ 6,950 ดอลลาร์

Axera เปิดตัวชิปดังกล่าวในงานแสดงสินค้าอุตสาหกรรมที่เซี่ยงไฮ้เมื่อวันที่ 13 ตุลาคม 2026 ซึ่งเป็นวันเดียวกับที่ Sipeed นำเสนอ MaixStation ด้วย ข้อเสนอแรกสะดุดตาไม่น้อย โดยระบุว่าประมวลผลพรอมป์ต์ได้เร็วกว่า DGX Spark 25% และสร้างคำตอบได้เร็วกว่า 30% เมื่อรันโมเดล Qwen ที่มีพารามิเตอร์ 27,000 ล้านตัว ในราคาประมาณครึ่งหนึ่ง

ขณะนี้ หน้าผลิตภัณฑ์ MaixStation ของ Sipeed ให้รายละเอียดมากขึ้น โดยระบุความเร็วประมวลผลพรอมป์ต์บน Qwen3.8-27B ที่ 592 ถึง 677 โทเค็นต่อวินาที และความเร็วสร้างคำตอบที่ 6 ถึง 7 โทเค็นต่อวินาที ตัวเลขเหล่านี้ต่ำกว่าช่วงความเร็วที่เผยแพร่ในช่วงเปิดตัว ขณะที่แผนเปิดตัวอย่างเป็นทางการระบุว่าจะเริ่มแคมเปญ Kickstarter ในช่วงปลายปี 2026

จุดเด่นที่เห็นได้ชัดคือ หน่วยความจำขนาดใหญ่ในคอมพิวเตอร์เครื่องเล็กอาจช่วยให้นักพัฒนา สำนักงาน และผู้ใช้ทั่วไป รันโมเดลประสิทธิภาพสูงได้โดยไม่ต้องเช่าบริการประมวลผลบนคลาวด์หรือซื้อการ์ดจอหลายใบ อย่างไรก็ตาม การตัดสินใจซื้อขึ้นอยู่กับซอฟต์แวร์รุ่นสุดท้าย ประสิทธิภาพที่วัดได้ และกำหนดส่งมอบ พอ ๆ กับข้อมูลจำเพาะของชิป

สิ่งที่ Axera ใส่ไว้ใน AX8860P

ชิปตระกูล AX8860 ใช้กระบวนการผลิตขนาด 6 นาโนเมตร และประกอบด้วยซีพียู Arm Cortex-A55 จำนวน 16 คอร์ กับหน่วยประมวลผลโครงข่ายประสาทเทียมโดยเฉพาะ หรือ NPU ซึ่งเป็นโปรเซสเซอร์ที่ออกแบบมาเพื่อคำนวณซ้ำ ๆ ตามที่โมเดล AI ใช้ Axera และ Sipeed ระบุว่าชิปประมวลผลได้สูงสุด 256 ล้านล้านคำสั่งต่อวินาที หรือเรียกโดยย่อว่า 256 TOPS เมื่อใช้รูปแบบ FP4

FP4 จัดเก็บค่าตัวเลขด้วยความแม่นยำ 4 บิต การใช้บิตน้อยลงช่วยลดหน่วยความจำที่โมเดลต้องใช้และอาจเร่งการคำนวณได้ แต่โมเดลและซอฟต์แวร์ต้องรองรับรูปแบบดังกล่าวด้วย ตัวเลขของ Axera เป็นการคำนวณแบบหนาแน่น ไม่ใช่ตัวเลขที่สมมติว่าสามารถข้ามค่าบางส่วนได้ด้วยเทคนิคที่เรียกว่า sparsity

ชิปรองรับ PCIe 5.0 และอินเทอร์เฟซหน่วยความจำกว้าง 256 บิต Sipeed ระบุว่าใช้หน่วยความจำ LPDDR5X-8533 ได้สูงสุด 128 GB ต่อโมดูล และมีแบนด์วิดท์ 273 GB ต่อวินาที โมดูล Maix-V มีขนาด 78 x 78 มม. และใช้ขั้วต่อ LPCAMM2

คอร์ Cortex-A55 ทำหน้าที่รันระบบปฏิบัติการและงานสนับสนุน ส่วน NPU มีไว้รองรับงาน AI หลัก DGX Spark ของ Nvidia มี 20 คอร์ Arm รวมถึงคอร์ Cortex-X925 ที่ทรงพลังกว่า ขณะที่เครื่อง AMD Ryzen AI Halo ซึ่งเป็นคู่แข่งใช้ซีพียู Zen 5 ดังนั้นผู้ใช้ที่วางแผนทำงานอนุมาน AI ควบคู่กับงานประมวลผลทั่วไปจำนวนมาก จึงมีปัจจัยให้เปรียบเทียบมากกว่าตัวเร่งประมวลผลเพียงอย่างเดียว

เหตุใดหน่วยความจำ 128 GB จึงสำคัญกว่าตัวเลข TOPS พาดหัวข่าว

โมเดลภาษาต้องใช้หน่วยความจำเก็บค่าน้ำหนักเชิงตัวเลข ซึ่งแทนสิ่งที่โมเดลเรียนรู้ระหว่างการฝึก และเก็บข้อมูลทำงานที่สร้างขึ้นขณะตอบคำขอ หากตัวเร่งประมวลผลเร็วแต่มีหน่วยความจำไม่พอ อาจต้องแบ่งโมเดลทำงานข้ามหลายอุปกรณ์หรือย้ายข้อมูลผ่านพื้นที่จัดเก็บที่ช้ากว่า

MaixStation รุ่นที่เสนอให้หน่วยความจำ 128 GB จัดอยู่ในระดับความจุเดียวกับ DGX Spark รุ่นใหญ่ ทั้งสองรุ่นระบุแบนด์วิดท์ 273 GB ต่อวินาที AMD Ryzen AI Halo มีรุ่นหน่วยความจำ 128 GB ที่ความเร็วประมาณ 256 GB ต่อวินาที และรุ่นราคาสูงกว่าที่มีหน่วยความจำ 192 GB พร้อมแบนด์วิดท์ 273 GB ต่อวินาที

ความจุเป็นตัวกำหนดว่าบรรจุข้อมูลได้มากเพียงใด ส่วนแบนด์วิดท์กำหนดว่าข้อมูลจะเคลื่อนไปยังโปรเซสเซอร์ได้เร็วแค่ไหน ในการสร้างข้อความตามปกติด้วยโมเดลภาษาชนิดหนาแน่น การสร้างโทเค็นใหม่แต่ละตัวต้องอ่านข้อมูลโมเดลจำนวนมาก โทเค็นเป็นหน่วยข้อความขนาดเล็ก อาจเป็นทั้งคำหรือเพียงส่วนหนึ่งของคำ

ด้วยเหตุนี้ Sipeed จึงให้เหตุผลว่าการใช้หน่วยความจำได้อย่างมีประสิทธิภาพ อาจทำให้โปรเซสเซอร์ 256 TOPS ของตนแข่งขันกับตัวเลขประมวลผลที่ประกาศไว้สูงกว่าของ Nvidia ได้ ตัวเลข FP4 ราว 1,000 TOPS ของ DGX Spark ใช้ sparsity ส่วนตัวเลข FP4 แบบหนาแน่นอยู่ที่ประมาณ 500 ล้านล้านคำสั่งต่อวินาที ความเร็วใช้งานจริงยังขึ้นอยู่กับว่าซอฟต์แวร์ใช้ฮาร์ดแวร์ได้มีประสิทธิภาพเพียงใด

หน้าผลทดสอบอย่างเป็นทางการให้ภาพที่แคบลง

Sipeed แยกการทดสอบเป็นช่วง prefill ซึ่งโมเดลประมวลผลพรอมป์ต์ของผู้ใช้ และช่วง decode ซึ่งโมเดลสร้างคำตอบ การทำ prefill ได้เร็วขึ้นช่วยลดเวลารอก่อนคำตอบเริ่มปรากฏ โดยเฉพาะเมื่อใช้เอกสารยาว ส่วน decode ที่เร็วขึ้นทำให้คำตอบปรากฏเร็วขึ้นหลังเริ่มสร้างข้อความ

สำหรับ Qwen3.8-27B แบบ FP4 หนาแน่น หน้าเว็บอย่างเป็นทางการระบุความเร็ว prefill ของ MaixStation ที่ 592 ถึง 677 โทเค็นต่อวินาที เทียบกับ 550 ของ DGX Spark คิดเป็นความได้เปรียบราว 8% ถึง 23% ส่วนความเร็ว decode ที่ระบุของ MaixStation อยู่ที่ 6 ถึง 7 โทเค็นต่อวินาที แต่ข้อความที่ให้มาจากกราฟอย่างเป็นทางการไม่ได้ระบุตัวเลขฐานความเร็ว decode ของ DGX Spark สำหรับโมเดลนี้

สำหรับ Qwen3.6-35B-A3B ซึ่งเป็นโมเดลแบบ mixture of experts Sipeed ระบุความเร็ว prefill ที่ 2,664 ถึง 3,256 โทเค็นต่อวินาที เทียบกับ 2,368 ของ DGX Spark คิดเป็นความได้เปรียบราว 13% ถึง 38% ส่วนความเร็ว decode อยู่ที่ 34 ถึง 37 โทเค็นต่อวินาที เทียบกับ 34 ซึ่งตั้งแต่เสมอกันไปจนถึงเร็วกว่าอีกราว 9%

โมเดลแบบ mixture of experts จะเปิดใช้งานเพียงบางส่วนของโครงข่ายสำหรับแต่ละโทเค็น จึงช่วยอธิบายได้ว่าทำไมอัตราการสร้างข้อความจึงสูงกว่าโมเดลชนิดหนาแน่นที่มีจำนวนพารามิเตอร์รวมใกล้เคียงกัน โมเดลทั้งสองประเภทมีปริมาณงานที่ต้องทำต่อโทเค็นแตกต่างกัน

Sipeed ระบุว่าผลที่แสดงเป็นค่าที่วัดได้ในปัจจุบันอย่างระมัดระวัง และยังอยู่ระหว่างปรับแต่ง AX8860P กราฟระบุว่าใช้ FP4 โดยปิดการทำนายหลายโทเค็น หรือ MTP ซึ่งเป็นเทคนิคเสนอหลายโทเค็นล่วงหน้าพร้อมกันเพื่อเร่งการสร้างข้อความ

เหตุใดตัวเลขความเร็วที่อ้างไว้ก่อนหน้านี้จึงต้องเปรียบเทียบอย่างระมัดระวัง

ช่วงตัวเลขผลทดสอบที่ Sipeed เผยแพร่ก่อนหน้านี้สูงกว่า โดย Qwen3.8-27B ทำ prefill ได้ 1,400 ถึง 1,600 โทเค็นต่อวินาที และ decode ได้ 15 ถึง 17 โทเค็นต่อวินาที เทียบกับตัวเลขฐานของ DGX Spark ที่ 1,300 และ 13 ตามลำดับ สำหรับโมเดลแบบ mixture of experts ช่วงความเร็วอยู่ที่ 6,300 ถึง 7,700 สำหรับ prefill และ 80 ถึง 88 สำหรับ decode เทียบกับ 5,600 และ 80 ตามลำดับ ต่อมา Sipeed ยังเผยแพร่ผลเปรียบเทียบที่ระบุว่า MaixStation นำอยู่ราว 10% ในทั้งสองช่วง พร้อมชี้แจงว่าผลการทดสอบรอบใหม่ที่มีช่องว่างกว้างกว่านั้นยังไม่ใช่ข้อมูลอย่างเป็นทางการ

ตัวเลขสัมบูรณ์ที่ต่ำลงบนหน้าเว็บอย่างเป็นทางการทำให้เงื่อนไขการทดสอบมีความสำคัญเป็นพิเศษ ความยาวพรอมป์ต์ จำนวนคำขอที่ประมวลผลพร้อมกัน รูปแบบตัวเลข ซอฟต์แวร์รันไทม์ และเวอร์ชันไดรเวอร์ ล้วนเปลี่ยนผลลัพธ์ได้ ผลทดสอบ DGX Spark ที่เป็นอิสระและมีการอ้างถึงในรายงานทำได้ประมาณ 11.5 ถึง 11.6 โทเค็นต่อวินาทีสำหรับ Qwen3.8-27B โดยไม่ใช้ speculative decoding ส่วนความเร็ว prefill อยู่ระหว่าง 840 ถึง 1,900 ขึ้นอยู่กับซอฟต์แวร์

การคำนวณหน่วยความจำอย่างง่ายช่วยอธิบายว่าเหตุใดตัวเลข 17 โทเค็นต่อวินาทีที่อ้างไว้ก่อนหน้านี้จึงได้รับความสนใจ หากโมเดลที่กำลังรันใช้พื้นที่ราว 16 GB การนำแบนด์วิดท์ 273 GB ต่อวินาทีหารด้วย 16 GB จะได้ประมาณ 17 โทเค็นต่อวินาที ก่อนคำนึงถึงการรับส่งข้อมูลหน่วยความจำอื่น ๆ การทำความเร็วได้ถึงระดับดังกล่าวต้องใช้แบนด์วิดท์ที่ประกาศไว้อย่างมีประสิทธิภาพสูงเป็นพิเศษ

ขนาดหน่วยความจำที่โมเดลใช้จริงเป็นปัจจัยสำคัญ การนำ 4 บิตคูณกับพารามิเตอร์ 27,000 ล้านตัวจะได้ประมาณ 13.5 GB สำหรับค่าน้ำหนักเพียงอย่างเดียว ส่วนข้อมูลปรับสเกลเชิงตัวเลขและพื้นที่จัดเก็บอื่น ๆ อาจเพิ่มขนาดที่ใช้ระหว่างทำงาน การทดสอบโดยละเอียดที่ทำซ้ำได้จะช่วยให้ผู้ซื้อเชื่อมโยงตัวเลขความเร็วกับการตั้งค่าโมเดลเฉพาะได้

กล่องขนาดพกพาพร้อมพื้นที่จัดเก็บมาตรฐาน

จากขนาดที่ Sipeed ประกาศ MaixStation มีปริมาตร 363 ลูกบาศก์เซนติเมตร บริษัทเปรียบเทียบกับ DGX Spark ซึ่งมีปริมาตร 1,125 ลูกบาศก์เซนติเมตร ทำให้ตัวเครื่องที่เสนอมีขนาดราวหนึ่งในสาม บริษัทระบุว่าสามารถจ่ายไฟให้เครื่องผ่าน USB-C จากพาวเวอร์แบงก์ที่เหมาะสมและรองรับกำลังไฟ 65 วัตต์ได้

หน้าเว็บอย่างเป็นทางการระบุการใช้พลังงานโดยทั่วไปของ MaixStation ที่ 40 วัตต์ และ DGX Spark ที่ 120 วัตต์ ทั้งนี้เป็นค่าการใช้งานทั่วไปตามที่ Sipeed แจ้ง รายงานเบื้องต้นเกี่ยวกับ AX8860 ยังระบุกำลังไฟของโมดูลเฉพาะไว้ที่ 40 วัตต์ด้วย ดังนั้นขอบเขตการวัดกำลังไฟจึงเป็นอีกรายละเอียดที่ควรตรวจสอบในการทดสอบจริง

พอร์ตและการเชื่อมต่อประกอบด้วยเครือข่าย 10G SFP+ พอร์ต USB-C ขั้วต่อ MCIO 8i และสล็อต M.2 2280 มาตรฐานสำหรับ SSD รูปแบบพื้นที่จัดเก็บนี้ช่วยให้ผู้ซื้อเพิ่มพื้นที่สำหรับไฟล์โมเดลได้สะดวกด้วยอุปกรณ์ที่คุ้นเคย ซึ่งไฟล์เหล่านี้อาจใช้พื้นที่หลายร้อยกิกะไบต์ได้อย่างรวดเร็ว

แผนฮาร์ดแวร์ของ Axera ไม่ได้มีแค่คอมพิวเตอร์ตั้งโต๊ะขนาดเล็ก แบบผลิตภัณฑ์ยังประกอบด้วยโมดูล การ์ด PCIe ที่มีชิปหนึ่งตัว และการ์ดที่มีชิปสี่ตัว พัดลมสี่ตัว และขั้วต่อไฟมาตรฐานแบบแปดพิน Sipeed เชื่อมโยง MaixStation Pro และ MaixBlade กับการตั้งค่าที่ให้หน่วยความจำ 512 GB ขึ้นไป

ชิปหลายตัวเพิ่มความจุได้ แต่การขยายประสิทธิภาพยังเป็นเพียงคำกล่าวอ้าง

Sipeed ระบุว่า MaixStation เชื่อมต่อได้สูงสุดแปดโหนดโดยไม่ต้องใช้สวิตช์ภายนอก ผ่านการเชื่อมต่อระหว่างชิปที่รองรับความเร็ว 256 กิกะบิตต่อวินาที และขยายได้ถึง 384 กิกะบิตต่อวินาที ส่วน DGX Spark ใช้การเชื่อมต่อ 200 กิกะบิตสำหรับเชื่อมระบบเข้าด้วยกัน และการตั้งค่าที่ใช้ Spark สี่เครื่องต้องมีสวิตช์ภายนอก

ความแตกต่างระหว่างกิกะบิตกับกิกะไบต์มีความสำคัญ การเชื่อมต่อที่ระบุความเร็ว 256 กิกะบิตต่อวินาที เทียบเท่าความเร็วข้อมูลดิบ 32 กิกะไบต์ต่อวินาที ก่อนหักค่าใช้จ่ายส่วนเกิน ขณะที่แบนด์วิดท์หน่วยความจำ 273 กิกะไบต์ต่อวินาทีหมายถึงการเชื่อมต่ออีกประเภทหนึ่งภายในเครื่องแต่ละเครื่อง ซึ่งเร็วกว่าอย่างมาก

Axera ระบุว่าชิปสองตัวทำได้รวม 512 TOPS และสี่ตัวทำได้ 1,024 TOPS พร้อมอ้างประสิทธิภาพการขยายระบบราว 80% ตัวเลขการขยายประสิทธิภาพของชิปสี่ตัวมาจากการจำลองในห้องปฏิบัติการ การแบ่งโมเดลข้ามโปรเซสเซอร์ยังทำให้เกิดงานสื่อสารและซิงโครไนซ์ ดังนั้นความเร็วของแอปพลิเคชันจึงไม่ได้ขึ้นอยู่กับการนำตัวเลขประมวลผลสูงสุดของแต่ละชิปมาบวกกันเท่านั้น

แผนพัฒนาของ Axera ระบุ AX8950 ที่ทำได้สูงสุด 500 TOPS และ AX8970 ที่เกิน 700 TOPS โปรเซสเซอร์ที่วางแผนไว้เหล่านี้จะเป็นทางเลือกสำหรับอัปเกรดในอนาคต แต่ข้อเสนอของ MaixStation ในระยะใกล้ยังขึ้นอยู่กับ AX8860P และซอฟต์แวร์ของมัน

ซอฟต์แวร์คือหัวใจของการใช้งานในชีวิตประจำวัน

Sipeed ระบุว่ารองรับ Debian 13 ที่ใช้ Linux 6.18 พร้อม vLLM, SGLang, PyTorch, llama.cpp และ Ollama เครื่องมือเหล่านี้ช่วยโหลดโมเดล ประมวลผลคำขอ และเชื่อมต่อแอปพลิเคชัน AI เข้ากับฮาร์ดแวร์ บริษัทยังโฆษณา API ที่เข้ากันได้กับ OpenAI และ Anthropic เพื่อให้แอปพลิเคชันเดิมส่งคำขอไปยังอุปกรณ์ในเครื่องได้

คำถามที่พบบ่อยเกี่ยวกับผลิตภัณฑ์ของ Sipeed อธิบายว่าชื่อเฟรมเวิร์กที่คุ้นเคยเหล่านี้ทำงานบนซอฟต์แวร์เร่งความเร็วที่เขียนขึ้นสำหรับฮาร์ดแวร์ Axera:

SGLang และ vLLM ทำงานผ่านแบ็กเอนด์เร่งความเร็วฮาร์ดแวร์ที่พัฒนาขึ้นโดยเฉพาะ โดยเคอร์เนลเขียนด้วย AXDSL

เคอร์เนลคือส่วนย่อยของซอฟต์แวร์ที่ทำการคำนวณหลักบนตัวเร่งประมวลผล Sipeed ระบุว่าผู้ใช้โหลดโมเดล Hugging Face ที่รองรับได้โดยตรง ส่วนสถาปัตยกรรมโมเดลใหม่อาจต้องใช้เคอร์เนลที่เขียนด้วย AXDSL บริษัทให้คำมั่นว่าจะเผยแพร่เคอร์เนลและเครื่องมือพัฒนา พร้อมระบุว่ากำลังดำเนินการเปิดชุดเครื่องมือพัฒนาซอฟต์แวร์ AX8860

บริษัทโฆษณาว่ามีโมเดลและอินเทอร์เฟซผ่านเบราว์เซอร์พร้อมใช้งานตั้งแต่เริ่มต้น การใช้งานที่แนะนำมีทั้งเอเจนต์ช่วยเขียนโค้ด การประมวลผลเอกสาร การสร้างวิดีโอ และหุ่นยนต์ สำหรับการ์ด PCIe จะรองรับโฮสต์ Linux ก่อน ส่วนการรองรับ Windows ขึ้นอยู่กับความต้องการ ในช่วงเปิดตัว คาดว่าชุดเครื่องมือ NPU จะพร้อมใช้ภายในสิ้นเดือนตุลาคม

ราคาและการส่งมอบผูกอยู่กับแคมเปญแล้ว

ราคา 3,999 ดอลลาร์ที่ Sipeed คาดไว้สำหรับรุ่นหน่วยความจำ 128 GB จะต่ำกว่า DGX Spark ราคา 6,950 ดอลลาร์อยู่ราว 2,951 ดอลลาร์ หรือ 42% ถือเป็นส่วนลดมาก แต่ยังไม่ถึงครึ่งราคา นอกจากนี้ยังทำให้ MaixStation มีราคาใกล้เคียงกับ AMD Ryzen AI Halo รุ่นหน่วยความจำ 128 GB ซึ่งอยู่ที่ประมาณ 3,999.99 ดอลลาร์

กำหนดการวางจำหน่ายเปลี่ยนจากความคาดหมายแรกเริ่มว่าอุปกรณ์จะมาถึงในปี 2026 เปิดให้จองแล้ว แต่คำถามที่พบบ่อยอย่างเป็นทางการระบุว่าจะเปิด Kickstarter ในช่วงปลายปี 2026 Sipeed ระบุว่าตั้งใจจัดส่งภายในสามเดือนหลังแคมเปญสิ้นสุด

• 13 ตุลาคม 2026: Axera เปิดตัวชิปตระกูล AX8860 ที่เซี่ยงไฮ้ และ Sipeed นำเสนอ MaixStation
• ปลายเดือนตุลาคม 2026: Sipeed คาดว่าชุดเครื่องมือ NPU จะพร้อมใช้งาน
• ปลายปี 2026: Sipeed วางแผนเปิดแคมเปญ Kickstarter สำหรับ MaixStation
• ภายในสามเดือนหลังแคมเปญสิ้นสุด: เป้าหมายการจัดส่งตามที่ Sipeed ระบุ

Sipeed ยังไม่ยืนยันราคาขายปลีกสุดท้าย วันส่งมอบที่แน่นอน หรือประสิทธิภาพของ MaixStation ที่ผ่านการตรวจสอบโดยอิสระ กำลังการผลิต การสนับสนุน และราคาและกำหนดเวลาของรุ่น Pro ขนาด 512 GB ก็ยังไม่แน่นอนเช่นกัน บริษัทวางแผนเปิดให้เข้าถึงเครื่องจากระยะไกลและส่งเครื่องรีวิวระหว่างแคมเปญ ซึ่งจะเป็นโอกาสถัดไปให้ผู้สนใจตรวจสอบคำกล่าวอ้าง

ประเด็นสำคัญ

• MaixStation ตั้งเป้าราคาราว 3,999 ดอลลาร์ สำหรับหน่วยความจำ 128 GB และโปรเซสเซอร์ Axera AX8860P ที่ระบุประสิทธิภาพ 256 TOPS ในรูปแบบ FP4 แบบหนาแน่น
• Sipeed ระบุแบนด์วิดท์หน่วยความจำ 273 GB ต่อวินาที ใช้พลังงานโดยทั่วไป 40 วัตต์ และตัวเครื่องมีขนาด 11 x 11 x 3 ซม.
• หน้าผลทดสอบอย่างเป็นทางการแสดงความเร็วสัมบูรณ์ต่ำกว่าช่วงตัวเลขที่เผยแพร่ก่อนหน้า โดยผลลัพธ์แตกต่างกันตามโมเดลและขั้นตอนประมวลผล
• การรองรับซอฟต์แวร์อาศัยแบ็กเอนด์เร่งความเร็วที่พัฒนาขึ้นสำหรับ Axera โดยบริษัทให้คำมั่นว่าจะเผยแพร่เครื่องมือพัฒนาและโค้ดเพิ่มเติม
• มีแผนเปิด Kickstarter ช่วงปลายปี 2026 ตามด้วยเป้าหมายจัดส่งภายในสามเดือนหลังแคมเปญสิ้นสุด
• ผลทดสอบอิสระ ราคาสุดท้าย และกำหนดส่งมอบที่ยืนยันแล้ว จะเป็นตัวกำหนดว่าระบบที่เสนอแข่งขันกับทางเลือกจาก Nvidia และ AMD ได้อย่างไร