据 EE Times 报道，AI 芯片公司 DeepX 已完成第二代芯片的流片（tape-out），并宣称该芯片能够在低于 5W 的功耗下，完成最高 1000 亿（100B）参数规模模型的推理。公司同时预计，新一代产品相较上一代可实现 6 至 7 倍的性能提升，关键之一在于采用了 LPDDR5X 存内计算（PIM）方案。
这组数字之所以受到关注，是因为它同时触及了端侧与边缘 AI 芯片的两个核心瓶颈：功耗与内存带宽。大模型推理对内存带宽的需求极高，而传统架构中计算单元与 DRAM 之间的数据搬运既耗时又耗能。PIM 的思路是把部分计算能力放到内存侧完成，以减少数据往返，从而在有限功耗下提升有效吞吐。若 DeepX 的宣称成立，意味着百亿至千亿参数级模型在数瓦级功耗设备上运行具备了新的可行性路径。
需要说明的是，上述指标均为厂商自述，尚需第三方评测与量产产品验证。流片完成只是从设计走向 silicon 的一步，后续还要经过样片测试、客户导入与量产爬坡，实际能效、内存容量配置与软件栈成熟度都会影响最终表现。
对 AI 从业者而言，这条消息值得跟踪的点在于：LPDDR5X PIM 是否能从概念走向可出货的商用方案，以及"低功耗 + 大参数推理"的路线能否在端侧设备、机器人与工业场景中形成真实需求。