Разработчик из Шэньчжэня MetaChip представил детали о прогрессе своего сопроцессора для инференса Edge AI, MEGA188. Согласно информации, представленной на мероприятии 18 ноября в Пекине, чип прошел этапы запуска кремния и тестирования моделей. В настоящее время ведутся работы по образцам и инженерной валидации, а массовое производство запланировано на первый квартал 2027 года, а не ранее.
Компания описала достигнутые этапы в интервью, опубликованном китайским технологическим изданием Zhidx, а IT Home осветила эту разработку 20 ноября. Стоит отметить, что это не было первым включением чипа в работу: MetaChip сообщает, что кремний был получен 14 октября, и в этот день он запустился. Подключение через PCIe было установлено 19 октября, а проверка чтения/записи стекированной памяти последовала в конце октября.
Дизайн чипа выполнен в 28-нанометровом технологическом процессе и вертикально интегрирует DRAM с логикой посредством гибридного соединения и сквозных кремниевых vias. MetaChip заявляет о пиковой пропускной способности памяти в 600 ГБ в секунду, конфигурациях памяти 2 ГБ, 4 ГБ и 8 ГБ, а среднее энергопотребление чипа составляет около 5–10 ватт. Эти показатели являются спецификациями поставщика, а не результатами независимого измерения системной эффективности.
MEGA188 предназначен для дополнения основного процессора хоста через такие интерфейсы, как PCIe и M.2, а не для замены центрального процессора компьютера. Основная идея заключается в том, что приближение памяти к вычислительным блокам может уменьшить узкое место, связанное с перемещением данных при локальном инференсе языковых моделей.
В ходе собственных испытаний компания добилась производительности примерно 293 токенов в секунду в высокопроизводительном режиме при использовании MiniCPM5-2B и почти 80 токенов в секунду при работе с Qwen3-8B. В низкопотребляющем режиме показатели составили около 92 и 26 токенов в секунду соответственно. При этом нельзя объединять эти режимы в единое обещание максимальной пропускной способности при минимальном потреблении энергии.
Важным аспектом является различие между работой одной карты и нескольких. MetaChip сообщила, что для Qwen3-30B-A3B на одной карте достигается около 19 токенов в секунду, тогда как при параллельной работе нескольких карт показатель возрастает примерно до 80 токенов в секунду. Данный показатель для нескольких карт не является результатом работы одного чипа, и предоставленные измерения не устанавливают производительность для произвольных запросов, настроек моделей или приложений.
Разработчик также изучает возможность развертывания архитектуры mixture-of-experts с поддержкой SSD: полные веса экспертов хранятся на накопителе, в то время как стекированная DRAM кэширует активных экспертов. Более крупные конфигурации класса 120 миллиардов параметров, использующие несколько карт и распределенное хранилище SSD, все еще находятся на стадии проверки.
Краткосрочным препятствием остается превращение инженерных образцов в воспроизводимые и поддерживаемые продукты. Совместимость интерфейсов, тестирование надежности, программное обеспечение времени выполнения и интеграция с клиентами остаются частью этой работы; объявленный период производства является целевым показателем компании, а не подтвержденным объемом поставок.



