Puce phare pour fortes charges
Trident
Faire tourner un modèle 35B en local à 15 000 token/s, avec un budget système de 70 W.

Puce phare pour fortes charges
Calcul proche mémoire : Les poids résident dans une mémoire à large bande passante juste à côté du calcul, avec un flux orchestré sur la puce : le modèle peut continuer d'évoluer.
Spécifications
- Modèle de référence
- Jusqu'à Qwen 3.5 35B
- Vitesse de décodage
- 15 000 token/s (objectif de conception)
- Consommation du système
- Objectif de conception 70 W
- Voie
- Calcul proche mémoire
- Mise à jour du modèle
- Poids en mémoire externe, itération continue
- Procédé
- SMIC 28 nm
- Boîtier / interfaces
- Selon projet
- Kit de développement
- Carte d'évaluation, SDK et outils de mappage du modèle
Les chiffres de cette page correspondent aux définitions de produit et aux objectifs de conception actuels. Les spécifications finales, les conditions de test, la disponibilité et les versions livrées sont confirmées dans les documents de projet validés par les deux parties.

Applications types
- Robots incarnés
- Serveurs edge industriels
- Terminaux sécurisés et réseaux isolés
L'inférence s'exécute en local et les données sont traitées sur l'appareil ; tout fonctionne hors ligne.
Qwen3.5 → 3.6 → 3.8
De nouveaux modèles Qwen, sans nouvelle architecture.
Qwen3.6 et Qwen3.8 conservent la disposition hybride de Qwen3.5, que les cœurs d'inférence Fanshi mappent déjà. Un modèle plus récent de la même famille est une nouvelle puce, pas une reconception.
D'un e-mail à une puce
01
Choisir la voie
Modèle cible, objectifs de performance et de consommation, fréquence de mise à jour, interfaces. La première question est toujours la même : à quelle fréquence le modèle change-t-il ?
02
Évaluer
Faire tourner le modèle sur la carte d'évaluation, mesurer la précision et le débit, et obtenir un échantillon d'ingénierie fonctionnel avant tout engagement sur le silicium.
03
Intégrer
Interfaces, logiciel système et validation sur le terrain construits autour des résultats d'évaluation, pour transformer l'échantillon en prototype de produit.
04
Livrer l'ASIC
Une fois le modèle figé : une puce de série, ou l'IP intégrée à votre propre silicium.
Pour aller plus loin
Comment choisir une puce d'inférence LLM embarquée : 7 questionsChoisir une puce d'inférence LLM embarquée dépend de l'adéquation au modèle, du budget énergétique et du mode de mise à jour, pas des TOPS de crête. Sept questions et une liste de contrôle.
Le mur de la mémoire : pourquoi les LLM embarqués calent, et comment le contournerLe décodage d'un LLM est limité par la bande passante : chaque token lit tous les poids, et les appareils embarqués ne tiennent pas ce trafic. La hauteur du mur, et comment le franchir.
Coût d'inférence LLM : API, GPU cloud ou puce embarquée sur 3 ansComptez le coût d'inférence LLM sur trois ans : une API au token, un GPU cloud à l'heure, ou une puce embarquée achetée une fois. Méthode, exemple chiffré et retour sur investissement.
Se renseigner sur Trident
Envoyez le modèle cible, les objectifs de performance et de consommation, les interfaces et le calendrier. Nous répondons avec une analyse d'adéquation et un plan d'évaluation.


