AX8860P Axera menyasarkan DGX Spark dengan komputer AI setempat berharga AS$3,999, tetapi dakwaan prestasi berubah

Komputer AI kecil dari China menyasarkan pesaing yang mahal

Sipeed menyasarkan harga sekitar AS$3,999 untuk komputer MaixStation dengan memori 128 GB, yang dibina berasaskan AX8860P daripada pembuat cip China, Axera. Mesin yang dicadangkan ini berukuran hanya 11 kali 11 kali 3 cm dan dijanjikan mampu menjalankan model AI besar secara setempat dengan penggunaan kuasa lazim sebanyak 40 watt. Pesaing sasarannya ialah DGX Spark keluaran Nvidia, sistem AI kompak berharga sekitar AS$6,950 untuk konfigurasi 128 GB.

Axera memperkenalkan cip itu pada pameran perindustrian di Shanghai pada 13 Oktober 2026, ketika Sipeed turut mempersembahkan MaixStation. Dakwaan awalnya cukup mengagumkan: pemprosesan gesaan 25% lebih pantas dan penjanaan jawapan 30% lebih pantas berbanding DGX Spark ketika menjalankan model Qwen dengan 27 bilion parameter, pada kira-kira separuh harga.

Halaman produk MaixStation Sipeed kini memberikan gambaran yang lebih terperinci. Halaman itu menyenaraikan 592 hingga 677 token sesaat untuk pemprosesan gesaan pada Qwen3.8-27B dan 6 hingga 7 token sesaat untuk menjana jawapan. Angka ini lebih rendah berbanding julat yang tersebar sekitar pengumuman tersebut, manakala rancangan pelancaran rasmi menetapkan kempen Kickstarter pada penghujung 2026.

Tarikannya nyata: kapasiti memori yang besar dalam komputer kecil boleh membolehkan pembangun, pejabat dan pengguna individu menjalankan model berkemampuan tanpa menyewa pengkomputeran awan atau membeli beberapa kad grafik. Namun, keputusan pembelian bergantung pada perisian akhir, prestasi yang diukur dan jadual penghantaran, sama seperti spesifikasi cip.

Komponen di dalam AX8860P daripada Axera

Keluarga AX8860 menggunakan proses pembuatan 6 nanometer dan menggabungkan 16 teras CPU Arm Cortex-A55 dengan unit pemprosesan neural khusus, atau NPU. NPU ialah pemproses yang direka untuk melaksanakan pengiraan berulang yang digunakan oleh model AI. Axera dan Sipeed menarafkannya sehingga 256 trilion operasi sesaat, lazimnya disingkatkan sebagai 256 TOPS, menggunakan FP4.

FP4 menyimpan nilai angka dengan ketepatan empat bit. Penggunaan bit yang lebih sedikit mengurangkan jumlah memori yang diperlukan untuk model dan boleh mempercepatkan pengiraan, meskipun model dan perisian mesti menyokong format itu. Angka Axera adalah untuk pengiraan padat, bukannya pengiraan yang mengandaikan sesetengah nilai boleh diketepikan melalui teknik yang dipanggil sparsiti.

Cip ini menyokong PCIe 5.0 dan antara muka memori selebar 256 bit. Sipeed menetapkan memori LPDDR5X-8533 sehingga 128 GB bagi setiap modul, dengan lebar jalur 273 GB sesaat. Modul Maix-V berukuran 78 kali 78 mm dan menggunakan penyambung LPCAMM2.

Teras Cortex-A55 mengendalikan sistem pengendalian dan tugas sokongan, manakala NPU bertujuan memikul beban kerja AI utama. DGX Spark Nvidia mempunyai 20 teras Arm, termasuk teras Cortex-X925 yang lebih berkuasa, manakala mesin Ryzen AI Halo pesaing daripada AMD menggunakan CPU Zen 5. Oleh itu, pengguna yang merancang untuk menggabungkan inferens AI dengan pengkomputeran konvensional yang berat mempunyai lebih banyak perkara untuk dibandingkan selain pemecut semata-mata.

Mengapa 128 GB lebih penting daripada angka TOPS utama

Model bahasa memerlukan memori untuk menyimpan pemberat berangka yang mengekodkan perkara yang dipelajarinya semasa latihan, serta data kerja yang dihasilkan ketika menjawab permintaan. Pemecut pantas dengan memori yang terlalu sedikit mungkin memerlukan model dibahagikan merentas beberapa peranti atau dipindahkan melalui storan yang lebih perlahan.

Konfigurasi 128 GB yang dicadangkan untuk MaixStation meletakkannya dalam kelas kapasiti memori yang sama dengan DGX Spark yang lebih besar. Kedua-duanya menyenaraikan lebar jalur 273 GB sesaat. Siri Ryzen AI Halo AMD merangkumi konfigurasi 128 GB dengan kira-kira 256 GB sesaat dan versi lebih mahal 192 GB dengan 273 GB sesaat.

Kapasiti menentukan jumlah yang boleh dimuatkan. Lebar jalur menentukan kelajuan maklumat bergerak ke pemproses. Semasa penjanaan biasa oleh model bahasa padat, penghasilan setiap token baharu memerlukan pembacaan sejumlah besar data model. Token ialah unit kecil teks, kadangkala satu perkataan dan kadangkala hanya sebahagian daripadanya.

Oleh itu, Sipeed berhujah bahawa penggunaan memori yang berkesan membolehkan pemproses 256 TOPS-nya bersaing dengan angka pengkomputeran lebih besar yang diiklankan Nvidia. Penarafan FP4 DGX Spark sekitar 1,000 TOPS menggunakan sparsiti; angka FP4 padatnya kira-kira 500 trilion operasi sesaat. Kelajuan aplikasi sebenar turut bergantung pada kecekapan perisian memanfaatkan perkakasan.

Halaman penanda aras rasmi memberikan gambaran yang lebih terbatas

Sipeed membahagikan ujiannya kepada prefill, iaitu ketika model memproses gesaan pengguna, dan decode, iaitu ketika model menjana jawapan. Prefill yang lebih pantas boleh memendekkan masa menunggu sebelum jawapan bermula, khususnya bagi dokumen panjang. Decode yang lebih pantas menjadikan jawapan muncul dengan lebih cepat selepas penjanaan bermula.

Bagi Qwen3.8-27B dalam FP4 padat, halaman rasmi menyenaraikan kelajuan prefill MaixStation pada 592 hingga 677 token sesaat, berbanding 550 bagi DGX Spark. Ini bersamaan kelebihan kira-kira 8% hingga 23%. Kelajuan decode MaixStation yang disenaraikan ialah 6 hingga 7 token sesaat, tetapi teks carta rasmi yang dibekalkan tidak memberikan angka asas decode DGX Spark bagi model itu.

Bagi Qwen3.6-35B-A3B, model campuran pakar, Sipeed menyenaraikan prefill 2,664 hingga 3,256 token sesaat, berbanding 2,368 bagi DGX Spark. Kelebihan yang dikira ialah kira-kira 13% hingga 38%. Kelajuan decode pula 34 hingga 37 token sesaat berbanding 34, iaitu daripada setara hingga kelebihan kira-kira 9%.

Model campuran pakar hanya mengaktifkan sebahagian rangkaiannya bagi setiap token. Ini membantu menjelaskan mengapa kadar penjanaannya boleh jauh lebih tinggi berbanding model padat dengan jumlah parameter keseluruhan yang serupa. Kedua-dua jenis model memerlukan jumlah kerja yang berbeza bagi setiap token.

Sipeed menyifatkan keputusan yang dipaparkan sebagai ukuran semasa yang konservatif dan berkata AX8860P masih sedang ditala. Carta itu menetapkan FP4 dengan ramalan berbilang token, atau MTP, dinyahdayakan. MTP ialah teknik yang mencadangkan beberapa token akan datang secara serentak untuk mempercepat penjanaan.

Mengapa dakwaan kelajuan terdahulu perlu dibandingkan dengan teliti

Julat penanda aras terdahulu yang diterbitkan Sipeed adalah lebih tinggi: 1,400 hingga 1,600 token sesaat untuk prefill Qwen3.8-27B dan 15 hingga 17 untuk decode, berbanding angka asas DGX Spark sebanyak 1,300 dan 13. Bagi model campuran pakar, julat itu ialah 6,300 hingga 7,700 untuk prefill dan 80 hingga 88 untuk decode, berbanding 5,600 dan 80. Sipeed turut memberikan perbandingan kemudian yang meletakkan MaixStation kira-kira 10% lebih pantas dalam kedua-dua peringkat, sambil menyatakan bahawa ujian baharu yang menunjukkan kelebihan lebih besar bukanlah keputusan rasmi.

Angka mutlak yang lebih rendah pada halaman rasmi menjadikan keadaan ujian sangat penting. Panjang gesaan, bilangan permintaan yang diproses serentak, format angka, perisian masa jalan dan versi pemacu semuanya boleh mengubah keputusan. Ujian bebas DGX Spark yang dipetik dalam laporan mencapai kira-kira 11.5 hingga 11.6 token sesaat bagi Qwen3.8-27B tanpa penyahkodan spekulatif, manakala prefill berjulat antara 840 hingga 1,900 bergantung pada perisian.

Pengiraan memori ringkas menjelaskan perhatian yang diberikan kepada dakwaan terdahulu sebanyak 17 token sesaat. Jika model yang sedang dijalankan menggunakan kira-kira 16 GB, pembahagian 273 GB sesaat dengan 16 GB menghasilkan kira-kira 17 token sesaat sebelum mengambil kira trafik memori lain. Untuk mencapai kadar itu, penggunaan lebar jalur yang diiklankan perlu sangat tinggi.

Saiz sebenar memori yang digunakan model penting dalam hal ini. Empat bit didarab dengan 27 bilion parameter bersamaan kira-kira 13.5 GB untuk pemberat sahaja, manakala data penskalaan berangka dan storan lain boleh meningkatkan saiz penggunaan. Ujian terperinci yang boleh diulang akan membolehkan pembeli mengaitkan angka kelajuan dengan konfigurasi model tertentu.

Kotak bersaiz poket dengan storan standard

Dimensi MaixStation yang diiklankan memberikan isi padu 363 sentimeter padu. Sipeed membandingkannya dengan 1,125 sentimeter padu bagi DGX Spark, menjadikan ruang perumah yang dicadangkan kira-kira satu pertiga daripada isi padunya. Syarikat itu berkata mesin berkenaan boleh menerima kuasa melalui USB-C daripada bank kuasa bersesuaian yang berkapasiti 65 watt.

Halaman rasmi menyatakan penggunaan lazim MaixStation sebanyak 40 watt dan DGX Spark sebanyak 120 watt. Itulah beban lazim yang dinyatakan Sipeed. Liputan awal AX8860 turut menetapkan 40 watt untuk modul khusus, menjadikan skop ukuran kuasa satu lagi butiran berguna untuk ujian kelak.

Sambungan yang disediakan termasuk rangkaian 10G SFP+, USB-C, penyambung MCIO 8i dan slot M.2 2280 standard untuk SSD. Format storan ini memberi pembeli pilihan yang biasa untuk menambah ruang bagi fail model, yang boleh menggunakan ratusan gigabait dengan cepat.

Rancangan perkakasan Axera melangkaui komputer meja kecil. Reka bentuknya merangkumi modul, kad PCIe dengan satu cip, dan kad dengan empat cip, empat kipas serta penyambung kuasa standard lapan pin. Sipeed mengaitkan MaixStation Pro dan MaixBlade dengan konfigurasi yang menawarkan 512 GB atau lebih.

Lebih banyak cip menjanjikan kapasiti, tetapi penskalaan masih sekadar dakwaan

Sipeed berkata MaixStation boleh menyambungkan sehingga lapan nod tanpa suis luaran, menggunakan sambungan antara cip yang ditarafkan pada 256 gigabit sesaat dan boleh dikembangkan kepada 384 gigabit sesaat. DGX Spark menggunakan sambungan 200 gigabit untuk memautkan sistem, manakala konfigurasi empat unit Spark memerlukan suis luaran.

Perbezaan antara gigabit dengan gigabait penting. Sambungan yang ditarafkan pada 256 gigabit sesaat bersamaan kadar mentah 32 gigabait sesaat sebelum mengambil kira overhed. Lebar jalur memori 273 gigabait sesaat pula merujuk kepada sambungan berbeza yang jauh lebih pantas di dalam setiap mesin.

Axera menyenaraikan dua cip dengan gabungan 512 TOPS dan empat cip pada 1,024 TOPS, di samping dakwaan kecekapan penskalaan kira-kira 80%. Angka penskalaan empat cip itu berdasarkan simulasi makmal. Pembahagian model merentas pemproses juga menambah kerja komunikasi dan penyegerakan, jadi kelajuan aplikasi bukan sekadar hasil penjumlahan kadar pengkomputeran puncak setiap cip.

Pelan hala tuju Axera menamakan AX8950 dengan prestasi sehingga 500 TOPS dan AX8970 yang melebihi 700 TOPS. Pemproses yang dirancang itu akan menyediakan pilihan naik taraf kemudian, tetapi tawaran segera MaixStation bergantung pada AX8860P dan perisiannya.

Tawaran perisian penting untuk penggunaan harian

Sipeed menyenaraikan Debian 13 dengan Linux 6.18, serta sokongan untuk vLLM, SGLang, PyTorch, llama.cpp dan Ollama. Alat ini membantu memuatkan model, mengendalikan permintaan dan menghubungkan aplikasi AI kepada perkakasan. Syarikat itu turut mengiklankan API yang serasi dengan OpenAI dan Anthropic, membolehkan aplikasi sedia ada menghantar permintaan kepada peranti setempat.

Soalan lazim produk Sipeed menjelaskan bahawa nama rangka kerja yang biasa digunakan itu beroperasi di atas perisian yang ditulis untuk perkakasan Axera:

SGLang dan vLLM beroperasi melalui bahagian belakang pemecutan perkakasan tersuai yang kernelnya ditulis dalam AXDSL.

Kernel ialah cebisan kecil perisian yang melaksanakan pengiraan utama pada pemecut. Sipeed berkata pengguna boleh memuatkan model Hugging Face yang disokong secara langsung, manakala seni bina model baharu mungkin memerlukan kernel yang ditulis dalam AXDSL. Syarikat itu berjanji untuk menerbitkan kernel dan alat pembangunan serta berkata usaha membuka kit pembangunan perisian AX8860 sedang dijalankan.

Syarikat itu mengiklankan model dan antara muka pelayar yang sedia digunakan sebaik sahaja mesin dimulakan. Kegunaan yang dicadangkan termasuk ejen pengekodan, pemprosesan dokumen, penjanaan video dan robotik. Hos Linux akan disokong terlebih dahulu untuk kad PCIe; sokongan Windows bergantung pada permintaan. Ketika pengumuman dibuat, rangkaian alat NPU dijangka tersedia menjelang penghujung Oktober.

Harga dan penghantaran kini bergantung pada kempen

Harga jangkaan Sipeed sebanyak AS$3,999 bagi 128 GB kira-kira AS$2,951, atau 42%, lebih rendah berbanding DGX Spark yang berharga AS$6,950. Itu diskaun yang besar, meskipun bukan kurang daripada separuh. Harganya juga akan menjadikan MaixStation hampir setara dengan harga sekitar AS$3,999.99 bagi AMD Ryzen AI Halo dengan 128 GB.

Jadual pelancaran berubah daripada jangkaan awal bahawa peranti akan tiba sepanjang 2026. Tempahan telah dibuka, tetapi soalan lazim rasmi menetapkan Kickstarter pada penghujung 2026. Sipeed berkata penghantaran disasarkan dalam tempoh tiga bulan selepas kempen ditutup.

• 13 Oktober 2026: Axera memperkenalkan keluarga AX8860 di Shanghai dan Sipeed mempersembahkan MaixStation.
• Penghujung Oktober 2026: Sipeed menjangkakan rangkaian alat NPU akan tersedia.
• Penghujung 2026: Sipeed merancang kempen Kickstarter MaixStation.
• Dalam tempoh tiga bulan selepas kempen ditutup: Sasaran penghantaran yang dinyatakan Sipeed.

Sipeed belum mengesahkan harga runcit akhir, tarikh penghantaran yang muktamad atau prestasi MaixStation yang disahkan secara bebas. Kapasiti pengeluaran, aturan sokongan serta harga dan masa pelancaran versi Pro 512 GB juga belum diputuskan. Akses jarak jauh dan unit ulasan dirancang sepanjang kempen, memberikan peluang seterusnya kepada bakal pembeli untuk meneliti dakwaan tersebut.

Perkara Utama

• MaixStation menyasarkan harga sekitar AS$3,999 untuk memori 128 GB dan pemproses Axera AX8860P yang ditarafkan pada 256 TOPS dalam FP4 padat.
• Sipeed menyenaraikan lebar jalur memori 273 GB sesaat, penggunaan kuasa lazim 40 watt dan ruang perumah berukuran 11 kali 11 kali 3 cm.
• Halaman penanda aras rasmi menunjukkan kelajuan mutlak yang lebih rendah berbanding julat terdahulu yang diterbitkan, dengan keputusan berbeza mengikut model dan peringkat pemprosesan.
• Sokongan perisian bergantung pada bahagian belakang pemecutan Axera tersuai, dengan alat pembangunan dan lebih banyak kod dijanjikan untuk penerbitan umum.
• Kickstarter dirancang pada penghujung 2026, diikuti sasaran penghantaran yang dinyatakan dalam tempoh tiga bulan selepas kempen ditutup.
• Ujian bebas, harga akhir dan komitmen penghantaran akan menentukan perbandingan sistem yang dicadangkan ini dengan pilihan Nvidia dan AMD.