Mobilint：韩国边缘 AI NPU 企业，用 ARIES 与 REGULUS 挑战 GPU 主导的 AI 推理市场
Mobilint 是一家专注于 AI 加速器、NPU、Edge AI 和 On-Device AI 的韩国无晶圆厂半导体企业。
与 NVIDIA 依靠高功耗 GPU 服务大型数据中心训练和推理不同，Mobilint 从创立之初就把目标放在另一层 AI 市场：让人工智能直接运行在服务器边缘、工厂、机器人、无人机、摄像头、智慧城市设备以及各种终端机器内部。
公司目前已经形成两条主要芯片路线，一条是面向边缘服务器和 On-Premises AI 的高性能 NPU“ARIES”，
另一条是将 NPU、CPU、ISP 和视频处理能力整合到一颗芯片中的低功耗 AI SoC“REGULUS”。
Mobilint 是一家什么样的公司？
Mobilint 成立于 2019 年 4 月 17 日，总部位于韩国首尔，目前还在美国加利福尼亚州圣何塞设有办公室。
公司创始人 Dongjoo Shin 同时担任 CEO 和 CTO。
Mobilint 创立时提出的核心理念非常简单：未来 AI 不应该永远停留在云端和昂贵的数据中心，而应该进入各种可以移动和独立工作的机器内部。
从发展时间来看，Mobilint 是一家相当年轻的 AI 芯片企业。
2019 年公司成立并获得种子融资，2020 年完成第一代 FPGA 原型，2021 年完成 Series A 融资，2022 年推出第一颗商业 NPU ARIES，2024 年发布独立 AI SoC REGULUS，并完成 Series B 融资。
进入 2025 年以后，ARIES 开始规模量产，而 REGULUS 也逐渐进入正式商业供应阶段。
为什么 Mobilint 不直接做 GPU？
AI 芯片市场最大的企业是 NVIDIA，因此很多 AI 芯片创业公司的第一个问题都是：为什么不直接设计 GPU？
Mobilint 选择 NPU 的原因在于，AI 推理和传统图形计算并不是完全相同的工作负载。
GPU 的优势是通用并行计算能力非常强，因此既可以训练大型模型，也可以执行复杂推理，但是这种灵活性通常需要付出更高的芯片面积、功耗和系统成本。
NPU 则针对神经网络运算专门优化，把大量晶体管和内存访问机制直接围绕矩阵运算、卷积、Transformer 和其他 AI 操作设计。
这对于边缘计算非常重要。一台数据中心服务器可以安装数百瓦甚至上千瓦的 GPU，但机器人、摄像机和无人机通常无法提供这样的供电和散热条件。
所以 Mobilint 真正竞争的并不是“谁能训练最大的 GPT 模型”，而是“谁能用更低功耗、更低成本，把已经训练好的 AI 模型真正部署到现实设备中”。
核心芯片 ARIES：80 TOPS 的边缘 AI NPU
ARIES 是 Mobilint 第一款商业化 NPU，也是公司目前最重要的芯片之一。
按照 Mobilint 当前公布的规格，ARIES 可以提供最高约 80 TOPS 的 AI 推理性能，TDP 为 25W，支持最高 16GB、可选 32GB LPDDR4X 内存，并通过 PCI Express Gen4 x8 与主机连接。
Mobilint 将其主要定位为机器人、智能工厂、智慧城市、边缘服务器以及 On-Premises AI 加速器。
Mobilint 还公开了大量实际模型测试数据。
例如 ARIES 运行 MobileNetV2 时可以达到超过 11,000 FPS，ResNet-50 超过 3,000 FPS，同时也已经支持 YOLO、CNN、RNN 和 Transformer 等不同结构。
公司目前的模型生态已经覆盖超过 490 个 AI 模型。
需要注意的是，TOPS 只是 AI 芯片的理论整数运算指标，并不能单独决定真实 AI 性能。
不同公司的 TOPS 不能简单直接比较，真正部署时还要看内存带宽、模型结构、编译器效率、量化方式以及软件支持。
不过对于边缘 AI 来说，ARIES 的重要卖点显然不是单纯追求最大 TOPS，而是希望在几十瓦功耗范围内提供足够强的推理能力。
MLA100：把 ARIES 做成标准 PCIe AI 加速卡
Mobilint 围绕 ARIES 推出的代表性产品是 MLA100。
MLA100 是一块标准 PCIe AI 加速卡，里面搭载一颗 ARIES NPU，可以提供 80 TOPS 算力、16GB 或 32GB LPDDR4X 内存以及 66.7GB/s 内存带宽，整张卡的 TDP 约为 25W。
这种产品形态非常重要，因为很多企业并不希望为了使用 AI 重新设计整台服务器。
如果现有工业服务器或者边缘服务器拥有 PCIe 插槽，只需要增加 MLA100，就可以获得专门的 AI 推理能力。
这与企业今天把 NVIDIA GPU 插进服务器的方式非常类似，只不过 Mobilint 的目标是把功耗和成本控制得更低。
MLA100 可以运行计算机视觉模型，也已经开始支持一些小型语言模型。例如 Mobilint 官方测试数据中已经包括 Llama 3.2 3B、EXAONE 以及其他轻量级语言模型。
这说明 Mobilint 已经不再把 ARIES 单纯定位成“计算机视觉 NPU”，而是在逐渐扩大到 LLM 和多模态推理。
MLA400：四颗 ARIES 组成 320 TOPS 边缘 AI 加速卡
如果一颗 ARIES 不够，Mobilint 还推出了更强大的 MLA400 PCIe Card。
MLA400 在一张 PCIe Gen5 x16 卡上集成四颗 ARIES NPU，总 AI 推理性能达到约 320 TOPS，拥有四组独立 LPDDR 内存，TDP 约为 135W。
这一产品的目标已经不再是单一摄像头或者普通嵌入式设备，而是边缘服务器和企业 On-Premises AI。
例如一个大型工业园区可能需要同时分析几十路甚至数百路摄像机视频；一家企业也可能希望让多个员工在公司内部运行 LLM，而不把文件发送到外部云平台。
这种情况下，几颗甚至几十颗低功耗 NPU 可以组成专门的推理服务器。
Mobilint 将 MLA400 的主要用途定义为多路视频分析、本地 LLM Serving、多模态 AI 和 Edge Data Center。
REGULUS：10 TOPS、不到 3W 的 On-Device AI SoC
如果说 ARIES 面向的是“边缘服务器”，那么 REGULUS 则是真正进入终端设备的一颗芯片。
REGULUS 是 Mobilint 第二条重要产品路线。它不是单纯 NPU，而是一颗完整 AI SoC。
REGULUS 可以提供约 10 TOPS AI 性能，功耗低于 3W，芯片尺寸只有 17×17mm，同时集成四核 ARM Cortex-A53、ARM Cortex-M0+、NPU、ISP、视频 Codec 以及大量外部接口。
它最高支持 8GB DDR4 或 LPDDR4/4X 内存，并支持 USB、Ethernet、MIPI、UART、QSPI、SDIO 和 eMMC。
视频方面，它可以处理最高 4K 120FPS MJPEG，以及 4K 60FPS H.264/H.265 视频，同时集成 8MP 60FPS ISP。
换句话说，一台智能摄像机或者机器人不一定还需要额外安装一颗独立 CPU、一颗 NPU 和一颗视频处理器，可以直接围绕 REGULUS 构建完整系统。
REGULUS 为什么对机器人和无人机特别有意义？
机器人、无人机和智能摄像头有一个共同问题：电力非常有限。
一台机器人如果把几十瓦甚至上百瓦电力全部消耗在 AI 计算上，它的续航时间就会明显下降。无人机的问题更加严重，因为每多一点电池重量都会影响飞行时间。
因此这些设备并不一定需要一颗极其强大的 GPU，而是需要“算力够用，但是功耗尽可能低”的处理器。
REGULUS 以不到 3W 的功耗提供 10 TOPS AI 性能，正是针对这种市场。
Mobilint 官方目前列出的主要 REGULUS 应用包括机器人、无人机、AI CCTV 和智能家电。
REGULUS 还获得了 CES 2025 Innovation Awards，这说明 Mobilint 也正在通过国际消费电子展扩大品牌影响力。
一根 USB 就可以增加 10 TOPS：MLD-R1 AI USB
Mobilint 还围绕 REGULUS 推出了一款很有意思的产品 MLD-R1 AI USB。
它外观接近一个较大的 USB 模块，但内部其实是一套完整的 REGULUS AI 系统。
只需要连接 USB 3.1，就可以给普通 Windows 或 Linux 设备增加约 10 TOPS 的 AI 推理能力，而功耗只有约 3W。
模块拥有 4GB 或 8GB LPDDR4X 内存，并支持 TensorFlow、TensorFlow Lite、PyTorch、ONNX 和 Keras。
这种产品很适合 AI 开发、原型验证以及现有设备升级。
企业不必马上重新设计硬件，而可以先使用 USB NPU 测试自己的 AI 模型。如果验证成功，再把 REGULUS SoC 或 SoM 集成进最终产品。
MLX-A1：Mobilint 开始从芯片走向完整 Edge AI Box
Mobilint 的另外一个重要方向是 MLX-A1 Edge AI Box。
MLX-A1 基于 ARIES，目标是提供一台可以直接部署的完整边缘 AI 计算设备，而不是要求客户自己购买芯片、设计主板、安装操作系统和配置 NPU。
它支持 MIPI、USB、Ethernet 等接口，可以连接摄像机和各种外部设备，并针对多个 AI 模型并行运行进行优化。
MLX-A1 获得了 CES 2026 Innovation Awards 人工智能类别荣誉。
这也反映出 Mobilint 商业模式正在发生变化：公司已经不只是出售 NPU 芯片，而是逐渐提供 Chip、PCIe Card、SoM、USB Accelerator、Edge AI Box 以及完整软件栈。
SDK qb：Mobilint 必须建立自己的“CUDA”
AI 芯片创业公司的真正困难，往往不是做出第一颗芯片，而是软件。
NVIDIA 最难复制的东西并不只是 GPU，而是 CUDA、cuDNN、TensorRT 以及多年积累的开发者生态。
Mobilint 因此建立了自己的完整软件平台 SDK qb。
其中 qb Compiler 负责把现有 AI 模型编译成 Mobilint NPU 可以执行的格式，而 qb Runtime 负责在实际设备中加载模型并完成推理。
目前 qb Compiler 已经支持 ONNX、PyTorch、TorchScript、TensorFlow、TensorFlow Lite 和 Keras，同时还可以处理 Hugging Face Transformer 模型。
Mobilint 还建立了 Model Zoo，目前拥有超过 490 个预编译或者经过验证的 Vision、Language 和 Multimodal AI 模型，并开始提供 vLLM 插件，让语言模型能够通过类似现代 LLM Serving 的方式运行在 NPU 上。
从长期看，这套软件体系的重要性可能不亚于 ARIES 和 REGULUS 本身。
从计算机视觉进一步进入 LLM
早期 Edge AI NPU 大多主要处理 CNN，也就是人脸识别、目标检测、图像分类和视频分析。
但是 AI 市场已经发生变化。
Transformer、Vision Transformer、VLM 和大语言模型正在快速进入边缘设备。
Mobilint 目前公开的 ARIES 测试模型已经包括 Llama 3.2 3B、Qwen3 1.7B 以及 EXAONE 等小型语言模型，同时公司软件论坛中也已经出现大量关于 KV Cache、长上下文、VLM 和 Hugging Face 模型部署的问题。
这说明 Mobilint 正在尝试把 NPU 从传统 Vision AI 扩展到 Generative AI。
当然，80 TOPS、几十 GB 内存的边缘加速器并不适合直接运行数百 B 参数的大型旗舰模型，但是越来越多 1B、3B、7B 甚至经过量化的小型模型完全有可能进入本地设备。
这可能成为未来 Edge AI 芯片一个非常重要的增长市场。
韩国高速公路 4,000 路 CCTV 项目
Mobilint 从芯片创业公司走向真实商业应用的一个重要案例发生在 2026 年。
Mobilint 与韩国视觉 AI 企业 IntelliVIX 合作，将 NPU AI 服务器部署到韩国高速公路 CCTV 系统中，为约 4,000 路摄像机提供实时 AI 视频分析。
该系统采用基于 MLA400 PCIe Card 的 AI 服务器，对高速公路摄像机视频进行实时推理，再结合 IntelliVIX 的 Vision AI 和 VLM 系统自动检测和确认道路事件。
这个项目很能体现 Mobilint 的市场定位。
大型视频监控系统通常并不需要训练模型，而是每天 24 小时不停运行同一个已经训练完成的模型。
这种工作负载对于功耗、设备数量和长期运营成本非常敏感，因此也是专用 NPU 最有机会与 GPU 竞争的市场之一。
智能工厂和 Physical AI
工业 AI 同样是 Mobilint 重点发展的市场。
2026 年，公司与 POSCO DX 加强合作，希望把 NPU 应用于制造、机器人、物流和工业 AI 系统，同时又与 Lotte Innovate 推进智能基础设施以及 Physical AI 项目。
Physical AI 是目前 AI 芯片行业越来越重要的概念。
过去 AI 主要存在于电脑屏幕里面，现在 AI 开始进入机器人、汽车、无人机、工厂和各种自动化设备。
这些机器需要不断读取摄像头、传感器和环境数据，然后实时做出判断。
它们不可能把所有数据上传到远程云服务器再等待结果，因此大量计算必须发生在本地。
从这一点来看，Physical AI 很可能正好处在 Mobilint 最擅长的市场范围之内。
与 AWS 合作连接 Cloud AI 和 Edge AI
Mobilint 并不是认为云计算会消失。
相反，公司正在探索 Cloud + Edge 的混合架构。
Mobilint 已经与 AWS 展开合作，希望把 Amazon SageMaker、AWS IoT Greengrass 等云端服务与 Mobilint NPU 硬件连接起来。
这种模式可能更加符合未来实际情况。
AI 模型可以在云端 GPU 中训练和管理，然后通过网络部署到成千上万台边缘设备；设备日常推理在本地完成，只在需要升级模型、进行复杂推理或者上传重要数据时连接云端。
所以 NPU 并不一定是 GPU 的完全替代者。
更可能的情况是：
GPU 负责大型模型训练和复杂云端推理，NPU 负责数量庞大的终端和边缘推理。
Mobilint 已经进入规模量产阶段
对于 AI 芯片初创企业来说，“发布芯片”和“真正量产芯片”是两件完全不同的事情。
Mobilint 的 ARIES 已经跨过这一门槛。
SEMIFIVE 在 2024 年宣布，基于 Samsung Foundry 14nm FinFET 工艺的 Mobilint ARIES AI Inference SoC 已进入量产阶段；
Mobilint 此后表示 ARIES 于 2025 年 1 月成功进入正式规模生产。
Mobilint 在 2025 年公司成立六周年时也表示，ARIES 已经成功进入量产，而 REGULUS 正准备正式生产。
这对于一家成立只有数年的 AI 芯片企业来说非常关键，因为大量 NPU 初创公司最终失败的原因并不是芯片设计不出来，而是没有足够客户支撑真正的大规模制造。
2026 年 REGULUS 开始加速商业供应
到了 2026 年，Mobilint 的第二颗核心芯片 REGULUS 也开始进入更积极的商业化阶段。
2026 年 8 月 13 日，Mobilint 宣布正在加速 REGULUS 在韩国和全球市场的供应。
此前公司已经在 COMPUTEX 2026 与三家台湾企业签署 NPU 集成协议，并持续扩大日本、台湾、美国和欧洲等海外合作渠道。
这说明 Mobilint 正在从“韩国 AI 芯片创业公司”逐渐尝试进入全球 Edge AI 供应链。
特别是台湾对于这种企业非常重要，因为台湾拥有完整的工业电脑、主板、摄像机、服务器和嵌入式设备 ODM/OEM 产业。
如果 NPU 能够被这些厂商直接集成进标准产品，芯片出货规模就有机会迅速扩大。
2026 年完成 700 亿韩元 Series C 融资
Mobilint 在资本市场上的发展也明显加速。
2021 年公司完成约 90 亿韩元 Series A 融资，2024 年完成约 200 亿韩元 Series B。
到了 2026 年 4 月，Mobilint 又完成规模约 700 亿韩元的 Series C 融资，参与机构包括 Praxis Capital Partners、POSCO Technology Investment 和 Company K Partners 等。
韩国媒体报道显示，完成这一轮融资以后，Mobilint 累计融资规模已经达到约 1,000 亿韩元。
新资金主要用于下一代 NPU 架构、扩大量产和供应能力、国际市场扩张，以及进一步建设围绕 Mobilint NPU 的软硬件生态。
对于 AI 芯片企业来说，这些资金非常重要，因为芯片开发只是第一步，真正量产以后还需要支付晶圆、封装、测试、库存、开发板、软件工程和全球客户支持等大量费用。
Mobilint 的竞争优势
Mobilint 第一个明显优势是能效。
ARIES 在几十瓦功耗范围内提供 80 TOPS，REGULUS 则可以在不到 3W 的条件下提供 10 TOPS。
对于持续运行的摄像机、机器人和工业设备来说，每瓦性能往往比单纯峰值算力更加重要。
第二个优势是同时拥有两条互补产品线。
ARIES 面向较高性能的 Edge Server 和 On-Premises AI，而 REGULUS 可以直接进入终端设备。
这意味着 Mobilint 可以覆盖从几瓦级设备一直到数百 TOPS 边缘服务器的不同计算需求。
第三个优势是公司已经进入量产。
创业公司拥有一个性能漂亮的实验室样片并不罕见，但能够稳定量产、交付 PCIe 卡、开发完整软件并进入真实项目，门槛要高得多。
第四个优势则是软件生态开始逐渐成形。
支持 PyTorch、TensorFlow、ONNX、Hugging Face、vLLM 和数百个已经验证的模型，可以明显降低客户迁移到 Mobilint NPU 的难度。
Mobilint 面临的挑战
Mobilint 最大的挑战同样非常明显：竞争对手太多。
Edge AI 市场目前拥有 NVIDIA Jetson、Qualcomm、Intel、AMD、Hailo、Kneron、DEEPX、Blaize、Axelera AI、SiMa.ai、Ambarella 等大量平台。
其中 DEEPX 同样来自韩国，而且也是专门发展低功耗 NPU；Hailo 在智能摄像机和工业视觉领域已经拥有较强市场基础；NVIDIA Jetson 则拥有 CUDA 这个巨大生态优势。
第二个挑战是软件。
即使 Mobilint 芯片每瓦性能非常出色，如果客户已经在 CUDA 上积累了几年代码，那么迁移到新 NPU 仍然需要成本。
所以 Mobilint 最需要持续投入的可能并不是单纯提高 TOPS，而是不断提高 qb Compiler、Runtime、Model Zoo 和开发工具的成熟度。
第三个挑战是生成式 AI 带来的内存问题。
传统计算机视觉模型可能只有几十 MB 或几百 MB，但是 LLM 很容易达到数 GB、几十 GB甚至更大。即使 NPU 本身算力足够，内存容量和带宽也会成为瓶颈。
因此未来 Mobilint 如果希望真正进入 LLM 和 VLM 市场，就必须同时升级计算架构、内存系统和软件。
Mobilint 与 DEEPX 有什么区别？
Mobilint 和 DEEPX 都是韩国新一代 AI NPU 企业，而且都把低功耗 Edge AI 作为主要方向，因此经常会被放在一起比较。
DEEPX 的 DX-M1 目前更加突出极低功耗视觉 AI 和 Physical AI，Mobilint 则形成了 ARIES + REGULUS 两层架构。
ARIES 更接近高性能边缘服务器加速器，可以通过 MLA100 和 MLA400 扩展到 80 TOPS、320 TOPS 甚至更大的 NPU 系统；REGULUS 则承担几瓦级 On-Device AI。
因此 Mobilint 的路线可以简单理解为：
REGULUS 进入设备，ARIES 进入服务器。
如果这种双产品战略成功，它可能同时覆盖智能摄像头、无人机、机器人、工业设备、AI Box 和边缘数据中心。
Mobilint 与 NVIDIA 的区别
Mobilint 并不是另一家 NVIDIA。
如果需要训练一个超大型语言模型，NVIDIA GPU 仍然拥有明显优势。
Mobilint 真正想解决的是训练之后的问题：
模型已经有了，怎样让它以更低成本运行？
例如一座城市有 10 万台摄像头，一家工厂有数千台视觉设备，一个物流企业有几万台机器人。
这些设备每天执行的不是模型训练，而是重复推理。
如果每一个节点都安装大型 GPU，不但采购成本很高，电力和散热成本同样巨大。
NPU 的机会正是在这里。
所以 NVIDIA 和 Mobilint 并不完全处于同一层市场。
更准确地说，Mobilint 正试图从 GPU 手中抢走那些“没有必要使用 GPU”的 AI 推理工作。
Mobilint 最值得关注的地方
Mobilint 最值得关注的并不是它现在拥有 80 TOPS 还是 320 TOPS，而是它已经开始跨过 AI 芯片初创企业最困难的一道门槛：从研发进入真实商业部署。
ARIES 已经量产，REGULUS 正在扩大供应，MLA100 和 MLA400 已经形成标准产品，SDK qb 正在持续更新，韩国高速公路 4,000 路 CCTV 项目则证明 NPU 已经开始进入大规模实际基础设施。
同时公司又在 2026 年获得约 700 亿韩元 Series C 融资。
这些因素结合起来说明，Mobilint 已经不只是“又一家做 AI 芯片的创业公司”，而正在进入真正需要比拼量产、客户、生态和全球销售能力的阶段。
总结
Mobilint 是韩国近年来值得持续关注的 AI 加速器和 NPU 企业之一。
公司成立于 2019 年，核心战略是把人工智能从大型数据中心进一步推向 Edge AI、On-Premises AI 和 On-Device AI。
目前公司已经形成两颗核心处理器：
ARIES 提供约 80 TOPS AI 性能，主要服务边缘服务器、工业 AI 和本地生成式 AI；
REGULUS 则以低于 3W 的功耗提供约 10 TOPS，并集成 ARM CPU、ISP 和视频 Codec，直接面向机器人、无人机、AI 摄像机和智能终端。
围绕这两颗芯片，Mobilint 又进一步推出 MLA100、MLA400、MLX-A1、MLD-R1 等不同形态产品，并建立 SDK qb 软件平台和超过 490 个模型的开发生态。
2026 年获得约 700 亿韩元 Series C 融资、进入韩国高速公路 4,000 路 CCTV 项目，以及扩大 REGULUS 海外供应，则说明 Mobilint 已经开始真正走向规模商业化。
未来 Mobilint 能否成为全球主要 Edge AI 芯片供应商，关键并不只是下一代 NPU 能增加多少 TOPS，而是能否继续扩大真实量产订单、完善软件生态，并在机器人、智慧城市、工业自动化和本地生成式 AI 这些高速增长的市场中建立长期客户基础。
如果未来 AI 真正从“数据中心里的人工智能”发展成“每一台机器内部都有人工智能”，那么 Mobilint 所押注的低功耗 NPU 和 Edge AI，很可能会成为整个 AI 半导体市场中越来越重要的一层。
公司名称： Mobilint, Inc.
成立时间： 2019 年
总部： 韩国首尔
美国办公室： 加利福尼亚州圣何塞
创始人兼 CEO/CTO： Dongjoo Shin
企业类型： Fabless AI 半导体企业
核心技术： NPU、Edge AI、On-Device AI、On-Premises AI、AI SoC
核心芯片： ARIES、REGULUS
代表性产品： MLA100、MLA400、MLX-A1、MLD-R1
ARIES AI 性能： 最高约 80 TOPS
REGULUS AI 性能： 约 10 TOPS
REGULUS 功耗： 低于约 3W
软件平台： SDK qb、qb Compiler、qb Runtime、Model Zoo
主要应用： 机器人、无人机、AI CCTV、智慧城市、智能工厂、视频分析、Edge Server、On-Premises LLM
2026 年 Series C 融资： 约 700 亿韩元
累计融资： 约 1,000 亿韩元
官方网站： Mobilint.com