Partnerskaber
Ceva NeuPro NPU-familien går i produktion i Mobilints REGULUS-edge-AI-SoC

Ceva annoncerede den 2. november 2026, at Mobilint har integreret Cevas SensPro AI DSP og NeuPro-Nano NPU i REGULUS, Mobilints edge-AI-systemchip, i det, Ceva beskriver som den første produktionsimplementering af NeuPro NPU-familien.
Mobilint er en fabless-virksomhed inden for AI-halvledere, grundlagt i 2019 og med hovedsæde i Seoul. Virksomheden har specialiseret sig i NPU’er og AI-SoC’er til edge-AI og AI-enheder, der behandler data lokalt. Ceva licenserer silicium- og software-IP til intelligente edge-enheder og oplyser, at virksomhedens teknologi er blevet leveret i mere end 22 milliarder enheder til over 400 kunder.
Inde i REGULUS-SoC’en
REGULUS er designet som en selvstændig processor til AI-behandling på enheden og integrerer SensPro AI DSP og NeuPro-Nano NPN32 NPU i Mobilints behandlingsarkitektur. Ifølge meddelelsen leverer chippen en AI-ydeevne på 10 TOPS ved et strømforbrug på under 3 W og understøtter op til 8 GB hukommelse. På Mobilints produktside for REGULUS står der, at chippen leverer INT8-beregningskapacitet med høj tæthed i en 17 mm-chip. Designet er målrettet AI i realtid i applikationer med begrænsninger på strømforbrug og plads, herunder robotteknologi, droner, maskinsyn, intelligente kameraer og IoT-enheder.
Arkitekturen med flere motorer fordeler forskellige sensor- og AI-arbejdsopgaver på den behandlingsmotor, der egner sig bedst til hver opgave. SensPro leverer programmerbar behandling af sensor- og signalbehandlingsopgaver, mens NeuPro-Nano håndterer neurale beregninger til anvendelser, hvor inferens altid er aktiv. Det supplerer Mobilints egen AI-behandlingsarkitektur.
Ud over inferens indeholder SoC’en en indbygget billedprocessor med HDR og støjreduktion, hardwarebaseret videoenkodning i 4K med 60 billeder i sekundet samt direkte tilslutninger til kameraer, skærme, Ethernet, USB og sensorer. Mobilint præsenterer REGULUS som en komplet processor, der kan køre Linux og applikationer uden en værtsenhed, og ikke som en accelerator.
På softwaresiden kompilerer Mobilints SDK qb modeller fra PyTorch, TensorFlow og ONNX til chippen. Virksomheden oplyser, at mere end 490 modelarkitekturer inden for CNN-, RNN- og transformerfamilierne er blevet valideret på dens hardware. Et Yocto Linux SDK indeholder GStreamer og OpenCV, og der medfølger drivere til kamera, video og skærm.
MLD-R1 og REGULUS-produktfamilien
REGULUS driver allerede Mobilints MLD-R1 AI USB-accelerator, der første gang blev præsenteret på COMPUTEX 2026, og som nu leveres. MLD-R1 er designet til at tilføre AI-behandling på enheden til eksisterende systemer og understøtter computer vision, videoanalyse og generativ AI til blandt andet intelligente fabrikker, robotteknologi, maskinsyn, sikkerhed, medicinsk udstyr og digital skiltning. Den understøtter rammeværkerne PyTorch, ONNX, Hugging Face, TensorFlow, TFLite og Keras.
»REGULUS samler de specialiserede behandlingsfunktioner, der skal til for at køre avancerede AI-arbejdsopgaver direkte på enheden med meget stramme begrænsninger på strømforbruget,« sagde Dongjoo Shin, administrerende direktør for Mobilint. Shin sagde, at Cevas IP tilføjer fleksible funktioner til sensorbehandling, signalbehandling og inferens, som understøtter de arbejdsopgaver, kunderne har brug for til at udvikle den næste generation af intelligente edge-enheder.
Mobilint tilbyder REGULUS i tre udgaver: MLM-1-systemmodulet, der tilføjer AI til kundetilpassede carrier boards; REGULUS AI EVK-evalueringssættet til benchmarking og klargøring af software; og MLD-R1 USB-C-donglen, der tilføjer AI til eksisterende pc’er. Blandt de målenheder, virksomheden nævner, er AI-kameraer til inspektion på produktionslinjer, droner, AI-CCTV, robotter, kiosker og luftfartsplatforme.
Yaron Galitzky, koncerndirektør og daglig leder for Cevas AI-division, sagde, at REGULUS »er en vigtig milepæl for Ceva som den første produktionsimplementering af vores NeuPro NPU-familie«. Han tilføjede, at NeuPro-Nano og SensPro tilsammen leverer effektiv og fleksibel behandling af sensorinput og inferens til de arbejdsopgaver, som fysiske AI-enheder skal udføre lokalt og i realtid.












