--- title: "Axera AX8860: un chip de IA de 40 W que promete superar al NVIDIA DGX Spark" description: "La compañía china Axera ha presentado el AX8860, un chip orientado a ejecutar modelos de lenguaje grandes (LLM) y agentes de inteligencia artificial en equipos compactos. Según las cifras difundidas p..." url: https://revistacloud.com/axera-ax8860-un-chip-de-ia-de-40-w-que-promete-superar-al-nvidia-dgx-spark/ date: 2026-10-13 modified: 2026-10-13 author: "Noticias Cloud" image: https://revistacloud.com/wp-content/uploads/2026/10/Axera-AX8860-AI-Chip-_1.jpg categories: ["Empresas", "Inteligencia artificial", "Noticias"] tags: ["Axera", "GPU", "memoria"] type: post lang: es --- # Axera AX8860: un chip de IA de 40 W que promete superar al NVIDIA DGX Spark La compañía china Axera ha presentado el AX8860, un chip orientado a ejecutar modelos de lenguaje grandes (LLM) y agentes de inteligencia artificial en equipos compactos. Según las cifras difundidas por Sipeed, uno de los fabricantes que prepara dispositivos con esta tecnología, el procesador puede superar al NVIDIA DGX Spark en determinadas pruebas con Qwen 27B, con un 25 % más de velocidad en el procesamiento inicial del modelo y un 30 % más en la generación de respuestas. Las cifras todavía necesitan una validación independiente. Las claves del Axera AX8860 en 20 segundos - El chip integra una unidad de procesamiento neuronal (NPU) con hasta 256 TOPS en FP4 y una CPU Arm de 16 núcleos. - Puede configurarse con hasta 128 GB de memoria LPDDR5X y un ancho de banda de 273 GB/s. - El módulo anunciado tiene un consumo de 40 W, según las especificaciones difundidas. - Sipeed afirma que supera al DGX Spark con Qwen 27B, aunque no ha aportado una validación independiente en la información disponible. - Axera también plantea tarjetas PCIe con cuatro chips que alcanzarían 1.024 TOPS teóricos. El anuncio apunta a un segmento cada vez más relevante para desarrolladores y empresas: ejecutar modelos de IA localmente sin depender de un servidor de gran tamaño ni enviar necesariamente los datos a un servicio en la nube. La combinación de memoria abundante, consumo contenido y aceleración especializada puede resultar atractiva para ejecutar asistentes locales, herramientas de programación y sistemas de agentes. Sin embargo, las cifras de TOPS no bastan para determinar qué equipo ejecutará mejor un modelo real. La velocidad depende también de la arquitectura, el software, la cuantización, el tamaño del contexto y la forma en que se mide el rendimiento. Por eso, las comparaciones anunciadas por Sipeed deben interpretarse como resultados del fabricante pendientes de contraste. ## 256 TOPS, 128 GB de memoria y conectividad PCIe 5.0 El AX8860 se basa, según las especificaciones publicadas por Sipeed y recogidas por Wccftech, en un proceso de fabricación de 6 nanómetros. Integra una CPU con 16 núcleos Arm Cortex-A55 y una unidad neuronal propia (NPU), diseñada para acelerar operaciones de inteligencia artificial. Su capacidad anunciada alcanza los 256 TOPS con precisión FP4, un formato numérico de cuatro bits utilizado para reducir el coste computacional y de memoria de determinados modelos. La cifra, según la información publicada, no incluye las ganancias por sparsity o dispersión, una técnica que permite acelerar determinados cálculos aprovechando los valores que no necesitan procesarse. La memoria es otro de los elementos destacados. El chip admite configuraciones de hasta 128 GB de LPDDR5X, conectada mediante un bus de 256 bits que proporciona un ancho de banda de hasta 273 GB/s. Esa cifra coincide con la memoria y el ancho de banda anunciados por NVIDIA para la versión de 128 GB del DGX Spark. La diferencia está en que el sistema de NVIDIA utiliza memoria unificada coherente junto a su CPU Grace y GPU Blackwell, mientras que Axera propone una plataforma centrada en su acelerador neuronal. El AX8860 también incorpora conectividad PCIe 5.0 y una interfaz de red de hasta 256 Gbps para configuraciones agrupadas, de acuerdo con las especificaciones difundidas. Esa conexión permitiría enlazar varios módulos para repartir el trabajo entre chips. Sipeed habla de una escalabilidad aproximada del 80 % al combinar cuatro unidades. En teoría, dos chips alcanzarían 512 TOPS y cuatro llegarían a 1.024 TOPS. Estas cifras representan la suma de la capacidad de cálculo anunciada, no una garantía de que cualquier modelo vaya a ejecutarse cuatro veces más rápido. El resultado real dependerá de cómo se distribuya el trabajo, del tráfico entre dispositivos y del soporte del software. ## Tarjetas PCIe, mini-PC y una hoja de ruta hacia los 700 TOPS Axera y sus socios contemplan varios formatos para llevar el AX8860 a los desarrolladores. La primera opción es un módulo dedicado con un consumo anunciado de 40 W. También se ha mostrado una tarjeta PCIe de una sola ranura, con conexión PCIe 5.0 x4, interfaces de red y pantalla, y un ventilador auxiliar para disipar el calor. La propuesta más llamativa es una tarjeta con cuatro chips AX8860 en un formato compacto de una sola ranura. El diseño incorpora un disipador de gran tamaño y cuatro ventiladores, y utiliza un conector de alimentación auxiliar de ocho pines. La configuración busca concentrar más capacidad de cálculo en un equipo que pueda instalarse en un ordenador de sobremesa o en una estación de trabajo pequeña. Sipeed también prepara equipos como MaixStation, además de mini-PC y ordenadores de bolsillo basados en esta plataforma. La información publicada apunta a que la empresa abriría las reservas de algunos dispositivos y prevé su disponibilidad durante 2026, aunque no se han detallado de forma completa los precios finales ni las fechas de entrega para cada configuración. En el apartado de software, se mencionan compatibilidades con herramientas como PyTorch, vLLM y SGLang. Este punto será determinante para los desarrolladores: disponer de potencia de cálculo no basta si los modelos, las bibliotecas y los métodos de cuantización que necesitan no funcionan correctamente o requieren adaptaciones específicas. La hoja de ruta de Axera también incluye los futuros chips 8950 y 8970, con capacidades anunciadas de hasta 500 TOPS y más de 700 TOPS, respectivamente. Son objetivos de productos posteriores, no prestaciones disponibles en el AX8860 actual, y su llegada dependerá del desarrollo y la comercialización de esas generaciones. ## El precio y el rendimiento real decidirán la competencia con NVIDIA Uno de los argumentos comerciales de Sipeed es que los dispositivos basados en el AX8860 podrían costar aproximadamente la mitad que un NVIDIA DGX Spark. La comparación todavía tiene límites: la información publicada no identifica una tarifa definitiva para todas las variantes de Axera ni concreta qué configuración del sistema de NVIDIA se utiliza como referencia. El DGX Spark de 128 GB integra el superchip GB10 Grace Blackwell, 128 GB de memoria unificada, un ancho de banda de 273 GB/s y una capacidad anunciada de hasta un petaFLOP en FP4 utilizando dispersión. NVIDIA también ofrece una pila de software propia y herramientas preinstaladas para desarrollar, probar y ejecutar modelos de IA localmente. ![www.nvidia](https://www.google.com/s2/favicons?domain=https://www.nvidia.com&sz=32) NVIDIA DGX Spark +1 El AX8860, por su parte, destaca sobre el papel por el consumo anunciado de 40 W para el módulo, su memoria de hasta 128 GB y la posibilidad de agrupar varios chips. Pero comparar ese consumo con el de un equipo completo exige distinguir entre la potencia del módulo, la del procesador y el gasto total del sistema bajo carga. La prueba con Qwen 27B será una de las referencias que habrá que examinar cuando existan resultados reproducibles. Para que la ventaja anunciada del 25 % en prefill y del 30 % en decode pueda evaluarse correctamente, será necesario conocer la versión y cuantización del modelo, el tamaño del contexto, el número de tokens generados, el software utilizado y el consumo medido durante la ejecución. También habrá que comprobar qué ocurre con otros modelos y cargas de trabajo. Un acelerador puede destacar en una prueba concreta y rendir de forma diferente con modelos de programación, contextos largos o varios usuarios simultáneos. La madurez de los controladores y la facilidad para desplegar modelos tendrán tanto peso como las especificaciones de hardware. Axera ya desarrolla procesadores para inferencia en el borde y dispone de una plataforma propia de unidades neuronales, herramientas de compilación y soporte para modelos de lenguaje como Qwen y Llama. Esa experiencia constituye una base para el nuevo producto, pero no sustituye las pruebas independientes que necesita una plataforma dirigida a ejecutar LLM en equipos compactos. ![www.axera tech](https://www.google.com/s2/favicons?domain=https://www.axera-tech.com&sz=32) Axera Semiconductor Co., Ltd. +1 El AX8860 aspira a ofrecer una alternativa de menor consumo para quienes quieran ejecutar inteligencia artificial en local. Si se confirman el rendimiento, la compatibilidad y el precio anunciados, podría resultar interesante para desarrolladores y pequeños laboratorios. Por ahora, la comparación con DGX Spark sigue apoyándose principalmente en cifras divulgadas por Sipeed y pendientes de una evaluación independiente. ## Preguntas frecuentes ### ¿Qué potencia tiene el chip Axera AX8860? Axera y Sipeed anuncian hasta 256 TOPS en precisión FP4 para el AX8860, con una configuración de hasta 128 GB de memoria LPDDR5X y un ancho de banda de 273 GB/s. ### ¿Consume realmente solo 40 W? Los 40 W corresponden al consumo anunciado para el módulo dedicado. El gasto de una tarjeta PCIe o de un ordenador completo dependerá también de los demás componentes y de la carga de trabajo. ### ¿Es más rápido que el NVIDIA DGX Spark? Sipeed afirma que obtiene un 25 % más de velocidad en prefill y un 30 % más en decode con Qwen 27B. Esos resultados aún necesitan validación independiente y no demuestran una ventaja general en todos los modelos. ### ¿Cuánto costarán los equipos con AX8860? La información difundida apunta a un precio cercano a la mitad del DGX Spark, pero todavía no ofrece tarifas definitivas y comparables para todas las configuraciones.