DEEPX và cuộc đua đưa AI ra khỏi trung tâm dữ liệu: Giải mã DX-M1, DX-H1 và tham vọng DX-M2

DEEPX chọn thị trường AI tại thiết bị thay vì cạnh tranh trực diện ở trung tâm dữ liệu

Khi nói về chip AI, phần lớn thị trường nghĩ ngay đến các cụm GPU khổng lồ dùng để huấn luyện ChatGPT hoặc vận hành mô hình ngôn ngữ trong trung tâm dữ liệu. DEEPX chọn một chiến trường khác: đưa khả năng suy luận AI đến tận camera, robot, máy kiểm tra trong nhà máy, thiết bị y tế và các hệ thống hoạt động ngoài hiện trường.

Đây là điểm cốt lõi khi đánh giá công ty bán dẫn Hàn Quốc này. DEEPX không chế tạo GPU đa dụng để thay thế Nvidia H100 trong huấn luyện mô hình lớn. Công ty thiết kế NPU — bộ xử lý chuyên thực hiện suy luận mạng nơ-ron — với ba ưu tiên rõ ràng: điện năng thấp, độ trễ nhỏ và chi phí đủ thấp để triển khai hàng nghìn hoặc hàng triệu thiết bị.

Nếu chiến lược này thành công, AI sẽ không còn chỉ “trả lời” trên màn hình. Nó sẽ nhìn thấy một công nhân bước vào vùng nguy hiểm, phát hiện lỗi trên dây chuyền, giúp robot tránh vật cản và phân tích hàng chục luồng camera mà không phải gửi toàn bộ dữ liệu lên cloud.

DEEPX gọi đó là Physical AI. Nói đơn giản hơn, đây là lớp tính toán giúp máy móc cảm nhận và phản ứng với thế giới thực.

Từ chip mẫu đến giai đoạn thương mại hóa

DEEPX được thành lập năm 2018 bởi Kim Nok-won (김녹원, dùng tên tiếng Anh Lokwon Kim), một kỹ sư từng làm việc tại Apple. Công ty đặt trụ sở tại Pangyo, trung tâm công nghệ lớn của Hàn Quốc, và hoạt động theo mô hình fabless: tự thiết kế chip và phần mềm nhưng thuê đối tác sản xuất.

Thế hệ đầu tiên DX-M1 được sản xuất trên tiến trình 5 nm của Samsung Foundry và tích hợp bộ điều khiển LPDDR5 của Rambus. Theo Reuters, DEEPX bắt đầu sản xuất chip vào cuối năm 2025; đến tháng 4/2026, công ty cho biết sản phẩm đã được dùng trong robot giao hàng bốn bánh của Hyundai và đang hợp tác với Hyundai Motor Group để phát triển nền tảng tính toán cho robot thế hệ tiếp theo. Ba bên DEEPX, Samsung Foundry và Rambus cũng đã công khai lộ trình dùng tiến trình 2 nm GAA cho DX-M2. (Reuters, Rambus)

Đây là một bước chuyển quan trọng. Rất nhiều startup bán dẫn có thể tạo chip mẫu và trình diễn tại triển lãm; thách thức thật sự là đạt tỷ lệ sản xuất ổn định, có SDK đủ dùng, được tích hợp vào phần cứng của đối tác và nhận đơn hàng lặp lại.

DEEPX đã có những dấu hiệu thương mại hóa ban đầu, nhưng quy mô triển khai thực tế vẫn cần được theo dõi thêm.

Vì sao AI cần chạy ngay trên thiết bị?

Đưa dữ liệu lên cloud có ba ưu điểm lớn: sức mạnh tính toán cao, dễ cập nhật và không cần nhét phần cứng đắt tiền vào từng thiết bị. Nhưng mô hình này bộc lộ giới hạn khi AI đi vào nhà máy, robot và camera.

Thứ nhất là độ trễ. Một robot tránh va chạm không thể chờ dữ liệu đi đến máy chủ rồi quay lại. Thứ hai là kết nối. Nhà máy, hầm mỏ, tàu biển hoặc thiết bị di động không phải lúc nào cũng có mạng ổn định. Thứ ba là quyền riêng tư. Video, dữ liệu khuôn mặt và dữ liệu sản xuất nhạy cảm thường không nên rời khỏi hiện trường. Cuối cùng là chi phí vận hành: truyền và xử lý liên tục hàng trăm luồng camera trên cloud có thể tốn hơn nhiều so với xử lý tại chỗ.

NPU giải bài toán này bằng cách tối ưu phần cứng cho các phép toán mà mô hình AI thường sử dụng. Đổi lại, nó kém linh hoạt hơn GPU. NPU phù hợp nhất khi mô hình đã được huấn luyện, tác vụ tương đối ổn định và doanh nghiệp cần lặp lại phép suy luận với hiệu suất cao.

Bản đồ sản phẩm DEEPX: chọn theo bài toán, không chỉ theo TOPS

DX-M1 và DX-M1M — “động cơ” cho một thiết bị

• DX-M1: 25 TOPS INT8, công suất NPU 1–5 W, PCIe Gen3 x4, hỗ trợ bộ nhớ ngoài tối đa 8 GB. Hợp với robot, IPC, gateway, camera/NVR và thiết bị AIoT.
• DX-M1M: 25 TOPS INT8, khoảng 3 W điển hình, tích hợp 2 GB LPDDR4x và có module M.2 2242. Hợp với sản phẩm nhúng cần BOM gọn, nhiệt độ công nghiệp và sản xuất số lượng lớn.
• DX-M1ML: 13 TOPS INT8, tích hợp 512 MB LPDDR4x. Hợp với workload vision nhỏ, nhưng phải kiểm tra kỹ dung lượng model và tensor trung gian.

DX-H1 — mở rộng lên nhiều camera

• DX-H1 Quattro: bốn bộ xử lý, tổng 100 TOPS INT8, 16 GB LPDDR5 và công suất 20 W. Hợp với edge server, smart city và phân tích nhiều camera; bo mạch chủ cần hỗ trợ PCIe bifurcation x4x4x4x4.
• DX-H1 V-NPU: 50 TOPS, 24 GB LPDDR5, tích hợp video codec; theo hãng có thể giải mã 64 luồng và mã hóa 32 luồng H.264/H.265 1080p30. Hợp với NVR/VMS và giám sát quy mô lớn.

DX-AIPlayer và DX-V3 — từ PoC đến thiết bị tích hợp

• DX-AIPlayer N97: máy edge AI hoàn chỉnh với DX-M1, Intel N97, RAM 8 GB, eMMC 64 GB và khung 95 × 95 × 45 mm. Đây là giải pháp nhanh để thử mô hình thực tế trước khi tự thiết kế bo mạch nền.
• DX-V3: Vision SoC tích hợp NPU, ISP, DSP, video codec và kết nối, được công bố tối đa 13 TOPS INT8. Hợp với camera thông minh, 3D sensing, drone, robot và ADAS, nhưng tình trạng sample/production cần xác nhận trực tiếp.

DX-M2 — lộ trình GenAI, chưa phải sản phẩm thương mại

• DX-M2: lộ trình chip 2 nm hướng tới LLM/MoE 20–100B tham số dưới 5 W và robot Physical AI. Theo thông tin công bố, mục tiêu sản xuất hàng loạt là năm 2027; các chỉ số token/giây, context, băng thông nhớ và công suất toàn hệ thống chưa đủ để đánh giá như một sản phẩm đã hoàn thiện.

Thông số trên được tổng hợp từ danh mục sản phẩm DEEPX, các trang DX-M1, DX-M1M, DX-H1 Quattro, DX-H1 V-NPU và DX-AIPlayer. Các con số là thông số do hãng công bố; doanh nghiệp vẫn cần benchmark model production của mình.

DX-M1: nền tảng thương mại cốt lõi của hệ sinh thái DEEPX

DX-M1 là trung tâm của toàn bộ hệ sinh thái hiện tại. Chip đạt 25 TOPS ở INT8, tiêu thụ từ 1 đến 5 W và giao tiếp qua PCIe Gen3 x4. Bản chip hỗ trợ LPDDR4x hoặc LPDDR5 với dung lượng tối đa 8 GB; module M.2 2280 bán sẵn đi kèm 4 GB LPDDR5.

Điểm mạnh của cấu hình này không nằm ở con số TOPS đơn thuần. Với thiết bị edge, điện năng, bộ nhớ, nhiệt độ và kích thước thường quan trọng ngang hiệu năng đỉnh. Một chip 25 TOPS có thể chạy ổn định trong hộp nhỏ, không cần quạt lớn và không làm pin robot cạn nhanh có thể hữu ích hơn một GPU mạnh hơn nhiều nhưng đòi hỏi hệ thống nguồn và tản nhiệt phức tạp.

DEEPX còn phát triển công nghệ lượng tử hóa IQ8, đưa mô hình từ FP32 xuống INT8 để giảm nhu cầu tính toán nhưng cố giữ mức suy giảm độ chính xác dưới 1%. Trong brochure, hãng công bố kết quả mAP của nhiều biến thể YOLO sau lượng tử hóa khá sát FP32 và đưa ra số FPS/W cao. Đây là tín hiệu tích cực, đặc biệt với các bài toán nhận diện vật thể.

Tuy nhiên, cần hiểu đúng hai con số xuất hiện trong tài liệu marketing: 25 TOPS và 200 eTOPS. 25 TOPS INT8 là công suất tính toán phần cứng công bố. “200 eTOPS” là chỉ số hiệu năng tương đương do DEEPX quy đổi dựa trên hiệu quả kiến trúc/lượng tử hóa. eTOPS không phải thước đo chuẩn hóa để so trực tiếp với TOPS của Nvidia, Qualcomm hoặc một NPU khác. Khi lựa chọn phần cứng, doanh nghiệp nên bỏ qua cuộc đua con số và đo trực tiếp mô hình của mình.

DX-M1M: cùng 25 TOPS nhưng tối ưu cho sản phẩm nhúng

DX-M1M không chỉ là DX-M1 được đổi tên. Sản phẩm tích hợp 2 GB LPDDR4x ngay trong package và có module M.2 2242 nhỏ hơn. Mức điện năng điển hình 3 W và dải nhiệt độ công nghiệp từ -40°C đến 85°C giúp nhà sản xuất dễ thiết kế nguồn, nhiệt và bo mạch hơn.

Đây có thể là biến thể hấp dẫn hơn cho camera công nghiệp, robot nhỏ, dashcam hoặc thiết bị sản xuất hàng loạt, nơi độ gọn và tính dự đoán quan trọng hơn khả năng mở rộng bộ nhớ. Ngược lại, 2 GB bộ nhớ cũng giới hạn kích thước và số mô hình có thể chạy đồng thời. Với workload lớn, DX-M1 có bộ nhớ ngoài linh hoạt hơn vẫn hợp lý hơn.

DEEPX còn công bố DX-M1ML 13 TOPS với 512 MB bộ nhớ tích hợp. Phiên bản này nhắm tới thiết bị tối giản, nhưng doanh nghiệp phải kiểm tra rất kỹ kích thước model, tensor trung gian và pipeline tiền/hậu xử lý trước khi chọn.

DX-H1 Quattro và V-NPU: từ một thiết bị lên hàng trăm luồng camera

Nếu DX-M1 là một “động cơ AI” nhỏ gọn, DX-H1 Quattro ghép bốn bộ xử lý để đạt 100 TOPS INT8 trong card PCIe low-profile 20 W, đi kèm 16 GB LPDDR5. DEEPX hướng sản phẩm vào edge server, trung tâm giám sát và hệ thống phân tích nhiều luồng video.

Có một điều kiện kỹ thuật dễ bị bỏ qua: bo mạch chủ phải hỗ trợ PCIe bifurcation x4x4x4x4. Nếu server không hỗ trợ hoặc BIOS không cho cấu hình đúng, card không thể phát huy thiết kế bốn chip. Vì vậy, khả năng tích hợp còn phụ thuộc vào cấu hình bo mạch chủ và BIOS, không chỉ vào thông số của riêng card.

DX-H1 V-NPU đi xa hơn cho thị trường giám sát. Card kết hợp NPU 50 TOPS với video codec, 24 GB LPDDR5, khả năng giải mã tối đa 64 luồng và mã hóa 32 luồng H.264/H.265 ở 1080p30 theo thông số hãng. Thiết kế này giải quyết một nút thắt thực tế: trong hệ thống VMS, giải mã video cũng tốn tài nguyên đáng kể; NPU mạnh nhưng CPU phải gánh codec vẫn có thể làm toàn hệ thống mất cân bằng.

DX-AIPlayer: thiết bị thử nghiệm trước khi thiết kế phần cứng riêng

DX-AIPlayer N97 là một máy edge AI hoàn chỉnh, kết hợp module DX-M1 với Intel N97, RAM 8 GB, eMMC 64 GB, hai cổng Ethernet và các cổng công nghiệp. Thiết bị nặng 450 g và có kích thước 95 × 95 × 45 mm.

Đây không phải sản phẩm có TCO tối ưu nhất khi triển khai hàng nghìn điểm, nhưng là lựa chọn hợp lý cho PoC: kết nối camera, chuyển đổi model, đo độ trễ và tích hợp ứng dụng mà không phải tự phát triển carrier board. Nếu bài toán đã chứng minh hiệu quả, doanh nghiệp mới chuyển sang M.2, SoM hoặc chip rời để giảm BOM.

Một chi tiết cần đọc đúng: DX-M1 bên trong chỉ tiêu thụ 1–5 W, nhưng cả DX-AIPlayer được công bố ở mức 15–37 W điển hình. So sánh điện năng phải dùng cùng ranh giới đo — chip với chip, hoặc toàn hệ thống với toàn hệ thống.

DX-V3: kết hợp xử lý hình ảnh và AI trong một SoC

DX-V3 được định vị là Vision SoC, tích hợp NPU, ISP, DSP, video codec và các giao tiếp cần thiết cho camera/robot vào một chip. Tài liệu DEEPX công bố tối đa 13 TOPS INT8 và hướng đến camera CCTV, 3D sensing, drone, robot, AR/VR và ADAS.

Lợi thế tiềm năng của SoC là giảm số chip trên bo mạch, độ trễ truyền dữ liệu và chi phí hệ thống. Nhưng đây cũng là sản phẩm cần thận trọng khi đánh giá tình trạng thương mại. Tài liệu năm 2025 từng nêu engineering sample dự kiến trong quý IV/2025, trong khi danh mục sản phẩm thương mại hiện tại của DEEPX tập trung nổi bật hơn vào DX-M1, DX-M1M, DX-H1 và DX-AIPlayer. Doanh nghiệp quan tâm DX-V3 nên xác nhận trực tiếp sample, roadmap sản xuất, SDK và chứng nhận trước khi đưa vào thiết kế dài hạn.

DX-M2: lộ trình tham vọng cần thêm dữ liệu kiểm chứng

Tại CES 2026, DEEPX công bố lộ trình DX-M2 dùng tiến trình 2 nm của Samsung Foundry, hướng đến suy luận mô hình 20–100 tỷ tham số, gồm cả kiến trúc Mixture-of-Experts, với công suất mục tiêu dưới 5 W. Reuters cho biết Hyundai dự kiến dùng DX-M2 trong nền tảng robot GenAI và chip được lên kế hoạch sản xuất hàng loạt trong năm 2027. (Lộ trình DEEPX tại CES 2026, Reuters)

Nếu đạt được, đây sẽ là bước nhảy lớn từ vision inference sang generative AI tại edge. Robot có thể hiểu lệnh, tổng hợp thông tin cảm biến và ra quyết định mà không phụ thuộc liên tục vào cloud.

Nhưng “chạy mô hình 100B” chưa đủ để đánh giá sản phẩm. Cần biết mô hình được lượng tử hóa ở mức nào, bao nhiêu tham số được kích hoạt mỗi token trong MoE, bộ nhớ nằm ở đâu, băng thông bao nhiêu, tốc độ token/giây, độ dài context và công suất được đo cho riêng NPU hay toàn hệ thống. Hiện các chi tiết này chưa được DEEPX công bố đầy đủ. Vì vậy, DX-M2 nên được xem là mục tiêu kỹ thuật có đối tác sản xuất và khách hàng phát triển, không phải năng lực thương mại đã được chứng minh.

Phần mềm và công cụ phát triển quyết định khả năng triển khai

Khách hàng không mua TOPS; họ mua khả năng đưa mô hình vào sản phẩm đúng thời hạn. Một NPU tốt nhưng không hỗ trợ operator, model hoặc hệ điều hành cần thiết sẽ nằm trên bàn thử nghiệm.

DEEPX giải bài toán này bằng DXNN SDK. Quy trình cơ bản gồm bốn bước:

• Bước 1. Huấn luyện mô hình bằng PyTorch, TensorFlow hoặc framework quen thuộc và xuất sang ONNX.
• Bước 2. Dùng DX-COM biên dịch, tối ưu và lượng tử hóa thành binary `.dxnn` cho NPU.
• Bước 3. Chạy mô hình bằng DX-RT qua API C++ hoặc Python.
• Bước 4. Tích hợp kết quả suy luận vào ứng dụng, pipeline camera hoặc hệ thống robot.

Model Zoo của DEEPX hiện liệt kê 354 model trên môi trường DX-M1. Bản DX-All-Suite 2.4.0 phát hành tháng 7/2026 bổ sung cải tiến lượng tử hóa, độ ổn định cho production và một công cụ agent-driven development beta cho phép mô tả tác vụ bằng ngôn ngữ tự nhiên rồi hỗ trợ quá trình biên dịch, kiểm thử và triển khai. (Model Zoo, release notes DX-All-Suite)

Nhịp cập nhật phần mềm đều là tín hiệu tốt. DEEPX cũng hợp tác với Ultralytics để rút ngắn đường đi từ mô hình YOLO đến thiết bị. Tuy nhiên, danh sách “hỗ trợ model” không có nghĩa mọi model tùy biến đều chạy ngay. Những operator chưa được hỗ trợ, dynamic shape, tiền xử lý, hậu xử lý hoặc tracking có thể phải chạy trên CPU và trở thành nút thắt. Việc đánh giá phải dùng đúng model production của doanh nghiệp, không chỉ demo YOLO mẫu.

Đánh giá DX-M1 khi đặt cạnh Nvidia Jetson

DEEPX công bố DX-M1 có hiệu suất điện năng cao hơn GPU tới khoảng 20 lần và giá/hiệu năng tốt hơn đáng kể. Kết quả brochure trên một số model YOLO cho thấy lượng tử hóa IQ8 giữ độ chính xác gần FP32 và đạt FPS/W ấn tượng. Công ty cũng đưa ra benchmark batch 1 so với Nvidia Xavier và một đối thủ giấu tên. (Thông số và phương pháp benchmark DX-M1)

Những kết quả đó đáng để thử nghiệm, nhưng chưa đủ để kết luận tuyệt đối vì ba lý do.

Một là, phạm vi đo có thể khác nhau. Công suất NPU không đồng nghĩa công suất toàn bộ hệ thống. Jetson thường bao gồm CPU, GPU, bộ nhớ và nhiều I/O trong một module, trong khi DX-M1 cần host CPU.

Hai là, kết quả phụ thuộc vào từng bài toán. NPU có thể vượt trội ở object detection INT8 nhưng GPU linh hoạt hơn với operator mới, model chưa tối ưu, xử lý CUDA và pipeline đa dạng.

Ba là, phần lớn benchmark hiện do nhà sản xuất công bố. DEEPX nêu điều kiện test tương đối rõ, nhưng thị trường vẫn cần thêm phép đo độc lập, cùng model, cùng độ chính xác, cùng tiền/hậu xử lý và cùng ranh giới điện năng.

Vì vậy, câu hỏi đúng không phải “DX-M1 có mạnh hơn Jetson không?”, mà là: với model, camera, nhiệt độ và chi phí của dự án này, nền tảng nào đạt KPI tốt hơn?

Những tín hiệu thương mại đáng chú ý

DEEPX đang tích cực mở rộng hệ sinh thái thông qua Hyundai Motor Group Robotics LAB, POSCO DX, LG U+, Baidu, AAEON, Avnet, Renesas, Raspberry Pi và nhiều hãng industrial PC. Công ty cho biết DX-M1 từng nhận hơn 300 yêu cầu đánh giá trước khi thương mại hóa; đến tháng 4/2026, CEO Kim Lokwon nói DEEPX đã nhận đơn đặt hàng từ hơn 30 khách hàng tại tám quốc gia sau khoảng bảy tháng sản xuất hàng loạt. Một báo cáo của MoneyToday cho biết Baidu đã đặt lô đầu 40.000 chip cho bài toán OCR. (Chương trình đánh giá 300+ khách hàng, MoneyToday)

Về vốn, DEEPX huy động 110 tỷ won trong vòng Series C năm 2024 để phục vụ sản xuất thế hệ đầu và phát triển chip on-device LLM. Đầu tháng 8/2026, Bloomberg đưa tin một phần vòng gọi vốn mới định giá công ty khoảng 3,14 nghìn tỷ won, cho thấy kỳ vọng thị trường tăng rất nhanh. Tuy nhiên, định giá tư nhân phản ánh kỳ vọng tăng trưởng, không thay thế doanh thu, biên lợi nhuận và mức độ triển khai thực tế. (Series C, Bloomberg/Yahoo Finance)

DEEPX phù hợp với doanh nghiệp nào?

DEEPX đáng được đưa vào shortlist nếu doanh nghiệp có một trong các điều kiện sau:

• Cần chạy computer vision liên tục ở mức điện năng thấp.
• Thiết bị hoạt động offline hoặc kết nối không ổn định.
• Dữ liệu video/sản xuất không được đưa lên cloud.
• Muốn nâng cấp IPC, NVR hoặc edge server hiện có qua M.2/PCIe.
• Có kế hoạch triển khai số lượng lớn nên điện, tản nhiệt và BOM ảnh hưởng mạnh đến TCO.
• Đội kỹ thuật có thể chuyển model sang ONNX và làm việc với SDK phần cứng.

Ngược lại, GPU hoặc cloud vẫn hợp lý hơn nếu workload thay đổi liên tục, cần huấn luyện tại chỗ, phụ thuộc CUDA, dùng nhiều operator chưa phổ biến, hoặc quy mô triển khai nhỏ đến mức chi phí tối ưu phần cứng không bù được công sức tích hợp.

Cơ hội cho doanh nghiệp Việt Nam trong chuỗi Physical AI Hàn–Việt

Điểm đáng chú ý với Việt Nam không chỉ là nhập một module NPU. Cơ hội lớn hơn nằm ở lớp giải pháp bao quanh chip.

Các nhà máy điện tử, ô tô, pin, cơ khí chính xác và logistics tại Việt Nam có nhiều bài toán phù hợp: kiểm tra ngoại quan, phát hiện người đi vào vùng nguy hiểm, đếm sản phẩm, OCR nhãn/serial, giám sát PPE, phân loại hàng hóa và điều hướng AMR. Những bài toán này thường cần xử lý tại chỗ, phản hồi nhanh và hoạt động 24/7 — đúng vùng DEEPX muốn chiếm lĩnh.

Doanh nghiệp phần mềm Việt Nam có thể tham gia ở bốn lớp: thu thập và gán nhãn dữ liệu; phát triển/tối ưu model; tích hợp camera, PLC, MES/WMS; và vận hành hệ thống tại nhà máy. Đây là cấu trúc hợp tác có giá trị hơn mô hình chỉ bán nhân lực, vì đối tác Việt Nam sở hữu hiểu biết quy trình và chịu trách nhiệm KPI đầu cuối.

Một PoC hợp lý nên kéo dài theo các cổng quyết định rõ ràng:

• Bước 1. Chọn đúng một bài toán và đặt KPI về độ chính xác, độ trễ, FPS, công suất, nhiệt độ và tỷ lệ cảnh báo sai.
• Bước 2. Chạy model gốc trên GPU/CPU để có baseline.
• Bước 3. Chuyển model sang ONNX, biên dịch bằng DX-COM và đo trên DX-M1/DX-AIPlayer.
• Bước 4. Đo toàn bộ pipeline, gồm camera, decode, preprocessing, inference, post-processing và kết nối hệ thống.
• Bước 5. So sánh TCO ba năm với Jetson, GPU rời hoặc cloud, bao gồm điện, tản nhiệt, license, kỹ thuật tích hợp và bảo trì.
• Bước 6. Chỉ chọn chip/module sản xuất hàng loạt sau khi xác nhận supply, nhiệt độ, chứng nhận và roadmap SDK.

Kết luận: DEEPX có vị trí đáng chú ý, nhưng hiệu quả phải được xác nhận trên bài toán thực tế

DEEPX đang theo đuổi một luận điểm hợp lý: phần lớn thiết bị trong thế giới vật lý không cần GPU khổng lồ; chúng cần đủ AI, chạy liên tục, ít nóng, ít tốn điện và có thể sản xuất với chi phí chấp nhận được.

DX-M1 cho thấy công ty đã có sản phẩm thương mại đáng chú ý ở vision edge AI. DX-M1M mở đường vào thiết bị nhúng; DX-H1 giải bài toán nhiều luồng video; DX-AIPlayer giảm rào cản PoC; DXNN cho thấy DEEPX hiểu rằng phần mềm quan trọng không kém silicon. DX-M2, nếu đạt mục tiêu, có thể đưa công ty từ “chip nhìn” sang “chip hiểu và đối thoại” cho robot.

Nhưng giữa một demo tốt và nền tảng được triển khai rộng rãi còn có khoảng cách lớn. DEEPX cần chứng minh ba điều trong vài năm tới: sản xuất ổn định ở quy mô lớn, hệ sinh thái phần mềm đủ dễ dùng và khách hàng chuyển từ thử nghiệm sang đơn hàng lặp lại.

Với doanh nghiệp, quyết định không nên chỉ dựa trên tuyên bố marketing hoặc một benchmark tổng quát. Cần thử nghiệm bằng mô hình, dữ liệu và điều kiện nhiệt thực tế của nhà máy. Nếu DX-M1 giữ được độ chính xác, độ trễ và điện năng như công bố trên workload đó, DEEPX có thể trở thành một trong những lựa chọn edge AI đáng chú ý nhất đến từ Hàn Quốc.

Thông tin nhanh trước khi ra quyết định

• DEEPX là gì? Công ty fabless Hàn Quốc chuyên NPU cho suy luận AI tại thiết bị.
• Sản phẩm chủ lực hiện tại: DX-M1, 25 TOPS INT8, công suất NPU 1–5 W theo hãng.
• Khác GPU ở đâu? NPU ít linh hoạt hơn nhưng có thể hiệu quả điện năng cao khi workload đã được tối ưu.
• DX-M2 đã bán chưa? Chưa. Đây là roadmap GenAI 2 nm, hướng tới sản xuất hàng loạt năm 2027.
• Điểm cần kiểm chứng: benchmark độc lập, operator của model tùy biến, công suất toàn hệ thống, độ ổn định SDK và nguồn cung production.

Nguồn và phương pháp

Bài viết đối chiếu thông tin từ DEEPX, DEEPX Developer Portal, Reuters, Rambus, tài liệu sản phẩm và thông tin gọi vốn được dẫn ngay tại từng đoạn. Thông số sản phẩm và benchmark chưa có xác nhận độc lập được ghi rõ là số liệu do hãng công bố.