A chinesa Iluvatar CoreX lança Tianai 300, com desempenho superior ao Hopper

De acordo com pt.wedoany.com-Entre 19 e 20 de julho de 2026, a fabricante chinesa de GPUs Iluvatar CoreX lançou oficialmente seu novo produto carro-chefe de GPU de uso geral, o Tianai 300, durante a Conferência Mundial de Inteligência Artificial de 2026 (WAIC 2026).

Como o primeiro produto da nova geração de arquitetura proprietária da Iluvatar CoreX, o Tianai 300 passa por uma atualização abrangente em arquitetura de chip, operadores-chave, expansão de sistema e ecossistema de software, com o objetivo de igualar e superar o desempenho da arquitetura mainstream Hopper (solução Hopper), fornecendo suporte computacional para a aplicação em larga escala da IA.

O Tianai 300 é baseado na arquitetura de computação SIMT, suportando vários tipos de computação, como escalar, vetorial e tensorial, e é otimizado para tecnologias-chave como Attention, MoE, separação AF, separação PD e expansão de sistema em larga escala. Sob cargas de trabalho complexas, o produto equilibra eficiência computacional, latência de serviço e custo total de propriedade (TCO), atendendo aos requisitos abrangentes de generalidade, desempenho e custo para a aplicação em larga escala da inteligência artificial.

Shan Tianyi, chefe de IA e Computação Acelerada da Iluvatar CoreX, afirmou que a inteligência artificial está evoluindo da "inteligência informacional", que compreende e gera informações, para a "inteligência de ação", com capacidade de planejamento e execução, e se expandindo para a "inteligência exploratória", que modela e prevê o desconhecido. Os diferentes requisitos computacionais desses três tipos de inteligência constituem a linha de design principal do Tianai 300.

Para a inteligência informacional, o Tianai 300 otimiza principalmente Attention e MoE. No cálculo de Attention, ao melhorar a eficiência paralela do cálculo de matrizes e vetores e reduzir a espera de leitura/escrita de dados, alcança mais de 90% de eficiência de Attention em diferentes precisões, superando a solução Hopper. Em cenários com comprimento de contexto de 64k, sua eficiência de Attention é 10% superior à da solução Hopper. No aspecto MoE, por meio da otimização colaborativa de algoritmo e hardware, a eficiência computacional no cenário DeepSeek V4 MoE ultrapassa 70%, com desempenho geral de treinamento e relação custo-benefício superiores à solução Hopper; em cenários de inferência, a eficiência média é 10% superior à da solução Hopper.

Para a inteligência de ação, o Tianai 300 fortalece a capacidade de separação PD, otimizando diferencialmente as fases Prefill e Decode. Em testes com modelos mainstream como Qwen, GLM, Kimi e DeepSeek, a latência do primeiro caractere é reduzida em cerca de 20% em comparação com a solução Hopper. Ao reduzir a sobrecarga de protocolo e otimizar o caminho do link, a latência média de comunicação do produto é reduzida em cerca de 13%. Em testes de Decode com modelos como GLM 5.2, a eficiência é 10% superior à da solução Hopper.

Para a inteligência exploratória, o Tianai 300 suporta computação escalar, vetorial e tensorial, cobrindo múltiplas precisões como FP4 e FP8, e instruções como MMA, DPX e FMA, adaptando-se a tarefas como solução de matrizes, programação dinâmica, computação esparsa e gêmeos digitais. No modelo de mundo Cosmos3, sua eficiência de inferência é 10% superior à da solução Hopper.

As inovações de arquitetura subjacentes que sustentam o desempenho do Tianai 300 incluem: ixSMEX, que reduz acessos repetitivos à memória aumentando a taxa de reutilização de dados; ixDPX, que comprime o cálculo originalmente necessário de seis instruções em programação dinâmica para uma única instrução; e ixTrans, que reduz conflitos de armazenamento e sobrecarga de memória. Desde 2018, a Iluvatar CoreX vem aprimorando continuamente sua pilha de software, desenvolvendo quase uma centena de bibliotecas de aceleração, formando um sistema de ferramentas que cobre comunicação, compilação, drivers, quantização e análise de desempenho. O Tianai 300 suporta frameworks de modelos grandes mainstream globais e componentes de aceleração-chave. Atualmente, o produto já está pronto para aplicação em larga escala e está passando por adaptação profunda com fabricantes de nuvem, fabricantes de servidores, ecossistema de interconexão e sistemas de supernós na China, suportando implantação em larga escala desde máquinas individuais até clusters.