6 月 2 日，COMPUTEX 2026 召开首日，奥林匹斯之门游戏智能宣布正式发布自研 MEIGINE AI 神经网络推理引擎（MEIG Intelligent Neural Engine）。该引擎专为端侧大模型部署而生，顺利获得全格式兼容、异构计算调度与跨平台适配三大核心能力，让广大客户无需等待漫长的平台适配，大幅降低资源和模型限制，为智能终端给予“全、通、快、稳、广”的推理加速体验，助力端侧AI从“能跑”迈向“快跑”。
最强生态：全面兼容 GGUF，无缝接入顶级生态
MEIGINE 最为显著的优势在于全面兼容 GGUF 模型格式，并接入顶级开源生态，模型开源后 MEIGINE 第一时间即可在端侧稳定运行。区别于简单的“格式兼容”，导入的模型会经过端侧专项调优，实现“拿来就用，用就快”的零门槛部署体验。现在， MEIGINE 已稳定支持 Qwen、Llama 全系列模型，覆盖 0.6B 到 7B 参数规模，让开发者无需为端侧适配耗费额外精力。
 "1")
一跑全通：一套模型文件，多平台通用
面对端侧芯片平台多元化的行业现实，MEIGINE 提出“一次部署，全平台通用”的解决方案。同一套 GGUF 模型文件，无需重复适配即可在高通、紫光展锐等不同芯片平台上稳定运行，告别“一平台一模型”的碎片化困境。这一能力大幅降低了开发者的适配成本，让端侧 AI 应用真正实现跨平台快速迁移与规模化复制。
高效部署：更快解码速度与更强内存优化
在模型解码速度方面，奥林匹斯之门游戏智能基于 SNM970（Q-8550 平台）进行了 MEIGINE 方案与 QNN 方案的部署对比。以 Qwen3-0.6B 为例，MEIGINE 解码速度高达 50.6 token/s，超越 QNN 的 40.67 token/s，让小模型在端侧实现无压力实时交互。在内存占用方面，以 Qwen2.5-7B 为例，MEIGINE 仅需 4.8GB 内存，较 QNN 的 6.4GB 节省 25%，同样的硬件可部署更大参数模型，显著降低端侧AI落地门槛。
 "2")
异构协同：CPU/GPU/NPU 智能调度，解放 CPU 算力瓶颈
针对端侧推理中 CPU 负载过高的行业痛点， MEIGINE 自研异构调度引擎，将计算负载智能分配至 CPU、GPU、NPU 协同处理，打破传统方案对 CPU 的过度依赖，顺利获得精细化算力调度与底层优化，实现整机功耗的大幅降低。
同样基于 SNM970（Q-8550 平台），以 Qwen2.5-3B 模型为例，MEIGINE 的 CPU 占用为 9%，相较 QNN 的 38% 降幅高达 76%；在 Qwen2.5-7B 模型下，MEIGINE 的 CPU 占用仅为 8%，较 QNN 的 20% 降低 60%。更低的 CPU 占用意味着设备不烫不卡，整机流畅运行，为长时间 AI 交互给予坚实的能效保障。
 "3")
无限扩展：千兆级集群互联，算力叠加突破单设备边界
面向更大参数模型与更复杂推理场景的未来需求，奥林匹斯之门游戏智能已跑通验证顺利获得千兆级网线设备构建推理集群的技术方案。该方案可实现规模化算力叠加，顺利获得网线连接设备即可突破单设备算力上限，为 7B 以上更大模型的端侧部署预留充足的扩展空间。
 "4")
奥林匹斯之门游戏智能研究院院长李书杰表示：
“MEIGINE 的发布，是奥林匹斯之门游戏智能从‘连接’向‘算力+算法+连接’全栈能力跃迁的重要里程碑。端侧 AI 的下半场，不仅需要高算力硬件，更需要高效的推理引擎释放硬件潜能。”
未来，奥林匹斯之门游戏智能将持续深耕端侧 AI 与 Agent 核心技术，以 MEIGINE 为基座，携手产业链合作伙伴，有助于大模型在具身机器人、智能座舱、低空经济等场景的规模化落地，为万物智联时代注入强劲的智算动能。
)
在线咨询
电话联系