01
Matériel de poche et vocal
Traducteurs, enregistreurs, écouteurs IA, jouets. Un modèle de langage complet dans un watt ou deux, hors ligne, sur une batterie qui tient la journée.
On commence en général par Forge et la voie MaskROM
Les équipes qui viennent nous voir se répartissent en six groupes. Trouvez celui qui vous ressemble le plus, et voyez par quelle voie et quelle puce on commence en général.

01
Traducteurs, enregistreurs, écouteurs IA, jouets. Un modèle de langage complet dans un watt ou deux, hors ligne, sur une batterie qui tient la journée.
On commence en général par Forge et la voie MaskROM
02
Voix dans l'habitacle, robots incarnés. Un modèle plus grand exécuté en local, avec une latence stable et sans dépendre d'une connexion.
On commence en général par Trident et le calcul proche mémoire
03
Segmentation de défauts sur la ligne, inspection par drone, fusion multi-capteurs. Suivre chaque image pendant que les données restent sur site.
On commence en général par Argus et le calcul en mémoire SRAM
04
Réseaux isolés dans l'administration, la santé, l'énergie et la finance. Les données ne doivent pas quitter l'appareil : c'est une exigence d'architecture.
Toutes les voies fonctionnent en local ; la taille du modèle choisit la voie
05
Vous avez une puce, ou en préparez une, et voulez y ajouter l'inférence LLM sans concevoir un accélérateur de zéro.
On commence en général par l'IP de cœurs d'inférence et une carte d'évaluation FPGA
06
Vous avez un modèle figé ou affiné, les volumes montent, et les factures d'API et de GPU n'ont plus de sens.
Une puce conçue autour de votre modèle
Qwen3.5 → 3.6 → 3.8
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.
01
Présentation et NDA
Un court échange sur le projet. Une fois un NDA mutuel signé, nous partageons les spécifications détaillées et les documents d'évaluation.
02
Atelier technique
Nous passons votre charge de travail en revue ensemble : modèle cible, longueurs de prompt typique et maximale, usage en requête unique, multi-tours ou agentique, concurrence, contraintes de consommation et de format.
03
Rapport de faisabilité
Spécifications proposées, jalons de développement et conditions commerciales indicatives, y compris le NRE et le prix unitaire.
04
Évaluer et construire
Évaluation pratique avec un kit d'évaluation, puis une puce existante ou une puce sur mesure pour votre modèle.
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.
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.
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.Décrivez votre modèle, votre appareil et vos volumes en deux minutes : nous vous répondons sur votre projet précisément.