DEEPX：韩国低功耗边缘 AI 芯片企业，用 NPU 推动 Physical AI 进入机器人、摄像头和智能设备
DEEPX 是一家专注于边缘 AI、On-Device AI 和神经网络处理器 NPU 的韩国无晶圆厂半导体企业。
与 NVIDIA 主要依靠高性能 GPU 服务云端训练和大型数据中心不同，DEEPX 从成立之初就把重点放在另外一个方向：让人工智能直接运行在机器人、智能摄像头、工厂设备、无人机、汽车、智慧城市设备以及各种边缘终端中。
公司最核心的技术目标是，在非常低的功耗下提供足够强大的 AI 推理性能，从而减少设备对云端服务器和高功耗 GPU 的依赖。
DEEPX 是一家什么样的公司？
DEEPX 成立于 2018 年，总部位于韩国京畿道城南市，是一家典型的 Fabless，也就是无晶圆厂芯片设计企业。
公司创始人兼 CEO 是 Lokwon Kim（金绿源，김녹원），他此前曾在 Apple、Cisco、IBM Thomas J. Watson Research Center 和 Broadcom 等企业及研究机构从事芯片和计算系统相关工作。
DEEPX 真正开始第一代 On-Device AI NPU 知识产权开发是在 2019 年，此后逐渐形成自己的边缘 AI 芯片产品线。
DEEPX 的理念非常明确：未来 AI 不应该只存在于数据中心。
就像今天几乎所有电子设备都拥有 CPU 和网络连接一样，未来大量设备也可能拥有自己的 AI 处理器。
这意味着真正巨大的 AI 芯片市场，除了云端 GPU，还可能来自数量庞大的终端设备。
因此 DEEPX 长期强调一句话：AI for Everyone & Everywhere，也就是让人工智能能够存在于每一个人身边、每一种设备之中。
DEEPX 为什么选择 Edge AI？
目前大型人工智能模型通常运行在数据中心。用户提出请求以后，数据通过网络传输到服务器，服务器中的 GPU 完成运算，再把结果发送回来。
这种模式非常适合 ChatGPT 这一类大型服务，但是对于机器人、汽车、摄像头和工业控制来说，并不是所有任务都适合上传云端。
例如机器人发现前方突然出现障碍物，它不能等待网络上传、服务器处理、再下载结果以后才决定是否停止。
工厂生产线检测到产品缺陷，也希望立即完成判断。城市中的几万甚至几十万台摄像头，如果所有高清视频都连续上传数据中心，会产生巨大的带宽、服务器和电力成本。
On-Device AI 的思路就是让设备先在本地完成大量推理任务，只把真正需要的信息发送到服务器。
这种计算方式还具有另外一个优势：隐私。人脸、家庭视频、车辆信息以及工业数据不一定需要离开本地设备，因此在某些应用中可以减少数据泄露风险。
DEEPX 正是围绕这些需求设计自己的 NPU。
核心产品 DX-M1：25 TOPS，功耗只有约 1 到 5W
DEEPX 当前最重要的量产产品之一是 DX-M1。
它是一颗专门针对边缘 AI 推理设计的 NPU，INT8 AI 性能约为 25 TOPS，而典型功耗范围只有约 1 到 5W。
DX-M1 可以通过 PCIe 接口连接 ARM 或 x86 主机，并支持 LPDDR4X 和 LPDDR5 内存。
25 TOPS 本身并不是一个特别夸张的数字。真正值得关注的是它与功耗之间的比例。
数据中心 GPU 往往消耗几百瓦甚至上千瓦，而很多机器人、摄像头和嵌入式设备根本无法提供这样的电力和散热环境。
一颗几瓦功耗的 NPU 如果能够完成实时目标检测、图像分类、姿态识别或者多路视频分析，对这些设备来说反而更加实用。
DX-M1 采用 Samsung Foundry 的 5nm 工艺生产，同时集成 Rambus 的 LPDDR5 控制器技术。
DEEPX 已经进入 DX-M1 的规模量产阶段，并表示第一代 5nm AI 芯片的量产良率已经超过 90%。
DX-M1 M.2：把 AI 加速器做成类似 SSD 的模块
为了方便客户把 NPU 加入现有设备，DEEPX 将 DX-M1 做成了标准 M.2 2280 模块。这种设计非常实用。
M.2 原本大量用于 SSD 和通信模块，很多工业计算机、单板计算机和嵌入式系统已经拥有 M.2 接口。客户不需要重新设计整套主板，只需要增加一个 DX-M1 模块，就可以获得约 25 TOPS 的 AI 推理能力。
DX-M1 M.2 模块支持 PCIe Gen3 x4，并配备 4GB LPDDR5 内存。对于机器人、AI Box、工业计算机、边缘服务器和智能摄像机来说，这种标准模块能够明显降低 AI 加速器的集成难度。
DX-H1 Quattro：100 TOPS 的低功耗 PCIe AI 加速卡
如果客户需要更高性能，DEEPX 还提供 DX-H1 Quattro。
DX-H1 Quattro 是一块标准 PCIe AI 加速卡，在一张卡上集成四颗 AI 处理器，可以提供约 100 TOPS INT8 推理性能，而功耗约为 20W。这个数字非常有意思。
100 TOPS 已经足以承担相当规模的视觉 AI 推理任务，但是功耗只有几十瓦级别，因此可以被安装在传统服务器、工业服务器或者边缘数据中心中。
DEEPX 官方给出的应用包括 AI Server、智能工厂、NVR 视频服务器、智慧建筑以及大规模计算机视觉系统。
一张 DX-H1 Quattro 可以同时处理大量摄像头的视频 AI 推理，从而减少传统 GPU 服务器数量。
它并不是准备取代 NVIDIA H100、B200 这类训练 GPU，而是针对另外一种工作负载：大量已经训练完成的 AI 模型推理。
DX-H1 V-NPU：为大规模视频监控而设计
DEEPX 还推出了 DX-H1 V-NPU，把 AI 推理加速和视频 Codec 集成到同一块 PCIe 卡中。
DX-H1 V-NPU 可以提供约 50 TOPS INT8 AI 性能，并支持同时解码最多 64 路 1080p、30fps 的 H.264/H.265 视频，以及最多 32 路视频编码。
这款产品非常明显地针对视频监控市场。
传统智慧城市或者大型安防系统通常需要先使用 CPU 或专门视频芯片完成视频解码，再交给 GPU 做 AI 推理。
DEEPX 希望通过 V-NPU 把视频处理和 AI 分析结合起来，让一个服务器可以处理更多摄像头，同时降低功耗和总体成本。
对于拥有几千甚至几万台摄像头的机场、城市交通系统、工业园区和大型商业设施来说，每路摄像头节省一点算力和功耗，累积起来就可能成为非常大的成本差异。
DX-V3：把 NPU、CPU、ISP 和视频处理整合到一颗 SoC
DEEPX 不仅设计外挂式 AI 加速器，也提供完整 AI SoC。
DX-V3 就是一颗针对智能摄像头和视觉设备设计的 SoC。
它可以提供最高约 13 TOPS INT8 AI 推理性能，并集成四核 ARM Cortex-A53 CPU、ISP、视频编码解码以及大量高速接口。
DX-V3 支持最高 4K 60fps H.264/H.265 视频处理，并拥有最高 12MP ISP。
这意味着一台智能摄像机不一定需要额外 CPU、视频处理芯片和独立 AI 加速器，可以直接围绕 DX-V3 构建完整系统。
这类高度集成的 SoC 对于摄像头市场非常重要，因为智能摄像机通常非常在意成本、PCB 面积、散热和功耗。
从 Vision AI 转向 Physical AI
DEEPX 第一代产品主要围绕 Vision AI，也就是计算机视觉。
但是到了 2025 年和 2026 年，公司开始越来越频繁地使用另外一个词：Physical AI。
所谓 Physical AI，可以简单理解为“能够感知并参与现实世界的人工智能”。
例如机器人需要看到环境、理解环境，然后采取动作；无人机需要识别障碍物和目标；自动化设备需要理解视觉、声音和传感器信息；智能汽车需要实时分析道路环境。
这些设备都需要大量本地 AI 推理。
因此 DEEPX 在 CES 2026 正式把自己定位为一家“Physical AI Infrastructure Company”，也就是 Physical AI 基础设施企业，而不仅仅是一家 NPU 芯片厂商。
DEEPX 与 Hyundai Motor Group 合作机器人 AI
机器人正在成为 DEEPX 最重要的市场之一。
2026 年，DEEPX 与 Hyundai Motor Group Robotics LAB 扩大合作，双方正在开发面向 Physical AI 的机器人计算平台。
Hyundai 机器人实验室此前已经验证过 DEEPX 的第一代 NPU，而双方进一步合作的目标是把生成式 AI、视觉 AI 和机器人控制结合起来。
机器人其实非常适合 NPU。
机器人通常使用电池供电，计算平台每多消耗几十瓦电力，就意味着续航时间下降。同时机器人内部空间有限，也很难安装大型 GPU 散热系统。
因此，性能足够强而功耗只有几瓦的 AI 芯片，对机器人市场可能具有非常大的价值。
与 Ultralytics YOLO 建立合作
2026 年 5 月，DEEPX 与 Ultralytics 建立战略合作。
Ultralytics 开发的 YOLO 系列是全球最广泛使用的实时目标检测模型之一，在工业摄像机、机器人、无人机、自动驾驶和智慧城市中拥有庞大的开发者群体。
双方合作的重要目标就是，让开发者可以更容易地把 YOLO 模型直接部署到 DEEPX NPU，而不必进行复杂的底层优化。
这一步其实非常重要。
一家 AI 芯片企业最终能否成功，并不只取决于芯片性能，而取决于开发者能不能方便地使用它。
NVIDIA 最强大的竞争壁垒之一并不是 GPU 本身，而是 CUDA 软件生态。
DEEPX 如果想在 Edge AI 市场真正建立规模，也必须建立类似的软件和开发者生态。
DXNN 软件平台
为了让开发者使用自己的芯片，DEEPX 建立了 DXNN 软件体系。
其中包括模型编译器、模型优化工具、Runtime、设备驱动、模型模拟器、Model Zoo 以及开发 API。开发者可以把 ONNX 等格式的模型转换成适合 DEEPX NPU 运行的格式。
DXNN SDK 已经支持 YOLO、Vision Transformer、VLM 等模型，同时支持 Linux 和 Windows，并可以运行在 ARM64 和 x86-64 主机平台。
截至 2026 年 8 月，DEEPX 仍在持续更新 DX-Allsuite、DX-RT、DX-APP、DX-STREAM、NPU Driver 和 Firmware 等软件组件，这说明公司已经从早期芯片研发阶段逐渐进入真正的产品生态建设阶段。
超过 300 家企业验证 DX-M1
芯片企业从“做出样片”走向“真正量产”，中间还有非常长的距离。
客户需要验证模型兼容性、稳定性、散热、功耗、软件工具、长期供应以及量产成本。
DEEPX 在 2024 年到 2025 年通过 Early Engagement Customer Program，让全球客户测试 DX-M1。
到 2025 年 3 月，公司表示已经收到超过 300 家企业的验证请求。
随后公司在 2025 年进入 5nm 芯片量产阶段，并开始通过美国、中国、台湾和欧洲的渠道销售，同时进入 DigiKey 等全球电子元器件分销体系。
到了 COMPUTEX 2026，DEEPX 表示自己的芯片已经出现在超过 30 家全球硬件合作伙伴的产品中。
这说明 DEEPX 已经逐渐从“芯片创业公司”进入真正商业化阶段。
DX-M2：下一代生成式 AI NPU
DEEPX 的下一步已经不只是计算机视觉，而是 Generative AI。
公司正在开发第二代 NPU DX-M2，内部项目名称为 LAIN，也就是 Last Invention。
DX-M2 将使用 Samsung Foundry 2nm GAA 工艺，目标是在非常低的功耗下运行大型语言模型和多模态模型。
DEEPX 已经与 Samsung Foundry 签署 2nm 芯片生产协议，计划进行样片开发，并把正式量产目标放在 2027 年。
在 CES 2026 上，DEEPX 给出了更加激进的技术路线图：DX-M2 的长期目标是在低于 5W 的功耗下支持 20B 到 100B 参数级别的大语言模型，包括 Mixture-of-Experts，也就是 MoE 模型。
需要特别说明，这些数字目前主要属于 DEEPX 公布的下一代产品目标，而不是已经大规模量产产品的实际表现，因此最终性能仍然需要等待正式芯片和第三方测试验证。
但是它代表了 DEEPX 非常明确的战略方向：把生成式 AI 从数据中心搬到终端设备。
为什么要把 LLM 放到设备内部？
如果未来机器人、汽车、电脑、摄像头和家电都需要一个 AI Assistant，那么完全依靠云端可能会产生非常大的服务器成本。
假设全球有几十亿台智能设备，每一个设备都不断向云端发送 AI 请求，就需要建设数量极其庞大的 GPU 数据中心。
另外，大量数据在云端处理也会产生隐私、网络延迟和连接可靠性问题。
因此一种可能的未来架构是：
大型模型仍然运行在数据中心，但是大量日常 AI 推理在本地完成。只有非常复杂的问题才需要访问云端。
这种 Cloud AI + Edge AI 的混合架构，很可能成为未来重要的计算方式。
而 DEEPX 希望成为这个本地 AI 计算层的重要芯片供应商。
DEEPX 的融资情况
DEEPX 已经获得多轮风险投资。
2024 年，公司完成约 8000 万美元 Series C 融资，当时估值约为 5.29 亿美元，使累计融资达到约 9500 万美元。
该轮融资由韩国 SkyLake Equity Partners 领投，BNW Investments、AJU IB Investment 和 TimeFolio Asset Management 等机构参与。
SkyLake 创始人 Chin Dae-je 曾长期担任 Samsung Electronics 半导体高管，并曾担任韩国信息通信部长，因此这轮投资也具有明显的韩国半导体产业背景。
进入 2026 年以后，DEEPX 又开始寻求更大规模融资。
Reuters 报道称，公司正在寻求超过 6000 亿韩元、约 4 亿美元的新融资，并考虑未来在韩国 IPO，同时也研究美国第二上市的可能性。
这也说明 DEEPX 已经进入一个资本需求明显增加的阶段，因为从芯片开发进入全球量产，需要大量资金投入晶圆、封装、库存、软件开发和客户支持。
DEEPX 的专利布局
芯片创业公司最重要的资产之一就是知识产权。
DEEPX 官方表示，目前已经在全球提交超过 400 项专利申请，其中超过 130 项已经获得授权。
这些专利覆盖 NPU 架构、低功耗计算、内存访问、模型处理以及 AI SoC 等相关技术。
对于一家规模远小于 NVIDIA、Qualcomm 或 Samsung 的创业企业来说，建立足够强的 IP 组合不仅可以保护自己的产品，也会直接影响未来融资、合作甚至潜在并购价值。
DEEPX 的主要应用市场
DEEPX 目前最重要的应用方向包括智能摄像头、工业自动化、机器人、无人机、智慧城市、视频监控、智能家居、AI Box 和边缘服务器。
这些市场虽然看起来彼此差异很大，但有一个共同特点：都需要持续运行 AI，同时又无法承受数据中心 GPU 的功耗和成本。
例如一台工厂摄像机可能需要每天 24 小时运行，一台物流机器人可能只能依靠电池，一台智慧城市摄像头可能部署在没有强大计算服务器的位置。
这正是低功耗 NPU 最容易发挥价值的场景。
DEEPX 与 NVIDIA 的区别
DEEPX 并不是准备制造另外一个 H100。
它和 NVIDIA 的核心市场其实并不完全一样。
NVIDIA GPU 最大的优势是极高算力、成熟 CUDA 生态以及大规模 AI 训练能力，非常适合 GPT、Gemini 等大型模型的数据中心训练和推理。
DEEPX 的重点则是低功耗推理。
如果任务需要训练一个数千亿参数模型，GPU 仍然更加合适。
但是如果任务只是让一台摄像头每天检测车辆、让机器人识别人和障碍物，或者让工业设备判断产品是否出现缺陷，那么安装几百瓦的 GPU 很可能完全没有必要。
DEEPX 想解决的是后面这一类问题。
DEEPX 的竞争对手
DEEPX 所处的 Edge AI 市场竞争非常激烈。
国际市场上，它需要面对 Hailo、Kneron、Blaize、Axelera AI、SiMa.ai、Ambarella、Qualcomm、Intel、AMD 和 NVIDIA Jetson 等平台。
其中 Hailo 与 DEEPX 的定位尤其接近，两家公司都非常强调高性能、低功耗视觉 AI NPU，并重点进入摄像头、机器人、工业设备和边缘计算市场。
Kneron 同样强调超低功耗 NPU，并正在向端侧生成式 AI 扩展。
因此未来 Edge AI 市场很可能不会出现一家企业完全垄断，而是按照不同终端、功耗、成本和模型需求形成大量细分市场。
DEEPX 的优势
DEEPX 最大的优势首先是功耗。
DX-M1 以约 1 到 5W 功耗提供 25 TOPS INT8，DX-H1 Quattro 则以约 20W 功耗提供 100 TOPS。
对于大量长期运行的边缘设备来说，Performance per Watt，也就是每瓦性能，比单纯 TOPS 更重要。
第二个优势是产品覆盖范围比较完整。
DEEPX 已经拥有从单颗视觉 SoC、M.2 NPU 模块、PCIe AI 加速卡，到 AI Box 和服务器级方案的产品体系，因此可以覆盖从摄像头到边缘服务器的不同设备。
第三个优势是已经进入量产。
很多 AI 芯片创业公司长期停留在 PPT、FPGA 原型或者工程样片阶段，而 DX-M1 已经通过 Samsung Foundry 5nm 工艺进入规模生产，这对于一家年轻 Fabless 企业来说是非常关键的一步。
第四个优势则是 Physical AI。
机器人和智能设备很可能成为未来 AI 最大的新终端市场之一，而 DEEPX 从很早就把机器人、计算机视觉和 On-Device AI 作为主要方向，因此与当前 Physical AI 热潮具有较高重合度。
DEEPX 面临的挑战
DEEPX 面临的第一大问题仍然是软件生态。
AI 芯片并不是只要硬件性能好就能成功。客户已经拥有大量 PyTorch、TensorFlow、ONNX 和 CUDA 软件，如果更换 NPU 需要重新修改大量代码，企业往往不会轻易迁移。
因此 DXNN 软件平台能否足够成熟，可能比下一代芯片多几十 TOPS 更重要。
第二个挑战是规模。
NVIDIA、Qualcomm、Intel 和 AMD 都可以投入数十亿美元开发芯片和软件，而 DEEPX 仍然是一家规模较小的创业企业。进入汽车、机器人和工业设备市场以后，还要解决长期供货、质量认证和客户技术支持等大量问题。
第三个挑战是生成式 AI。
大型语言模型对内存容量和带宽的要求极高，仅仅拥有强大的 NPU 并不足够。DX-M2 如果真的希望在几瓦功耗下运行几十甚至上百 B 参数级模型，就必须在模型压缩、内存系统、量化和芯片架构方面实现非常大的突破。
所以 DX-M2 可能是 DEEPX 下一阶段最值得观察的一款产品。
如何理解 DEEPX 的长期价值
过去十年的 AI 革命主要发生在数据中心。
未来十年，人工智能可能开始进入现实世界。
机器人、汽车、无人机、摄像头、工厂设备、家电甚至各种传感器，都可能逐渐拥有自己的 AI。
如果真的出现这种趋势，那么未来全球 AI 芯片数量最大的市场，很可能并不是几百万块昂贵的数据中心 GPU，而是数十亿甚至数百亿颗存在于终端设备中的低功耗 AI 处理器。
DEEPX 押注的正是这个方向。
它并不试图正面挑战 NVIDIA 在大型 AI 训练领域的统治地位，而是希望成为“AI Everywhere”时代的一家基础芯片供应商。
总结
DEEPX 是韩国近年来值得关注的 AI 加速器和 NPU 企业之一。
公司成立于 2018 年，核心方向是低功耗 On-Device AI 和 Physical AI，目前已经形成 DX-M1、DX-H1 Quattro、DX-H1 V-NPU、DX-V3 等产品，并通过 Samsung Foundry 5nm 工艺进入规模量产。
其中 DX-M1 以约 1 到 5W 功耗提供 25 TOPS AI 性能，DX-H1 Quattro 则可以在约 20W 功耗下达到 100 TOPS，非常适合机器人、智慧城市、工业自动化、视频监控和边缘服务器等需要长期运行 AI 的设备。
与此同时，DEEPX 已经开始开发采用 Samsung Foundry 2nm 工艺的下一代 DX-M2，希望进一步把大语言模型和生成式 AI 带入几瓦功耗的终端设备。
DEEPX 目前还远不能与 NVIDIA、Qualcomm 等大型半导体公司相比，但它代表了 AI 芯片行业一个越来越重要的发展方向：AI 不只是越来越大的数据中心 GPU，也可能是越来越多、越来越便宜、越来越低功耗的本地 NPU。
如果 Physical AI、机器人和 On-Device AI 在未来几年真正大规模爆发，那么 DEEPX 很可能会成为这个市场中值得长期关注的企业之一。
公司名称： DEEPX Co., Ltd.
成立时间： 2018 年
总部： 韩国京畿道城南市
创始人兼 CEO： Lokwon Kim
企业类型： Fabless AI 半导体企业
核心技术： NPU、On-Device AI、Edge AI、Physical AI、低功耗 AI 推理
代表性产品： DX-M1、DX-M1M、DX-H1 Quattro、DX-H1 V-NPU、DX-V3、DX-M2
主要软件平台： DXNN、DX-Allsuite、DX-RT、DX-APP、DX-STREAM
主要市场： 机器人、智能摄像头、工业自动化、智慧城市、无人机、视频监控、AI Box、边缘服务器
第一代制造工艺： Samsung Foundry 5nm
下一代 DX-M2 规划工艺： Samsung Foundry 2nm GAA
2024 年 Series C 融资： 约 8000 万美元
2024 年融资后估值： 约 5.29 亿美元
官方网站： DEEPX.ai