XFEON reúne chips, datos y modelos para la IA física, pero aún faltan pruebas de rendimiento

XFEON, con sede en Chengdu, quiere conectar varias etapas de la IA física: ejecutar modelos en dispositivos, recoger datos de su interacción con el entorno, mejorar esos modelos y volver a utilizarlos para orientar acciones. Esa es la lógica de la gama presentada el 22 de septiembre de 2026. Por ahora, las fuentes describen una estrategia de productos, no una demostración del rendimiento del circuito completo. 645

Del chip al dispositivo

El Xinghe S1 está concebido para equipos con límites de consumo eléctrico, refrigeración y memoria. Según una descripción técnica, su diseño recurre a cálculo de precisión mixta respaldado por hardware, inferencia de baja precisión, optimización de la dispersión de datos y desarrollo conjunto del chip y los algoritmos. XBoost es la plataforma de aceleración asociada: aborda tareas como la optimización de operaciones, la cuantización —reducir la precisión numérica de los modelos—, la compilación y el despliegue. Las fuentes explican así cómo XFEON pretende facilitar la ejecución local de IA, pero no ofrecen cifras verificables de velocidad, potencia consumida o mejora de eficiencia del S1. 246

Las demás series apuntan a usos distintos. La R se dirige a robots que necesitan combinar datos de varios sensores, ejecutar inferencias en tiempo real y tomar decisiones sobre tareas. La K se plantea para procesar información a bordo de satélites, incluido el análisis local de datos de observación terrestre. La presentación de septiembre también incluye una serie E para aplicaciones de procesamiento local, sin especificaciones suficientes para distinguir su arquitectura o rendimiento. 245

Datos, estaciones y un «cerebro» para actuar

Las estaciones Xinghui Token constituyen otra opción de procesamiento dentro de la gama. Un informe separado menciona un proyecto de base de producción de sistemas de inferencia Xinghui, pero ni ese proyecto ni el resumen del anuncio permiten verificar configuraciones concretas de las supuestas series D y N o el tamaño máximo de los modelos que admitirían. 4548

En el apartado de aprendizaje, XFEON presenta XGAIA como componente del circuito de datos y AGLobe como «cerebro» de la IA incorporada en dispositivos capaces de interactuar con su entorno. La intención es conectar los datos obtenidos durante el funcionamiento real con modelos que orienten decisiones y acciones. Informaciones anteriores describían planes para reunir datos de dispositivos físicos, datos en primera persona y datos de simulación. Sin embargo, las fuentes disponibles no explican con suficiente detalle el método de aprendizaje de conceptos atribuido a AGLobe ni establecen la función técnica precisa de DexCore. 645

La lectura clave: XFEON ha trazado una arquitectura vertical, desde el chip y las herramientas de despliegue hasta los datos y las decisiones. Para juzgar su eficacia en la práctica aún harían falta pruebas comparables del S1, mediciones de consumo, límites de capacidad verificados y resultados del circuito completo en funcionamiento. 24546