Suxian Micro stawia na AI „od renderingu”: TUCA i TH1100 mają otworzyć drogę do systemów fizycznych

Suxian Micro próbuje rozszerzyć działalność od procesorów grafiki i wyświetlania dla IoT oraz motoryzacji do sprzętu dla AI ucieleśnionej — systemów, które postrzegają świat i działają w nim fizycznie, jak roboty, inteligentne pojazdy czy urządzenia przemysłowe. Podczas premiery w Tianjin firma przedstawiła dwa elementy tej strategii: zunifikowaną architekturę obliczeń heterogenicznych TUCA oraz Tianheng TH1100, układ GPGPU SoC, który określa jako swój pierwszy procesor do brzegowej inferencji AI. Na razie jest to przede wszystkim zapowiedź platformy i roadmapy: niezależnych danych benchmarkowych nadal jest niewiele. 4

Od układów wyświetlania do obliczeń AI

Punktem wyjścia są wcześniejsze układy firmy. Suxian Micro informowało, że w 2023 r. GC9002 i GC9005 przeszły weryfikację funkcjonalną — pierwszy dla energooszczędnych, a drugi dla bardziej wymagających zastosowań wyświetlaczowych w IoT. Według materiałów firmy GC9005 łączy dwa 32-bitowe rdzenie RISC-V, rdzeń graficzny, NPU oraz obsługę obrazu do 3840 × 2160 pikseli. 7

W komunikacie partnera GC9005 opisano jako procesor MPU zintegrowany z pamięcią, akceleracją grafiki 2.5D, funkcjami multimedialnymi oraz akceleratorem głębokiego uczenia do zadań brzegowych, takich jak lokalne rozpoznawanie mowy i wykrywanie twarzy. 16

To wyjaśnia obecne podejście spółki: zamiast budować AI jako całkowicie odrębny biznes, chce rozwijać ją na fundamencie grafiki, interakcji wizualnej i integracji systemów brzegowych.

Co oznacza strategia „najpierw rendering, potem AI”

Suxian Micro nazywa swoją koncepcję „render-first-then-AI”, czyli w wolnym tłumaczeniu: najpierw rendering, potem AI. Firma argumentuje, że produkty fizycznej AI potrzebują nie tylko inferencji modeli, ale też obliczeń wizualnych w czasie rzeczywistym oraz szybko reagujących systemów heterogenicznych. W jej ujęciu grafika dostarcza programowalnej, równoległej warstwy obliczeniowej i narzędzi dla programistów, na których można budować zadania AI. Spółka porównuje tę drogę z rozwojem Nvidii — od grafiki do obliczeń GPU ogólnego przeznaczenia i AI. 4

Nie oznacza to, że rendering sam rozwiązuje problem AI ucieleśnionej. Jest to raczej teza produktowa: w robotyce, motoryzacji i przemyśle liczy się cały stos — percepcja, wizualizacja, sterowanie, wdrażanie modeli i integracja z urządzeniem — a nie wyłącznie maksymalna liczba operacji na sekundę.

Trzy filary technologiczne promowane przez firmę

Suxian Micro wskazuje trzy powiązane technologie. Ich korzyści należy na obecnym etapie traktować jako deklaracje producenta, dopóki nie zostaną poparte szczegółową dokumentacją i powtarzalnymi testami.

Pełnostosowe IP GPU

Firma opisuje pionowo rozwijany stos obejmujący IP GPU, oprogramowanie systemowe i narzędzia. Jej strona udostępnia dla serii GC9000 informacje doborowe, SDK, pakiety wsparcia układów, karty katalogowe i narzędzia programistyczne, co pokazuje, że wsparcie programowe było częścią wcześniejszego podejścia produktowego. 3

W nowej platformie celem ma być skoordynowanie sprzętu, kompilatorów, środowiska uruchomieniowego, sterowników, wsparcia systemu operacyjnego, algorytmów i rozwiązań dla konkretnych zastosowań. Potencjalną korzyścią dla klientów byłoby ograniczenie pracy potrzebnej do integracji i przenoszenia oprogramowania dla grafiki, wizyjnych obciążeń roboczych i inferencji. 4

Zintegrowanie obliczeń i pamięci w układzie

Drugi element to „in-chip compute-storage fusion”, czyli bliższe połączenie obliczeń i pamięci wewnątrz układu. Ma ono ograniczać przemieszczanie danych między jednostkami obliczeniowymi a pamięcią zewnętrzną. W inferencji brzegowej ruch danych jest istotnym ograniczeniem, ponieważ wpływa na opóźnienia, pobór energii i projekt całego urządzenia. Suxian Micro twierdzi, że jej rozwiązanie zwiększa lokalność danych względem obliczeń. 4

AI ROM

AI ROM jest przedstawiany jako sposób na umieszczanie wybranych parametrów lub wag modelu w nieulotnej pamięci na chipie. Według firmy może to obniżyć koszt pamięci masowej i zużycie energii, a jednocześnie poprawić tempo generowania tokenów. 4

Taki wybór ma też oczywisty kompromis: wagi zapisane w stałej pamięci układu mogą pomagać w ściśle określonym wdrożeniu, ale są mniej elastyczne niż model przechowywany w wymiennej pamięci zewnętrznej. Firma nie ujawniła publicznie wystarczających informacji, by niezależnie ocenić pojemność, sposób aktualizacji, obsługiwane formaty modeli czy rzeczywistą korzyść wydajnościową.

TUCA: wspólna warstwa dla sprzętu i oprogramowania

TUCA, skrót od Thorsianway Unified Computing Architecture, ma być wspólną warstwą dla GPGPU, akceleratorów AI i sprzętu heterogenicznego. Według Suxian Micro obejmuje łańcuch od tworzenia aplikacji i kompilacji operatorów, przez planowanie zadań w środowisku uruchomieniowym, po wykonanie na sprzęcie. 4

Praktyczny cel jest prosty: dać programistom bardziej jednolitą drogę do wdrażania modeli i zadań obliczeniowych, bez konieczności samodzielnego składania osobnych niskopoziomowych narzędzi dla każdego akceleratora. Ma to znaczenie zwłaszcza w przemyśle, gdzie firmy mogą znać własny proces produkcyjny, ale niekoniecznie dysponują zespołami specjalistów od kompilatorów, runtime’ów, optymalizacji modeli czy integracji systemów heterogenicznych.

Suxian Micro opisuje także TUCA Playground jako środowisko skierowane do deweloperów. Ma ono służyć do wdrażania aplikacji i modeli, kompilacji, obserwacji wykonania oraz zarządzania zasobami. 4

TH1100: co ujawniono, a czego nadal nie wiadomo

Tianheng TH1100 jest pierwszym chipem z nowej linii i ma obsługiwać brzegową inferencję AI w zastosowaniach związanych z AI ucieleśnioną. Najważniejsza ujawniona liczba to 100 TOPS mocy obliczeniowej AI. Suxian Micro wiąże układ także z obsługą FP16, zintegrowaną architekturą obliczeń i pamięci oraz możliwością wdrożenia rzadkiego językowego modelu mixture-of-experts o oznaczeniu 35B-A3B. 4

Oznaczenie 35B-A3B zwykle wskazuje model mający około 35 mld parametrów łącznie, z czego około 3 mld jest aktywowanych na token. Może to redukować aktywne obciążenie obliczeniowe względem gęstego modelu o tej samej całkowitej liczbie parametrów. Nie przesądza jednak samo w sobie o przepustowości, opóźnieniach, wymaganiach pamięciowych ani poborze energii konkretnego urządzenia. 4

Braki w danych są równie istotne jak podana wartość szczytowa. Publiczne materiały z premiery nie przedstawiają kompletnej, wiarygodnej tabeli parametrów TH1100 — liczby rdzeni, przepustowości FP16, pojemności i przepustowości pamięci, limitów energetycznych, metody kwantyzacji, długości kontekstu, wielkości batcha ani zmierzonej liczby tokenów na sekundę. Dopóki Suxian Micro nie opublikuje szczegółowej karty katalogowej i powtarzalnych konfiguracji benchmarkowych, 100 TOPS nie należy traktować jako bezpośrednio porównywalnego wyniku z innymi akceleratorami w rzeczywistych zadaniach. 4

Roadmapa: TH1800 i TH24K0

Firma zapowiedziała TH1800 na koniec 2027 r. oraz TH24K0 na 2028 r. Oba produkty mają celować w wyższe klasy obliczeń dla AI ucieleśnionej i modeli językowych. Suxian Micro przedstawia je jako kolejne kroki w stronę konkurencji w segmencie wydajniejszych GPU i większych systemów fizycznej AI. 4

Są to jednak plany, a nie potwierdzona wydajność dostarczonego sprzętu. Przy ocenie roadmapy warto wyraźnie oddzielać przyszłe cele konkurencyjne od niezależnie zmierzonych parametrów produktów dostępnych na rynku.

Dlaczego Tianjin i dlaczego pełny stos ma znaczenie

Premiera połączona z uruchomieniem siedziby w Tianjin jest przedstawiana jako coś więcej niż zmiana adresu. Teza firmy jest taka, że komercjalizacja zależy od bliskości partnerów z sektorów produkcji, motoryzacji, robotyki, badań i wdrożeń w regionie Pekin–Tianjin–Hebei. 4

Jej oferta ma więc wykraczać poza sam procesor. Suxian Micro akcentuje sprzęt, algorytmy, narzędzia, projekty referencyjne oraz dostarczanie rozwiązań dostosowanych do konkretnych zastosowań — dla klientów, którzy chcą korzystać z AI, lecz nie mają rozbudowanego doświadczenia w budowie systemów AI. Firma przedstawia też technologię i łańcuch dostaw kontrolowane w kraju jako odpowiedź na niepewność dotyczącą dostępności importowanych chipów. 4

Najważniejszy wniosek

Najmocniejszym wyróżnikiem Suxian Micro nie jest dziś udokumentowana przewaga wydajnościowa. Jest nim próba połączenia doświadczenia w grafice brzegowej, oprogramowania heterogenicznego, architektury świadomej ograniczeń pamięci oraz usług wdrożeniowych w jedną platformę dla fizycznej AI.

Deklarowane 100 TOPS TH1100 i premiera TUCA konkretyzują tę strategię, a roadmapa Tianheng pokazuje kierunek rozwoju. Kluczowe pytania — o realną szybkość inferencji, konfigurację pamięci, efektywność energetyczną, zgodność z modelami, dojrzałość narzędzi dla programistów i dostępność produkcyjną — wymagają jednak dokumentacji produktowej oraz niezależnych testów. 4