本文へスキップ

すべてのデバイスに、専用のLLMを。

Fanshiは大規模言語モデルをコンピュート・イン・メモリのシリコンに直接焼き込みます。3つの技術ルート、1つの推論コアファミリー、モデルからテープアウトまでの一貫したライン。ネットワーク不要で、データはデバイスの外に出ず、推論1回あたりの限界コストはほぼゼロです。

評価キットを申し込む

1ワット級の携帯端末から、
35Bモデルを動かすノードまで。

同じ推論コアと3つの技術ルートで、どんなモデルもチップに焼き込めます。合うものを選ぶか、お客様のモデルに合わせて1つ作るか。

Fanshi第1世代のエッジ推論チップ Forge、Argus、Trident を明るいグレーの面に並べた写真
図1 · 第1世代ASIC。左から Forge、Argus、Trident

モデルをまるごと、
1つのチップに焼き込む。

GPUやNPUは、時間と電力の大半を、メモリと演算器のあいだで重みを運ぶことに費やしています。Fanshiはその逆を行きます。重みをメモリアレイに住まわせ、その場で演算します。

シリコンの内側 / ARCHITECTURE STUDY01 / 03

重みが移動し、エネルギーも移動する。

3Dプレビュー

トークンあたりの外部重み転送量

800MB

転送が発生する箇所

チップ外の読み出し · チップ間転送

0.8B · INT8 での概算。システム消費電力ではありません
図2 · 重みの置き場所が、電力の行き先を決める模式図 · 実際のレイアウトではありません
  1. メモリ分離

    トークンごとに全重みを運ぶ

    従来のNPUやGPUでは、メモリと演算器は別々のシリコンです。トークンを1つ生成するたびに、すべての重みがバスを通ります。帯域が上限を決め、エネルギーの大半は移動に消えます。

  2. コンピュート・イン・メモリ

    重みをメモリアレイに置く

    Fanshiは積和演算回路をメモリアレイそのものに組み込みます。重みはアレイにとどまり、活性化が流れ込み、結果が流れ出ます。バスの上に重みはもうありません。

  3. MaskROM

    テープアウトで焼き込み、実行時には動かさない

    マスクROM方式のコンピュート・イン・メモリは、テープアウト時に重みをビアアレイへ物理的に書き込みます。チップは出荷時点でモデルを内蔵しており、消費電力と推論1回あたりの限界コストは最小になります。

目標は1つ、
ルートは3つ。

どのルートも、重みの移動を減らすか、なくします。違いは、重みをどこに置くか、モデルをあとから変えられるかです。量産チップはそれぞれ1つのルートを採用しています。カスタムの場合は、モデルの更新頻度に応じてルートを選びます。

17,000token/s

デバイス上のデコード速度

Forge 設計目標 · Qwen 3.5 0.8B

約1 W

システム消費電力

Forge、軽量エッジクラス

100%

データはデバイス内に

ローカル推論、ネットワーク不要

≈ $0

推論1回あたりの限界コスト

チップを一度購入したあと

第1世代ASIC。
モデルは出荷時から中にあります。

負荷に合わせて選べます。1ワット級の携帯端末、350億パラメータのモデルを動かすノード、すべてのフレームに追従する視覚チップ。どれも合わなければ、お客様のモデルに合わせて作ります。

Forge 軽量エッジLLM推論チップ。パッケージ上面にFanshiのマークがレーザー刻印されている
図3 · Forge、軽量エッジチップ

Forge

エッジLLM

1ワット級の携帯端末に、言語モデルをまるごと。

17,000token/s
中核モデル
Qwen 3.5 0.8B
デコード速度
17,000 token/s
システム消費電力
1ワット級
技術ルート
MaskROM コンピュート・イン・メモリ

代表的な用途

  • 携帯型翻訳機
  • 音声メモ機器
  • 車載オフライン音声アシスタント
Forge データシート

このページの数値は、現時点の製品定義と設計目標です。最終仕様、試験条件、供給状況、納入バージョンは、双方が合意したプロジェクト資料で確定します。

モデルがまだ進化中なら、
テープアウトを待つ必要はありません。

Fanshiの推論コアを、お客様のASICやFPGAにライセンスします。1つのコアファミリーで4つのアーキテクチャに対応。まずは評価ボードで動かせます。

FS-Fusion マルチモーダル融合推論IPのイメージ図
図7 · FS-Fusion

マルチモーダル融合推論IP

FS-Fusion

視覚と言語の統合理解(VLM)とマルチセンサー融合を、エッジのその場で演算します。

SmolVLM + SegFormer MiT の融合パイプラインにネイティブ対応

FS-Fusion の詳細
FS-Attention ハイブリッド・アテンション推論IPのイメージ図
図8 · FS-Attention

ハイブリッド・アテンション推論IP

FS-Attention

ハイブリッド・アテンションを用いる言語モデルにネイティブ対応。Qwen3.5ファミリーのゲート付きフルアテンション層を含みます。

Qwen3 / 3.5(0.6B から 9B)と SmolLM2

FS-Attention の詳細
FS-MoE スパースMoE推論IPのイメージ図
図9 · FS-MoE

スパースMoE推論IP

FS-MoE

動的に活性化するスパースモデル向け。エッジの帯域予算の中で、大きなパラメータ数を扱います。

エッジの予算で大規模スパースモデルを実行

FS-MoE の詳細
FS-Linear 線形アテンション・新アーキテクチャ向けIPのイメージ図
図10 · FS-Linear

線形アテンション・新アーキテクチャ向けIP

FS-Linear

DeltaNetに代表される線形アテンションとRNN系アーキテクチャに対応。Qwen3.5以降で使われる Gated DeltaNet 層を含みます。

コンテキストがどれだけ長くても状態サイズは固定。超低遅延のストリーミング処理

FS-Linear の詳細

まずFPGAで動かす。
テープアウトはそのあとで決める。

評価ボードとカスタマイズ可能なIPライセンスで、モデルマッピング、インターフェース、システム全体の経路を検証します。シリコンより先にエンジニアリングサンプルが手に入るため、設計への組み込みとテープアウトを実測にもとづいて判断できます。

IPライセンスについて問い合わせる
実験台の上のFPGA評価ボード。ノートPCに接続され、ターミナルに推論出力が流れている
図11 · 推論コアを実行するFPGA評価ボード

どんなモデルも、
このラインを通せます。

第1世代のチップはこうして作られました。お客様のモデルも同じ道をたどれます。まず評価ボードで動かし、そのうえで既存チップを使うか、専用チップを作るかを決めます。

  1. 01

    ルートを選ぶ

    対象モデル、性能と消費電力の目標、更新頻度、インターフェース。最初の問いはいつも同じです。そのモデルはどのくらいの頻度で変わりますか。

  2. 02

    評価する

    評価ボード上でモデルを動かし、精度とスループットを測定します。シリコンを確定する前に、動作するエンジニアリングサンプルが手に入ります。

  3. 03

    設計に組み込む

    評価結果をもとに、インターフェース、システムソフトウェア、現場検証を進め、サンプルを製品プロトタイプにします。

  4. 04

    ASICを納入する

    モデルが確定したら、量産チップを使うか、IPをお客様のシリコンに統合します。

同じトークン量でも、
3年間で 913× の差。

ハードウェアは一度きりの購入です。トークンの請求は止まりません。いま使っているモデルを選び、1日あたりの処理量を動かしてみてください。

100K500M
$70$420

自社運用のクラウドGPUは100万トークンあたり $0.70 で試算(2026年のH100レンタル料金の中央値)。チップを一度購入したあとの推論1回あたりの限界コストは ≈ 0 です。

3年間の推論コスト

最初の1か月以内に回収

GPT-5.5 · API$192K
自社運用のクラウドGPU$7,665
Fanshiチップ$210
API 累計自社GPU 累計Fanshi 累計
0107K215K0か月12か月24か月36か月

単価は2026年の公開API価格をもとにした概算(入力:出力 ≈ 1:1)。参考値であり、実際のコストは利用量とお見積もりによります。