DEEPX ha anunciado que su chip de IA para el borde DX-M2, fabricado con el proceso de 2 nm de Samsung, ha completado la fase de “tapeout” de máscaras y entrará en producción de silicio real a principios de 2027, con 80 TOPS de potencia y un consumo de solo 5 W.
La compañía surcoreana especializada en chips de IA de bajo consumo para entornos edge ha confirmado que el DX-M2 ha superado un hito crítico en su desarrollo: la fabricación del conjunto de máscaras fotolitográficas necesario para producir el chip.
Ese paso, conocido en la industria como mask tapeout, indica que el diseño está cerrado y listo para entrar en la fábrica. No es un prototipo de laboratorio, sino el punto de partida para los primeros silicios funcionales.
¿Qué es el DX-M2 y por qué sus cifras importan?
El DX-M2 es la próxima generación de la familia de chips de DEEPX. Está diseñado para ejecutar modelos de inteligencia artificial directamente en el dispositivo, sin depender de la nube. Sus especificaciones principales son las siguientes:
- Proceso de fabricación: 2 nm de Samsung Foundry.
- NPU: 80 TOPS de capacidad de cómputo.
- Memoria: soporte para LPDDR5X-9600 de hasta 128 bits.
- Modelos compatibles: LLM y VLM de más de 10.000 millones de parámetros ejecutados de forma local.
- Consumo: 5 W.
La combinación de esas cifras es lo que hace relevante al DX-M2. Un chip que ofrece 80 TOPS con un consumo de 5 W se sitúa en una relación rendimiento/vatio muy por encima de muchas soluciones orientadas a centros de datos, que requieren cientos de vatios para alcanzar cifras similares. Para aplicaciones en robótica, cámaras inteligentes, vehículos o dispositivos industriales, donde la energía y la refrigeración son limitadas, esa eficiencia es determinante.
¿Qué significa ejecutar un modelo de más de 10.000 millones de parámetros en local?
Los modelos de lenguaje y los modelos visión-lenguaje de gran tamaño se han asociado tradicionalmente a servidores con GPU potentes. Ejecutarlos en un dispositivo requiere no solo capacidad de cómputo, sino también memoria suficiente para almacenar los pesos y ancho de banda para moverlos.
El DX-M2 aborda ese problema con dos decisiones. La primera es el soporte para LPDDR5X-9600, una memoria de alto rendimiento y bajo consumo que permite alimentar al NPU con los datos que necesita. La segunda es la oferta de una versión con memoria integrada en el propio encapsulado, lo que reduce la latencia y el espacio que ocupa el sistema en la placa.
DEEPX no ha detallado qué modelos concretos ha probado ni qué velocidad de generación alcanza con ellos. La cifra de “más de 10.000 millones de parámetros” indica el rango de modelos que el chip puede manejar, pero no garantiza que la experiencia sea fluida en todos los casos.
El hito del mask tapeout
El tapeout es una de las fases más críticas en el desarrollo de un semiconductor. Consiste en convertir el diseño lógico en un conjunto de máscaras que la fábrica utilizará para grabar los patrones sobre las obleas de silicio. Un error en esa fase puede costar millones de dólares y meses de retraso.
Que DEEPX haya completado el mask tapeout significa que el diseño del DX-M2 ha superado las verificaciones necesarias y está listo para la fabricación. A partir de aquí, el siguiente paso es recibir los primeros chips de silicio, probarlos, validar su rendimiento y ajustar el software. Ese proceso suele llevar varios meses.
La compañía espera que los primeros chips físicos estén disponibles a principios de 2027. Hasta entonces, todas las cifras publicadas corresponden a simulaciones y a las especificaciones del diseño, no a mediciones sobre silicio real.
El reconocimiento en CES 2027
El DX-M2 ha recibido el premio a la innovación en la categoría de inteligencia artificial de CES 2027. El galardón, que se concede antes de la celebración del certamen, reconoce productos que destacan por su diseño e innovación tecnológica. Para DEEPX, supone una validación externa de su propuesta y una plataforma de visibilidad antes del lanzamiento comercial.
¿Qué aplicaciones puede habilitar?
La combinación de bajo consumo y capacidad para ejecutar modelos grandes en local abre un abanico de aplicaciones que hasta ahora dependían de la nube o de hardware especializado:
- Robótica autónoma: procesamiento de visión y lenguaje en el propio robot, sin latencia de red.
- Cámaras y sensores inteligentes: análisis de vídeo con modelos VLM directamente en el dispositivo.
- Vehículos y maquinaria industrial: asistencia en tiempo real sin depender de conectividad.
- Dispositivos médicos y de asistencia: procesamiento local de datos sensibles por privacidad.
Lo que falta por confirmar
DEEPX no ha publicado resultados de rendimiento sobre silicio real, ni ha detallado el precio del DX-M2, su disponibilidad comercial ni el ecosistema de software que lo acompaña. Tampoco ha especificado qué modelos de LLM y VLM ha utilizado para validar la cifra de “más de 10.000 millones de parámetros” ni qué velocidad de inferencia alcanza con ellos.
La compañía tampoco ha confirmado si el chip estará disponible para integradores externos o si se reservará a clientes seleccionados en una primera fase. El premio de CES y el hito del tapeout son señales positivas, pero el rendimiento real del DX-M2 solo se conocerá cuando los primeros chips salgan de la fábrica y sean probados por terceros.
Descubre más desde CIBERED
Suscríbete y recibe las últimas entradas en tu correo electrónico.
