Лёгкий чип для устройств
Forge
Полноценная языковая модель в карманном устройстве с потреблением около одного ватта.

Лёгкий чип для устройств
Вычисления в памяти на MaskROM: веса физически записываются в массив переходных отверстий на этапе масок при тейпауте. Во время работы внешнего переноса весов нет.
Характеристики
- Основная модель
- Qwen 3.5 0.8B
- Скорость декодирования
- 17 000 токен/с (проектная цель)
- Потребление системы
- Класс 1 Вт
- Маршрут
- Вычисления в памяти на MaskROM
- Обновление модели
- Фиксируется при тейпауте
- Техпроцесс
- SMIC 28 нм
- Корпус / интерфейсы
- По проекту
- Комплект разработчика
- Оценочная плата, SDK и средства отображения модели
Показатели на этой странице отражают текущие определения продуктов и проектные цели. Окончательные характеристики, условия испытаний, доступность и версии поставки фиксируются в проектных документах, согласованных обеими сторонами.

Типичные применения
- Карманные переводчики
- Диктофоны с голосовыми заметками
- Офлайн-ассистенты в автомобиле
Инференс выполняется локально, данные обрабатываются на устройстве; всё работает полностью автономно.
Qwen3.5 → 3.6 → 3.8
Новые модели Qwen без новой архитектуры.
Qwen3.6 и Qwen3.8 сохраняют гибридную компоновку Qwen3.5, которую ядра инференса Fanshi уже поддерживают. Более новая модель того же семейства означает новую сборку чипа, а не перепроектирование.
От письма до чипа
01
Выбор маршрута
Целевая модель, цели по производительности и потреблению, периодичность обновлений, интерфейсы. Первый вопрос всегда один: как часто меняется модель?
02
Оценка
Запускаем модель на оценочной плате, измеряем точность и пропускную способность и получаем работающий инженерный образец до того, как принято решение о кремнии.
03
Внедрение в проект
Интерфейсы, системное ПО и проверка в реальных условиях на основе результатов оценки: образец становится прототипом продукта.
04
Поставка ASIC
Когда модель зафиксирована: серийный чип или IP, интегрированные в ваш собственный кристалл.
Что ещё почитать
Как выбрать чип для инференса LLM на устройстве: 7 вопросовВыбор чипа для инференса LLM на устройстве определяют соответствие модели, бюджет мощности и способ обновления, а не пиковые TOPS. Семь вопросов и контрольный список.
Вычисления в памяти на MaskROM: что значит записать веса в кремнийВычисления в памяти на MaskROM записывают веса модели в массив переходных отверстий на этапе масок, и при работе ничего не перемещается. Как это устроено, почему это дешевле всего и каковы ограничения.
Стоимость инференса LLM: API, облачный GPU или чип на устройстве за 3 годаСчитаем стоимость инференса LLM за три года: API с оплатой за токен, облачный GPU с оплатой за час или чип, купленный один раз. Методика, пример расчёта и окупаемость.
Задать вопрос о Forge
Пришлите целевую модель, цели по производительности и потреблению, интерфейсы и сроки. Мы ответим с оценкой применимости и планом оценки.


