CIX AGX X2 lover store AI-modeller tæt på brugeren – men hvor er målingerne?

CIX Technology præsenterede AGX X2, også kaldet AGXcelerator, på sin kundekonference i Shenzhen den 18. september 2026. Platformen er tænkt til AI-inferens tæt på brugeren – altså kørsel af modeller lokalt frem for udelukkende i cloud – og til applikationer med AI-agenter. CIX annoncerede samtidig enheder og brancheløsninger udviklet med partnere. Specifikationerne er virksomhedens påstande, ikke uafhængigt dokumenterede resultater.4

Store tal er ikke det samme som hurtige svar

CIX oplyser 80–300 TOPS i maksimal regnekraft, 64–160 GB delt LPDDR5-hukommelse og understøttelse af lokal inferens med modeller fra 7 til 122 mia. parametre. Virksomheden hævder også et mere end 50 % lavere energiforbrug pr. token end i en ikke nærmere angivet sammenligning. Et token er her en enhed af den tekst, modellen behandler eller genererer.4

Regnekraften og hukommelsen peger på konfigurationer, der skal kunne rumme større modeller og AI-agenter lokalt. Men intervallerne beskriver ikke nødvendigvis én bestemt maskine. Det fremgår ikke, hvilken hardwarekonfiguration, modelopsætning eller driftsbetingelse der ligger bag hvert tal. TOPS angiver en teoretisk topydelse; tallet fortæller ikke i sig selv, hvor hurtigt en konkret model svarer.4

En platform, der skal binde flere typer hardware sammen

CIX beskriver AGX X2 som en åben platform, der kan arbejde med AI-acceleratorkort, GPU’er og VPU’er og udvide regnekraften med tilsluttede acceleratorer. Selskabets Agentic OS skal koordinere ressourcer på klient- og serversiden. En model-som-tjeneste-tilgang skal samle produktion og måling af tokens. Annonceringen giver dog ikke detaljer nok til at efterprøve, hvordan fordeling af opgaver, skift mellem enhed og cloud eller målingen fungerer i praksis.4

Den bredere idé kom før AGX X2: I juli 2026 fremlagde CIX sin AGX Agentic Compute-strategi for enheder, systemer tæt på brugeren og cloudressourcer.18 På konferencen i Shenzhen fremhævede selskabet partnerudviklede enheder og brancheløsninger. Det omtalte forbrugereksempel var et AI-knudepunkt til hjemmet, som skulle kombinere beregning, lagring og smart-home-funktioner.4

Canonical har særskilt annonceret arbejde med en optimeret Ubuntu-oplevelse til CIX’ P1-chip. Det siger noget om CIX’ softwareøkosystem, men dokumenterer hverken Ubuntu-understøttelse af AGX X2-konfigurationer eller AGX X2’s ydelse.9

Det bør en køber bede om at se

Det afgørende er reproducerbare test for hver tilbudt konfiguration: hvilken model og kvantisering der bruges, kontekstlængde, tid til første token, vedvarende antal tokens pr. sekund, hukommelsesforbrug og strømforbrug målt ved stikkontakten. Påstanden om lavere energiforbrug kræver desuden en sammenligning i joule pr. token under ens betingelser, hvor både sammenligningsgrundlag og målemetode er oplyst. Den tilgængelige rapportering indeholder ikke sådanne uafhængige test. AGX X2’s hastighed og energieffektivitet i praktisk brug er derfor fortsat åbne spørgsmål.4