استارت‌آپ چینی ادعا می‌کند که انویدیا DGX Spark و Mac Mini را در Qwen شکست می‌دهد - می‌گوید «256 TOPS در پیش‌پر کردن، 1000 TOPS را شکست می‌دهد» و SoC 16 هسته‌ای Cortex-A55 را روی 40 وات اجرا می‌کند.

Sipeed ادعا می کند که مینی رایانه شخصی ۲۵۶ TOPS آن می تواند عملکرد بهتری از Nvidia در Qwen داشته باشد

قیمت 128 گیگابایت Sipeed MaixStation از DGX Spark 6949 دلاری انویدیا کمتر است.

Nvidia 1000 FP4 TOPS پراکنده را تبلیغ می کند، در حالی که Sipeed بر عملکرد استنتاج عملی تأکید می کند. تولید کننده لوازم الکترونیکی چینی Sipeed ادعا کرده است که کامپیوتر آتی MaixStation با هوش مصنوعی می تواند در بارهای کاری خاص Qwen از DGX Spark انویدیا بهتر عمل کند، علیرغم اینکه عملکرد محاسباتی تبلیغاتی بسیار کمتری دارد.

این دستگاه فشرده با پردازنده AX8860P Axera، 16 هسته Arm Cortex-A55 را با شتاب هوش مصنوعی به 256 TOPS و مصرف معمولی 40 وات ترکیب می کند.

Sipeed همچنین مک مینی اپل را در مقایسه های خود به چالش می کشد، اگرچه ارقام بنچمارک موجود در درجه اول به سیستم انویدیا مربوط می شود تا سخت افزار اپل.

MaixStation مزیت عملکرد انویدیا را به چالش می کشد

نتایج Qwen منتشر شده توسط Sipeed نشان می دهد که پیکربندی 128 گیگابایتی آن کمی بیشتر از عملکرد DGX Spark است و انتظار می رود پیشرفت های نرم افزاری بیشتر باعث افزایش توان عملیاتی شود.

این شرکت این نتیجه را تا حدی به تفاوت در نحوه تبدیل ظرفیت محاسباتی تبلیغاتی به عملکرد واقعی هنگام پردازش مدل‌های زبان بزرگ نسبت می‌دهد.

انویدیا 1000 TOPS را با استفاده از محاسبات پراکنده FP4 تبلیغ می کند، در حالی که Sipeed استدلال می کند که بارهای کاری عملی نمی توانند به طور کامل از این قابلیت محاسباتی نظری استفاده کنند.

اگرچه عملکرد متراکم FP4 انویدیا از نظر تئوری به 500 TOPS نزدیک می‌شود، Sipeed معتقد است که معماری آن از منابع پردازشی موجود به‌طور مؤثرتری در طول پر کردن اولیه استفاده می‌کند.

هر دو دستگاه پهنای باند حافظه 273 گیگابایت بر ثانیه را ارائه می‌کنند، اگرچه Sipeed ادعا می‌کند بهینه‌سازی‌های معماری به پردازنده‌اش اجازه می‌دهد تا در طول عملیات استنتاج درخواستی، استفاده بیشتری را حفظ کند.

مقایسه‌ها با رمزگشایی گمانه‌زنی از طریق پیش‌بینی چند نشانه‌ای غیرفعال انجام شد و به شرکت اجازه داد هر دو سیستم را تحت شرایط مشابه ارزیابی کند.

با این حال، مزیت گزارش شده نسبتا کوچک باقی می ماند و آزمایش مستقل برای ایجاد تفاوت عملکرد در بین مدل ها و بارهای کاری اضافی ضروری است.

AX8860P از فرآیند ساخت 6 نانومتری استفاده می کند، از حافظه 256 بیتی LPDDR5X پشتیبانی می کند و اتصال PCIe 5.0 را در کنار اتصال اختصاصی AXLink Axera فراهم می کند.

مشخصات آن همچنین شامل 64 کانال رمزگشایی ویدیویی، 16 کانال رمزگذاری و پشتیبانی از پیکربندی های حاوی 128 گیگابایت حافظه است.

قیمت گذاری و تنظیمات سخت افزاری

Sipeed انتظار دارد که MaixStation سطح پایه خود با حافظه 32 گیگابایتی کمتر از 2000 دلار قیمت داشته باشد، در حالی که پیکربندی 128 گیگابایتی باید زیر 4000 دلار باقی بماند.

در مقایسه، DGX Spark انویدیا با قیمت 6949.99 دلار به فروش می رسد که بسیار بالاتر از قیمت اولیه 3000 تا 4000 دلاری اعلام شده در مارس 2025 است.

ابعاد کوچک AI mini PC 110 × 110 × 30 میلی متر است و دارای اتصال USB 3.0 Type-C در کنار یک رابط شبکه SFP + 10GbE است.

اگرچه مصرف معمولی تقریبا 40 وات است، اما رایانه از طریق یک اتصال USB Power Delivery 65 واتی با استفاده از درگاه Type-C خود برق دریافت می کند.

Sipeed ادعا می کند که مدل 32 گیگابایتی آن از Qwen3.8-27B پشتیبانی می کند، در حالی که یک پیکربندی 128 گیگابایتی می تواند مدل Qwen3.8-Flash-Next 125B بسیار بزرگتر را در خود جای دهد.

ترکیب دو واحد 256 گیگابایت حافظه برای DeepSeek V4-Flash 284B فراهم می کند، در حالی که پیکربندی چهار واحدی MaixStation Pro 512 گیگابایت برای DeepSeek V4.1-Flash 552B ارائه می دهد.

AXLink از ارتباط بین پردازنده‌ها پشتیبانی می‌کند، و Axera ادعا می‌کند که تقریبا 80٪ راندمان اتصال متقابل زمانی که چندین تراشه در سیستم‌های محاسباتی متصل کار می‌کنند، دارد.

گزارش شده است که سازگاری نرم افزار شامل فرمت های PyTorch، ONNX، vLLM، SGLang و Hugging Face، در کنار رابط های سازگار با برنامه های OpenAI و ابزارهای توسعه Axera است.

این شرکت طی چند ماه یک کمپین Kickstarter را برنامه ریزی می کند و به مشتریان احتمالی 100 دلار تخفیف از طریق رزرو 30 دلاری ارائه می دهد.

علیرغم مزایای ادعا شده، در دسترس بودن تجاری، قیمت نهایی، و عملکرد مستقل تایید شده حل نشده باقی می ماند، به ویژه برای پیکربندی هایی که از مدل های زبان بسیار بزرگ استفاده می کنند.

از طریق نرم افزار CNX