Sipeed MaixStation: мини-ПК для локальных LLM как альтернатива NVIDIA DGX Spark
Sipeed разрабатывает компактный компьютер MaixStation на базе процессора Axera AX8860P с NPU до 256 TOPS (FP4) и до 128 ГБ памяти LPDDR5X. Устройство ориентировано на локальный запуск больших языковых моделей и позиционируется как более доступная альтернатива NVIDIA DGX Spark.
Что известно о новинке
Компания Sipeed анонсировала разработку малогабаритного компьютера MaixStation. Устройство позиционируется как конкурент NVIDIA DGX Spark, дебютировавшего в марте 2025 года, и предназначено для локальной работы с большими языковыми моделями (LLM), включая Qwen и DeepSeek.
Аппаратная платформа
В основе MaixStation лежит новый процессор AX8860P от китайской компании Axera. Ключевые характеристики чипа:
16 вычислительных ядер Arm Cortex-A55;
NPU с производительностью до 256 TOPS в режиме FP4;
поддержка до 128 ГБ LPDDR5X с 256-битной шиной и пропускной способностью до 273 ГБ/с;
интерфейс PCIe 5.0 и межсоединение AXLink (C2C);
6-нм техпроцесс;
энергопотребление под нагрузкой — около 40 Вт.
Конфигурации памяти и поддерживаемые модели
MaixStation будет выпускаться в двух версиях — с 32 ГБ и 128 ГБ памяти LPDDR5X.
Конфигурация | Поддерживаемые модели |
|---|---|
32 ГБ | Qwen3.8-27B (27 млрд параметров) |
128 ГБ | Qwen3.8-Flash-Next 125B (125 млрд параметров) |
Кластер из 2 устройств | DeepSeek V4-Flash 284B (284 млрд параметров) |
Кластер из 4 устройств | DeepSeek V4.1-Flash 552B (552 млрд параметров) |
Габариты и интерфейсы
Корпус устройства имеет размеры 110 × 110 × 30 мм. Предусмотрены:
сетевой порт 10GbE SFP+;
разъём USB 3.0 Type-C для подключения к ноутбуку;
отдельный порт USB Type-C для питания (стандарт USB PD, мощность до 65 Вт).
Цена и позиционирование
Ожидается, что новинка поступит в продажу по цене менее $2000** за версию с 32 ГБ памяти и **менее $4000 за модификацию со 128 ГБ LPDDR5X.
Для сравнения: NVIDIA DGX Spark сейчас стоит $6950, тогда как на момент анонса в 2025 году он предлагался по цене от $3000 до $4000. Таким образом, MaixStation может оказаться заметно доступнее при сопоставимом классе задач — локальном инференсе LLM.
Комментарии
Загрузка комментариев…