韓国のAI半導体企業DEEPXが開発する第2世代エッジAIチップ「DX-M2」がテープアウトしたと、EE Timesが2026年11月9日に報じた。テープアウトとは、半導体の設計を完了し、製造工程へ引き渡す段階を指す。日本では既に評価用サンプルの予約受付が始まっているが、正式な注文や納入が保証されたわけではない。DEEPXは、メモリ側で演算の一部を処理するPIM（Processing-in-Memory）技術を組み合わせることで、AIの生成速度を最大6.7倍に高められると予測している。ただし、この数値は消費電力の増加を伴うシミュレーション結果であり、実機で確認された性能ではない。今後は、実際に供給されるサンプルの構成を明らかにし、エッジ機器の限られた電力枠でどこまで性能を引き出せるかが重要になる。

AD

日本では評価用サンプルの予約受付を開始、納入は未確定

日本市場では、DX-M2の初回エンジニアリングサンプルの予約受付が既に発表されている。国内販売を手がけるコシダテックの発表によると、予約受付は2026年10月2日に案内され、サンプルの提供は2027年上半期を予定している。ただし、予約は正式注文や納入を保証するものではなく、DX-M2自体も開発段階にあるため、販売価格や最終仕様、具体的な供給時期は確定していない。また、この予約受付によって、PIM対応構成のサンプルが日本向けに提供されることまで保証されるわけではない。現時点では、製品評価を希望する企業向けの受付が始まった段階と捉える必要がある。

その後、EE Timesの11月9日付の報道では、DX-M2のテープアウトが完了し、DEEPXが2027年3月のサンプル提供と、同年秋の量産開始を目指していることが明らかになった。日本向けに案内された「2027年上半期」と、EE Timesが伝えた「2027年3月」は、対象や具体性が異なる予定であり、矛盾するものではない。ただし、いずれも現段階での計画であり、サンプルの確実な納入日や量産開始日を示すものではない。

PIM技術でAI生成速度6.7倍を予測、消費電力は2.7倍に

DX-M2は、クラウドに依存せず、ロボットやドローンなどの機器側でAIを実行するエッジAI向けのチップだ。こうした機器では、AIモデルの演算性能だけでなく、限られた電力で必要なデータをどれだけ効率よく処理できるかが重要になる。特に、大規模言語モデル（LLM）の推論では、モデルの重みなどをメモリから演算チップへ転送する処理が性能や消費電力を制限する場合がある。DEEPXはこの課題に対し、Samsungの「LPDDR5x-PIM」を組み合わせる構成を検討している。

PIMは、従来はプロセッサー側で行っていた演算の一部をメモリ側で処理する技術だ。データをメモリから演算チップへ繰り返し転送する必要を減らすことで、処理の効率化を目指す。DEEPXの構想では、AI推論で使われる行列とベクトルの積（GEMV）をメモリ側で実行する。特に、モデルの重みを繰り返し読み出す必要があるLLMのトークン生成処理では、データ転送の負担を軽減できる可能性がある。

EE Timesによると、DEEPXは「Llama 3.1 8B」を使用したシミュレーションで、LPDDR5x-PIMを組み合わせた構成の生成速度が、DX-M2単独の場合と比較して6.7倍になると予測している。ここでいう生成速度は、AIが1秒間に生成できるトークン数を指す。ただし、この条件ではシステム全体の消費電力も2.7倍に増加する。同社は同じ電力枠で比較した場合でも、約2倍の性能向上が見込めるとしているが、これもシミュレーションに基づく予測だ。

重要なのは、6.7倍という数値が、同じ消費電力で達成できる性能向上を意味するわけではないことだ。EE Timesの報道には、比較に用いた絶対的な消費電力やトークン生成速度の実測値は示されていない。また、PIM向けコンパイラは試作段階にあり、実際のハードウェア環境で性能を検証するためのモジュールも準備中とされている。PIM対応メモリのサンプルが用意されることと、完成したDX-M2を組み合わせたシステムが供給されることは別の工程であり、今回の予測値が実機で再現されるかは今後の検証を待つ必要がある。

AD

DX-M2シリーズは3構成、同じ「5W」でも消費電力の対象が異なる

DEEPXの公式製品ページには、DX-M2に加え、メモリを内部に搭載する「DX-M2M」と「DX-M2M Pro」の仕様が掲載されている。いずれも開発中の製品であり、DX-M2MとDX-M2M Proは暫定的な製品名だ。各製品はメモリ容量や帯域、消費電力の構成が異なり、特に注意が必要なのが消費電力の表記である。通常のDX-M2で示される5WはSoC単体の値だが、DX-M2Mの5WにはSoCとDRAMの両方が含まれる。同じ5Wという数字でも、比較対象となる部品の範囲が異なるため、単純に電力効率を比較することはできない。

公式ページの「Chip Line-up」に掲載されている主な公称仕様は次のとおりだ。いずれも開発段階のため、今後変更される可能性がある。

製品 メモリ構成・最大容量 チャネル数・最大帯域 消費電力と対象範囲 想定形状
DX-M2 外部LPDDR5X、最大96GB（24GB×4） 8チャネル、153.6GB/s 5W（SoCのみ） M.2／PCIe
DX-M2M（暫定） 内部メモリ、最大24GB 4チャネル、76.8GB/s 5W（SoC 3W＋DRAM 2W） M.2
DX-M2M Pro（暫定） 内部メモリ、最大48GB 8チャネル、153.6GB/s 8.5W（SoC 4.5W＋DRAM 4W） M.2

DX-M2は外部LPDDR5Xメモリを使用し、最大96GBの容量と153.6GB/sの帯域を備える構成だ。一方、DX-M2Mは最大24GBのメモリを内部に搭載し、SoCとDRAMを合わせた消費電力を5Wとしている。上位構成のDX-M2M Proでは、メモリ容量が最大48GB、帯域が153.6GB/sとなり、SoCとDRAMを合わせた消費電力は8.5Wに増える。したがって、DX-M2の5WにPIM利用時の電力倍率である2.7を掛けても、システム全体の消費電力を求めることはできない。DX-M2の公称値には外部DRAMの電力が含まれておらず、シミュレーションで比較した全体電力とは測定範囲が異なるためだ。

また、メモリを内部に搭載するDX-M2Mシリーズと、メモリ内で演算を行うPIMは異なる技術である。メモリの内蔵は配置や接続構成に関する特徴であり、それ自体がPIMによる演算機能を意味するわけではない。今回公表されている製品仕様は、各モデルのメモリ構成や公称消費電力を示したものであり、PIMを利用した場合の生成速度や総消費電力を保証するものではない。

実機で問われるのは生成速度とシステム全体の消費電力

コシダテックは日本向けの発表で、DX-M2が最大約1,000億パラメータのAIモデルに対応する構想を紹介している。ただし、この数値はMoE（Mixture of Experts）と呼ばれるモデル構造を想定したものだ。MoEは複数の専門的なネットワークのうち、入力に応じて一部だけを使用する方式で、モデル全体のパラメータ数に比べて、実際の推論で演算に使うパラメータ数を抑えられる。そのため、最大1,000億パラメータに対応するという説明は、すべてのパラメータを毎回演算できることを意味しない。また、この対応規模と、8Bモデルを使用して予測されたPIMによる6.7倍の性能向上を直接結び付けることもできない。

エッジAIには、機器側でAIを処理することで、クラウドとの通信に伴う遅延を減らし、データを外部へ送信する必要性を抑えられるという利点がある。コシダテックもこうした用途への展開を期待しているが、実際に採用できるかどうかは、使用するモデルの規模や精度、消費電力、発熱、メモリ構成などによって変わる。特にロボットやドローンのような機器では、AI推論に利用できる電力や冷却能力に制約があるため、演算性能だけでなくシステム全体の効率が重要になる。

今後、評価用サンプルが提供された際には、まず通常のDX-M2なのか、メモリ内蔵型なのか、あるいはPIM対応構成なのかを確認する必要がある。そのうえで、同じAIモデルと量子化条件、入力・出力トークン数、同時処理数などをそろえ、生成速度と消費電力を測定することが重要だ。量子化とは、AIモデルの重みや演算に使用する数値の精度を下げ、必要なメモリ容量や計算量を削減する手法であり、その条件によっても推論性能は変わる。消費電力についてはSoC単体ではなく、DRAMを含めた共通の範囲で比較しなければならない。

現時点では、DX-M2とPIMを組み合わせた構成について、独立した実機ベンチマークや日本市場向けの具体的な提供条件は確認できていない。テープアウトは製品化に向けた重要な節目だが、量産や商用利用に必要な性能が実証されたことを意味するわけではない。今後は、予測された生成速度が実機で再現され、機器全体の電力・熱設計の制約にも収まるかが、DX-M2を実際のエッジAI製品に採用するうえでの判断材料となる。