DEEPX DX-M2 採用三星 2 奈米定案:僅 5 瓦功耗跑生成式 AI,邊緣晶片戰開打

韓國 AI 晶片新創 DEEPX 宣布投入逾 1 億美元,採用三星 2 奈米製程完成 DEEPX DX-M2 設計定案,目標以 5 瓦功耗在機器人與工業設備本地端執行生成式 AI。本文解析 DX-M2 的技術亮點、量產時程與風險。

Share
韓國邊緣 AI 晶片廠 DEEPX 採用三星 2 奈米製程完成 DX-M2 設計定案主視覺
DEEPX 投入逾 1 億美元採用三星 2 奈米製程完成 DX-M2 設計定案,鎖定 5 瓦功耗執行邊緣生成式 AI。 圖片來源:官方原文。

很多人以為要讓機器人看懂環境並聽懂人話,背後一定要連著高耗電的雲端資料中心。

但韓國晶片新創 DEEPX 剛完成的 DEEPX DX-M2 設計定案,卻試圖把這套運算塞進一顆只吃 5 瓦電力的邊緣晶片裡。

2026 年 11 月中旬,這家專注於邊緣人工智慧的新創宣布,已經採用三星電子第二代 2 奈米製程完成 DX-M2 處理器定案,並為此投入超過 1 億美元研發與工程預算。

這顆晶片的目標很明確,就是讓機器人、無人機與工業設備不用連上雲端,也能在本地端直接跑得動大型語言模型與視覺語言模型。

不過,從晶片設計定案到真正放進產線機器裡大量出貨,中間還有好幾道良率與軟體生態的關卡要過。

下面我會先拆解 DX-M2 為什麼選擇三星最先進的 2 奈米製程,再帶你看懂 5 瓦功耗在機器人應用上的真實意義與量產時間表。

DEEPX DX-M2 是什麼晶片?為什麼要投入超過 1 億美元?

DEEPX DX-M2 是一顆專為邊緣裝置打造的神經網路處理器,專門用來在終端設備上直接執行人工智慧推論任務。

所謂神經網路處理器,你可以把它想成專門幫機器算 AI 數學題的特製計算機,比起傳統通用處理器更省電、反應也更快。

過去多數邊緣 AI 晶片只能處理簡單的影像辨識,例如工廠攝影機判斷零件有沒有瑕疵,或者門禁系統辨認人臉。

但 DX-M2 的野心更大,它要把大型語言模型與視覺語言模型直接搬到設備端,讓機器不只要「看到」,還要能「理解並推理」。

為了把這麼龐大的運算力塞進極小的功耗預算裡,這家韓國新創選擇為 DX-M2 專案投入超過 1 億美元的資金。

這筆超過 1 億美元的預算,並不是單純付給晶圓廠的代工費,還涵蓋了前期的設計驗證、效能測試以及後續的量產工程導入。

在 2026 年 11 月完成的階段稱為設計定案,英文常講 tape-out,意思是晶片設計團隊已經把最終版的電路藍圖正式交給晶圓廠準備開模試產。

對一家無晶圓廠設計公司來說,完成設計定案代表最燒錢的前期研發架構已經拍板,接下來要進入實體晶片的驗證與除錯階段。

這也說明為什麼新創公司願意背負這麼高的初期成本,因為只要搶先卡位下一個世代的邊緣運算標準,就有機會拿走未來數年的機器人與工控晶片訂單。

延伸閱讀:REGULUS 邊緣 AI 晶片進入量產:10 TOPS、低於3W與USB加速器怎麼看?

韓國邊緣 AI 晶片廠 DEEPX 採用三星 2 奈米製程完成 DX-M2 設計定案主視覺
DEEPX 投入逾 1 億美元採用三星 2 奈米製程完成 DX-M2 設計定案,鎖定 5 瓦功耗執行邊緣生成式 AI。 圖片來源:官方原文。

為什麼選擇三星第二代 2 奈米 GAA 製程?

這次 DX-M2 選擇採用三星電子晶圓代工部門的第二代 2 奈米環繞式閘極製程,業界代號稱為 SF2P。

所謂環繞式閘極,是一種把控制電流開關的閘門從四面八方包住電流通道的立體電晶體結構,能大幅減少微小晶片裡的漏電問題。

為什麼邊緣晶片這麼在意漏電與製程世代?因為當晶片要裝進電池供電的機器人或無人機時,每省下一毫瓦的電,都能換來更長的工作時間。

如果只用較舊的成熟製程硬跑大型模型,晶片很快就會發熱降頻,設備還得背上一顆厚重的散熱風扇與大電池,這在輕量化機器人上根本行不通。

對三星電子而言,這筆訂單也具有指標意義,代表除了手機處理器與雲端運算晶片之外,三星的 2 奈米先進製程也開始切入邊緣生成式 AI 市場。

不過,先進製程雖然能帶來極佳的能源效率,卻也伴隨著極高的光罩與試產成本,以及初期良率爬坡的不確定性。

這也是為什麼這項專案需要超過 1 億美元的承諾投資,因為一旦走上 2 奈米這條路,每一個測試與修正循環的門檻都遠高於過去的邊緣晶片。

以下我把 DX-M2 的核心規格、投資規模與製程資訊整理成對照表,讓你快速掌握這項宣布的關鍵數字。

關鍵項目 公開揭露數據或規格 對終端產品與產業的實質意義
晶片型號與定位 DX-M2 邊緣 AI 推論處理器 專攻本地端執行生成式 AI、大型語言與視覺語言模型
晶圓代工製程 三星第二代 2 奈米環繞式閘極 透過先進電晶體結構壓低漏電並提升算力密度
專案投入預算 超過 1 億美元 涵蓋晶片設計驗證、效能測試與量產工程成本
目標運作功耗 約 5 瓦(5W) 無需大型散熱系統即可塞入機器人與工業機台
獎項肯定 CES 2027 人工智慧類別創新獎 顯示其低功耗效能比已獲得消費與科技展會初步認可

從這張表可以看到,這顆晶片並不是去跟雲端伺服器的高瓦數繪圖晶片拼總算力,而是要把高階智慧塞進極度受限的電力空間裡。

5 瓦功耗跑生成式 AI,對機器人與工業設備代表什麼?

這則新聞最吸引產業界目光的數字,就是工程團隊把 DX-M2 的運作功耗壓在大約 5 瓦左右。

5 瓦是什麼概念?大概跟一顆常見的手機慢充充電頭,或是一顆小型省電 LED 燈泡的耗電量差不多。

在這個功耗水準下,晶片幾乎不需要複雜的水冷或大風扇散熱,這讓它能直接整合進人形機器人、智慧移動載具、無人機、工業機械與 AI 個人電腦裡。

擺脫雲端延遲,機器人才能有真正的反射神經

更重要的是「不依賴雲端」這件事,對真實工廠與戶外機器人來說,網路延遲與斷線風險往往是致命傷。

如果一台工廠裡的協作機器人每次辨識零件都要把畫面傳回雲端伺服器再等結果傳回來,只要廠區網路卡頓半秒,手臂就可能抓錯位置或撞壞產線。

當視覺語言模型能直接在設備端以 5 瓦功耗完成推理,機器人就能像有反射神經一樣即時反應,同時還能把機密產線影像留在廠內,避免資料外洩風險。

此外,憑藉這套高能源效率比的架構,DX-M2 也在公布期間獲選為 CES 2027 人工智慧類別的創新獎得主。

應用場景從工廠延伸到無人機與 AI 電腦

除了產線機器人之外,低功耗本地端推論也正好打中智慧移動載具與無人機的痛點。

無人機在戶外巡檢或農業作業時,往往處於行動網路訊號微弱的區域,根本無法穩定把高畫質影像傳回雲端分析。

如果機身上能直接搭載 5 瓦級的邊緣推論晶片,無人機就能在飛行途中即時辨識電塔裂縫或障礙物,省下大量無線傳輸電力並提升飛行安全性。

但實務上我們也要保持冷靜,5 瓦功耗下到底能跑多大規模的模型、每秒能吐出幾個字元或處理幾張高畫質影像,還得等 2027 年實機樣品出來才會見真章。

從設計定案到 2028 年全面量產,時間表怎麼走?

半導體產業最怕的就是把「設計定案」誤會成「明天就能買到」,兩者之間其實隔著將近兩年的工程驗證期。

根據公開揭露的時程規劃,完成設計定案之後,DEEPX 預計要到 2027 年 3 月才會拿到第一批試產出來的實體晶片。

拿到第一批晶片後,工程團隊還得進行漫長的電路除錯、韌體調校與高溫壓力測試,才能確認設計沒有致命缺陷。

接下來在 2027 年稍晚,公司才會開始向早期合作客戶提供評估樣品,讓機器人與工控設備商把晶片裝進原型機裡實測。

至於初步的小規模量產預計落在 2027 年底,真正大規模的商業化製造則要等到 2028 年才會全面展開。

為了讓讀者對這段等待期有清楚的時間感,我把官方與媒體揭露的關鍵里程碑整理在下方的時程表裡。

預計時間點 關鍵開發里程碑 這階段代表什麼實務進展
2026 年 11 月 完成三星 2 奈米設計定案 最終電路藍圖交付晶圓廠,啟動光罩與試產流程
2027 年 3 月 取得第一批實體晶片 進入硬體實測與底層軟體除錯階段
2027 年中後期 提供客戶評估樣品 機器人、工控與 AI 電腦廠商開始實際整合測試
2027 年底 啟動初步量產 小批量供貨給首批通過驗證的商業客戶
2028 年 全面商業化大規模生產 晶片正式大量鋪貨至終端設備市場

這張時間表說明了一件事,就算技術路線正確,DX-M2 在 2027 年之前都不會對公司營收帶來立即的爆發性貢獻。

延伸閱讀:韓國時尚集團連縫紉都要交給 AI 了!「Sewing AI」研發中心挑戰最難自動化的難題

邊緣 AI 晶片競爭:DEEPX 的機會與潛在風險

把視野放回整個邊緣運算市場,這家韓國新創敢在 2 奈米節點砸下重金,看準的是實體 AI 正在從概念走向商用。

當越來越多製造業與物流商想部署自主機器人時,市場對「低功耗又跑得動多模態模型」的晶片需求確實會快速放大。

然而,跟大型晶片巨頭相比,獨立新創公司要面對的挑戰並不只在硬體規格表上。

第一個風險是軟體工具鏈的成熟度,終端客戶買晶片時,看重的往往是開發環境好不好用、能不能一鍵把開源語言模型部署上去。

就算硬體算力再強、功耗再低,如果開發者要把模型轉換到這顆晶片上需要花費數個月除錯,設備商最後還是會回頭選生態系最成熟的競爭對手。

第二個風險則是代工良率與交期,2 奈米屬於最前沿的先進製程,如果 2027 年試產時遇到良率瓶頸或架構微調,原本訂好的客戶測試與量產時間表就可能往後順延。

第三個風險來自價格競爭與需求分層,並非所有工業設備都需要 2 奈米等級的昂貴晶片,許多單純的工廠感測任務用成熟製程晶片就夠了。

這代表 DX-M2 必須精準鎖定真正需要本地端跑生成式模型、且願意為低功耗省電特性支付溢價的高階應用場景,才能把超過 1 億美元的研發投資賺回來。

為什麼越來越多人想把生成式 AI 搬出雲端?

除了技術進步之外,企業算的其實是一筆長期的雲端運算帳單。

如果成千上萬台工業機器人與智慧終端每天 24 小時把影像和語音傳上雲端推論,頻寬費用與伺服器租賃成本會隨著設備數量等比例暴增。

把推論任務下放到設備本地端之後,設備商雖然一開始要負擔較高的晶片採購成本,但長期卻能大幅壓低雲端伺服器與網路流量的持續性支出。

這也是為什麼這顆晶片在還沒量產前,就先拿下 CES 2027 人工智慧類別創新獎的肯定,因為它切中了邊緣設備從「單純連網」走向「獨立思考」的成本轉折點。

常見問題

DEEPX DX-M2 主要用來做什麼?

它是一顆專為邊緣設備設計的 AI 推論處理器,讓機器人、無人機、工業機台與 AI 電腦不用連網就能在本地端執行大型語言模型與視覺語言模型。

這顆晶片為什麼特別強調 5 瓦功耗?

因為 5 瓦左右的低耗電讓設備不需要大型散熱風扇或厚重電池,非常適合空間與電力都受限的移動機器人與工業終端裝置。

這次採用三星哪一種先進製程?

DX-M2 採用三星電子晶圓代工部門的第二代 2 奈米環繞式閘極製程,藉此減少漏電並提升能源效率。

搭載這顆晶片的終端產品什麼時候才會上市?

目前僅完成設計定案,預計 2027 年 3 月取得首顆實體晶片並於下半年提供客戶測試,2027 年底初步量產,2028 年才會進入全面商業化量產。

結語

回到開頭的問題,DX-M2 把高階生成式 AI 壓進 5 瓦功耗的嘗試,確實點出了未來機器人擺脫雲端依賴的關鍵技術方向。

如果你是機器人硬體架構師、工控系統整合商,或是關注邊緣運算趨勢的技術主管,建議在 2027 年下半年追蹤它的評估樣品實測數據,確認本地端模型的推論速度是否符合產線需求。

但如果你是關注半導體供應鏈的投資人,看到設計定案新聞時不要急著當成短期業績利多,因為距離 2028 年全面量產還有將近兩年時間,中間的製程良率與客戶導入進度才是真正決定成敗的指標。

接下來,你可以持續留意 2027 年 3 月首顆晶片回片後的實測消息,並透過上方延伸閱讀比較不同低功耗邊緣晶片在實際應用上的取捨。

資料來源