XPeng и Banma внедрили модель ИИ класса 30B на бортовом чипе Turing XPeng

Компания XFEON, базирующаяся в Чэнду, представила матрицу продуктов, объединяющую чипы и алгоритмы, на мероприятии, состоявшемся 22 сентября 2026 года. Эта матрица охватывает периферийный кремний, инструменты для воплощенных данных, рабочие станции Token и воплощенный мозг, согласно сообщениям EEFocus и другим местным источникам, ссылающимся на www.xfeon.com.

В корпоративных материалах компании используется официальный английский знак XFEON; представленные линейки продуктов включают Xinghe S1, AGLobe и рабочие станции Xinghui Token. Хотя китайская пресса использует дополнительные пояснения, некоторые англоязычные отчеты о финансировании упоминают Xingfan Intelligence, однако данный обзор предпочитает использовать официальный знак XFEON.

На уровне кремния, Xinghe S1 позиционируется как ядро вычислений физического ИИ для периферии. Это специализированная многоядерная конструкция с запатентованным ядром ускорения ИИ, поддерживающая нативную смешанную точность INT2–INT8, обеспечивающая около 105 TOPS эквивалента INT8 на кристалле, типичную мощность около 25 Вт и заявленную эффективность выше 4 TOPS/Вт. Материалы компании также утверждают, что благодаря совместному проектированию программного и аппаратного обеспечения достигается примерно на 50 процентов более высокая пропускная способность инференса, примерно на 85 процентов меньший объем памяти модели и примерно на 90 процентов меньшее использование памяти для непрерывного обучения по сравнению с предыдущими базовыми моделями.

Вокруг S1 компания XFEON описывает серии SKUs, такие как Xinghe R (для роботов, с мощностью до 420 TOPS), Xinghe K (для вычислений на орбитальных спутниках) и Xinghe E (для периферии/промышленности).

Что касается алгоритмической составляющей, AGLobe представлен как воплощенный мозг, который строится вокруг концептуального обучения, а не исключительно на путях видение-язык-действие или модель мира. Он стремится извлекать переносимые концепции из нескольких или даже единичных демонстраций во времени, пространстве, количестве и причинно-следственной связи. Продукты для вычислений включают рабочие станции Token серии Xinghui D/N, предназначенные для частного развертывания, обучения и высококонкурентного инференса, с пакетами смешанной точности от BF16 до INT2. Заявляется, что восьмикарточный узел способен разместить модель с 671 миллиардом параметров.

Поддерживающие компоненты, упомянутые в обзорах, включают инструментарий данных XGAIA, устройства симуляции DexCore и уровень ускорения XBoost для периферии. Матрица XFEON, представленная в сентябре, представляет собой вертикальную стек физического ИИ, простирающуюся от периферийного кремния Xinghe S1 через AGLobe и системы Xinghui Token, и не является просто выпуском одного чипа или историей для фондового рынка.

Shanghai AI Laboratory представила свою научно ориентированную мультимодальную базовую модель Intern-S2-397B с открытыми весами на платформах Hugging Face и ModelScope. Анонс состоялся после презентации на Форуме инноваций Пуцян 13 сентября 2026 года и лабораторного брифинга 21 сентября.

Официальное английское наименование лаборатории — Shanghai AI Laboratory / Intern-S2. Этот релиз отличается от недавних публикаций лаборатории, таких как Atria Dawn, Intern Physical World Model W0 и NCP-ArchPreview, поскольку он представляет собой выпуск весов научной модели с архитектурой, а не анонс очередного агента или модели мира.

Модель Intern-S2 предназначена для выполнения научных задач с длительным горизонтом и циклов агентов. Материалы лаборатории подчеркивают наличие подключаемого Декодера Памяти (Memory Decoder), который позволяет присоединять модули предметной области без необходимости переобучения всей базовой модели. Например, использование Intern-MemDec-4B в биологических экспериментах повысило средние показатели по Биологическим Инструкциям примерно с 56.92 до 60.32, сохраняя при этом общие результаты на уровне основной модели.

На Hugging Face указано, что карта Intern-S2-397B содержит около 403 миллиардов параметров. Модель прошла визуальное предварительное обучение на страницах необработанной научной литературы, многодоменное научное обучение с подкреплением в более чем 20 областях, а также обучение с подкреплением агента с длительным горизонтом в изолированных средах. Для работы предусмотрены пути обслуживания через LMDeploy, vLLM и SGLang, а также задокументирована официальная конечная точка API Intern.

Shanghai AI Laboratory сообщает, что Intern-S2 глубоко оптимизирована совместно с вычислительным стеком Ascend от Huawei по аспектам вычислений, связи и памяти. Кроме того, модель будет интегрирована в платформу научных открытий Intern DuanYan лаборатории, которая охватывает области наук о жизни, материалов, полупроводников и смежных дисциплин. Согласно заявлениям вендора, Intern-S2 занимает первое место среди моделей с открытым исходным кодом по знаниям, коду и наборам агентов, демонстрируя сильные результаты в задачах по биологии и материаловедению; однако эти цифры пока являются данными лаборатории до проведения независимых тестов.

Для исследовательских групп конечным результатом является доступ к загружаемым весам Intern-S2-397B, сопровождаемым документацией по Декодеру Памяти и примечанием о сотрудничестве с Ascend. Таким образом, это открытая мультимодальная базовая модель, обновленная для использования сообществом, а не просто анонс, основанный на закрытом API.