DeepX представила ИИ-ускорители DX-H1 V-NPU, DX-H1 Quattro и DX-M1 М.2

На международной выставке потребительской электроники CES 2026 в Лас-Вегасе (Невада, США) южнокорейский стартап DeepX анонсировал сразу три новых ИИ-ускорителя: DX-H1 V-NPU, DX-H1 Quattro и DX-M1 М.2. Эти устройства построены на базе собственной архитектуры нейропроцессорного узла Genesis NPU и позиционируются как высокопроизводительные, но при этом чрезвычайно энергоэффективные решения для задач обработки видео, инференса в реальном времени и edge-вычислений. В условиях растущего спроса на локальные ИИ-модели и снижение зависимости от GPU-инфраструктуры, новинки DeepX могут стать ключевым элементом в сборках серверов, рабочих станций и периферийных систем.

DX-H1 V-NPU: видеопроцессинг нового поколения с экономией до 85 % энергии

Первый из представленных ускорителей — DX-H1 V-NPU — ориентирован исключительно на задачи, связанные с обработкой видеоматериалов. Это не просто ИИ-ускоритель: это гибридное решение, объединяющее аппаратные видеокодеки и нейропроцессоры в одном компактном форм-факторе. Устройство выполнено в виде низкопрофильной PCIe 3.0 x16 карты (электрически работает на x8), что делает его совместимым с широким спектром серверных и десктопных платформ.

Ключевые характеристики DX-H1 V-NPU:

• Два аппаратных видеокодека;
• Два NPU с общей производительностью до 50 TOPS (INT8);
• Поддержка декодирования 64 каналов H.264/H.265 (1080p @ 30 fps);
• Поддержка кодирования 32 каналов H.264/H.265 (1080p @ 30 fps);
• 16 ГБ LPDDR5 для секции кодирования + 8 ГБ LPDDR5 для NPU;
• HDMI 2.0, eMMC 32 ГБ;
• Потребление — всего 40 Вт.

Согласно заявлениям DeepX, использование DX-H1 V-NPU позволяет сократить стоимость оборудования на 80 % и энергопотребление на 85 % по сравнению с аналогичными GPU-решениями при той же плотности видеоканалов. Это особенно важно для систем видеонаблюдения, медиа-серверов, транскодинговых платформ и других решений, где требуется массовая обработка видео в реальном времени.

DX-H1 Quattro: 100 TOPS в формате PCIe для дата-центров и edge-инфраструктуры

Второе устройство — DX-H1 Quattro — представляет собой чисто ИИ-ускоритель без видеокодеков. Он предназначен для развертывания в дата-центрах и на периферии, где требуется высокая производительность инференса при минимальном энергопотреблении. Ускоритель оснащён четырьмя NPU, суммарная производительность которых достигает 100 TOPS (INT8).

Основные параметры DX-H1 Quattro:

• Четыре NPU на базе Genesis;
• 16 ГБ LPDDR5;
• Форм-фактор: PCIe 3.0 x16;
• Потребление — всего 20 Вт;
• Рабочий диапазон температур: –25…+85 °C;
• Поддержка Windows и Linux (включая Ubuntu).

Такие характеристики делают DX-H1 Quattro идеальным кандидатом для установки в стойковые серверы и турельные серверы, где важны плотность вычислений, надежность и энергоэффективность. Особенно актуально применение в системах распознавания лиц, анализа поведения, промышленного компьютерного зрения и IoT-шлюзах.

DX-M1 М.2: ИИ-ускорение в формате M.2 2280 для встраиваемых систем

Третья новинка — DX-M1 М.2 — представляет собой компактный ИИ-ускоритель в формате M.2 2280. Это решение ориентировано на встраиваемые системы, мобильные платформы и edge-устройства, где критически важны размеры и энергопотребление.

Характеристики DX-M1 М.2:

• Производительность до 25 TOPS (INT8);
• Интерфейс PCIe 3.0 x4;
• Потребление — не более 5 Вт;
• Рабочий диапазон температур: –25…+85 °C;
• Совместимость с архитектурами x86 и Arm;
• Поддержка Windows 11 и Ubuntu 22.04.

Модуль DX-M1 может быть установлен в любую платформу с M.2-слотом, поддерживающим PCIe x4 — от промышленных ПК до одноплатных компьютеров и мини-серверов. Это открывает возможности для создания недорогих, но мощных ИИ-устройств для ритейла, здравоохранения, логистики и умных городов.

Архитектура Genesis NPU: почему это важно?

Все три ускорителя основаны на собственной архитектуре Genesis NPU, разработанной DeepX. В отличие от универсальных GPU, Genesis оптимизирована именно под задачи инференса: она использует специализированные вычислительные блоки, эффективную маршрутизацию данных и минимальную задержку при доступе к памяти. Это позволяет добиться максимальной производительности на ватт — ключевой метрики для edge- и datacenter-решений.

DeepX также заявила о наличии собственного программного стека, включающего:

• Компилятор моделей (поддержка ONNX, TensorFlow Lite, PyTorch);
• Оптимизатор графов;
• SDK для C/C++ и Python;
• Готовые модели для популярных задач (обнаружение объектов, классификация, сегментация).

Это значительно упрощает интеграцию ускорителей в существующие ИИ-пайплайны и снижает порог входа для разработчиков.

Сравнение с конкурентами: где выигрывает DeepX?

Параметр	DX-H1 V-NPU	DX-H1 Quattro	DX-M1 М.2	Аналог на GPU (оценочно)
Производительность (INT8)	50 TOPS	100 TOPS	25 TOPS	30–60 TOPS
Потребление	40 Вт	20 Вт	5 Вт	75–250 Вт
Видеокодеки	Да (2 шт.)	Нет	Нет	Да (но общие ресурсы)
Форм-фактор	PCIe x16 (низкопрофильный)	PCIe x16	M.2 2280	PCIe x16 (часто full-height)
Цена (оценка)	~$300–400	~$500–600	~$150–200	$800–2000+

Как видно из таблицы, решения DeepX предлагают сопоставимую или даже превосходящую производительность при значительно меньшем энергопотреблении и стоимости. Особенно выгодно выглядит DX-H1 V-NPU: наличие выделенных видеокодеков и NPU в одном чипе — редкость на рынке.

Где можно использовать новые ускорители DeepX?

Новинки DeepX находят применение в самых разных сферах:

• Видеонаблюдение и безопасность: анализ 64+ видеопотоков в реальном времени на одном ускорителе;
• Ритейл: распознавание покупателей, анализ очередей, контроль ценников;
• Промышленность: контроль качества продукции, предиктивное обслуживание;
• Здравоохранение: анализ медицинских изображений на edge-устройствах;
• Умные города: мониторинг трафика, распознавание номеров, управление освещением.

Для развертывания таких решений требуются надежные серверные платформы. Компания Dell предлагает широкий выбор оборудования, включая серверы PowerEdge, стойковые и турельные системы, а также системы хранения данных и сетевое оборудование для построения полной ИТ-инфраструктуры.

Как выбрать подходящий ускоритель DeepX?

FAQ: Ответы на частые вопросы об ускорителях DeepX