Tecorigin T2 Ultra e HyperIntelliX: piattaforma unificata per AI e HPC
WAIC 2026 ha trasformato Shanghai in una vetrina per il settore cinese del calcolo intelligente in rapida espansione. L’edizione di quest’anno ha riunito 108 chip e oltre 200 prodotti di calcolo intelligente, tra cui acceleratori, supernodi, sistemi cluster, stack software, piattaforme di calcolo scientifico e soluzioni industriali. Il tenore della competizione è cambiato. Nei primi anni, i produttori puntavano spesso sulle prestazioni di picco delle singole schede. Quest’anno, i temi ricorrenti sono **architettura di sistema**, **grande**
Tecorigin T2 Ultra e HyperIntelliX: piattaforma unificata per AI e HPC
Introduzione
WAIC 2026 ha trasformato Shanghai in una vetrina per il settore del calcolo AI in rapida espansione in Cina. Quest'edizione ha riunito 108 chip e oltre 200 prodotti per il calcolo intelligente, tra cui acceleratori, supernodi, sistemi cluster, stack software, piattaforme di calcolo scientifico e soluzioni verticali.
Il panorama competitivo è cambiato.
Negli anni precedenti, i fornitori si concentravano spesso sulle prestazioni di picco di una singola scheda come punto di forza pubblicitario. Quest'anno, invece, architettura di sistema, coordinamento su larga scala, efficienza dell'interconnessione, migrazione software e capacità di implementazione completa sono diventate parole chiave ricorrenti.
Con l'aumento delle dimensioni dei modelli, il rafforzamento dello stato dei sistemi di agenti e la crescente domanda di calcolo sia generico che accelerato nei carichi di lavoro di Scienza per l'IA (AI for Science), il valore di un chip isolato è sempre più difficile da separare dal sistema circostante.
Allo stand di Tecorigin a Zhangjiang, l'azienda ha presentato un nuovo chip eterogeneo many-core e un sistema di supernodi su larga scala progettato attorno al concetto di "convergenza tra AI e HPC".
I prodotti principali includono:
- Architettura di calcolo eterogenea convergente HCU
- Il nuovissimo processore T2 Ultra
- Il sistema di calcolo su larga scala HyperIntelliX
- Comunità di sviluppatori e toolchain di migrazione aggiornati
- Piattaforma di calcolo AI4Science sviluppata internamente
- Sistema di sicurezza multilaterale per modelli di grandi dimensioni in tutti i settori
L'architettura prima delle prestazioni della singola scheda
Yang Jinzhe, CEO di Tecorigin, descrive lo stato attuale del settore come un passaggio dalla competizione sulla singola scheda alla competizione a livello di sistema.
Questo cambiamento riflette i cambiamenti nei carichi di lavoro stessi.
I modelli di grandi dimensioni hanno già superato la soglia dei mille miliardi di parametri. I sistemi di agenti richiedono pianificazione, scheduling, gestione della memoria e coordinamento degli strumenti più complessi. Le applicazioni di Scienza per l'IA aggiungono requisiti di calcolo numerico ad alta produttività, esecuzione di lunga durata e rigorosi requisiti di doppia precisione.
Quando la CPU circostante, la memoria, i collegamenti di comunicazione, l'archiviazione e il software di scheduling non riescono a tenere il passo, aumentare semplicemente il numero di schede acceleratrici può portare a rendimenti marginali decrescenti.
L'obiettivo correlato non è più la mera potenza di calcolo teorica massima, ma ridurre il costo effettivo del calcolo utile nell'intero sistema.
Altri espositori di WAIC hanno mostrato strategie simili a livello di sistema, tra cui Huawei con Atlas 950 SuperPoD, Muxi con il sistema Xijing supernode e Alibaba con l'infrastruttura Lingjun Zhenwu.
La soluzione di Tecorigin è la sua architettura HCU, acronimo di Heterogeneous Converged Unified Architecture (Architettura di calcolo eterogenea convergente).
Nello schema di divisione del lavoro proposto:
- Il lato CPU gestisce attività generiche come scheduling degli agenti, controllo del flusso di lavoro e pre-elaborazione dei dati.
- L'array di calcolo XPA si concentra sull'addestramento e l'inferenza di modelli di grandi dimensioni.
- La memoria condivisa a più livelli gestisce dinamicamente i dati caldi e freddi.
- Il sistema modifica l'equilibrio delle risorse in base alle esigenze dell'attività, anziché affidarsi a una configurazione fissa di CPU e acceleratore.
Da un punto di vista pratico, questo design integra due tipi di risorse di calcolo nella stessa architettura, consentendo al sistema di allocare le risorse in modo più flessibile.
Il potenziale vantaggio risiede in una maggiore utilizzazione con carichi di lavoro misti. Il sistema non deve utilizzare l'array AI ad alta produttività per ogni attività ad alta intensità di controllo, né fare affidamento su CPU host di dimensioni inferiori per carichi di lavoro che richiedono molto scheduling e coordinamento.
Cosa significa il calcolo eterogeneo many-core per gli agenti
I server AI tradizionali utilizzano in genere una CPU abbinata a quattro-otto GPU o schede acceleratrici AI.
In questo design, la CPU funge solitamente da host: avvia le attività, gestisce il movimento dei dati, gestisce il lavoro del sistema operativo e coordina gli acceleratori.
Questo modello funziona bene quando l'acceleratore esegue la stragrande maggioranza del calcolo e il percorso di controllo è relativamente semplice.
L'AI degli agenti rompe questo equilibrio.
Un agente efficiente potrebbe aver bisogno di:
- Interpretare un obiettivo
- Suddividerlo in sotto-attività
- Selezionare strumenti
- Pianificare e regolare il flusso di lavoro
- Leggere e scrivere dati esterni
- Mantenere una memoria a lungo termine
- Coordinare più modelli o sotto-agenti
- Recuperare da azioni fallite
- Gestire autorizzazioni e approvazioni
- Eseguire continuamente in sessioni di lunga durata
Molte di queste operazioni dipendono dal calcolo generico piuttosto che dalla moltiplicazione matriciale densa.
L'articolo originale cita le aspettative del settore: storicamente il rapporto multi-a-uno tra CPU e GPU potrebbe avvicinarsi a uno-a-uno in alcuni nodi futuri, e nei carichi di lavoro ad alta intensità di agenti, la domanda di CPU potrebbe aumentare ulteriormente.
Alibaba Cloud ha anche descritto gli agenti come una combinazione di scheduling con stato ed esecuzione senza stato, che richiede un controllo delle risorse più granulare.
L'architettura HCU di Tecorigin mira ad affrontare questa transizione a livello di processore.
Collegando le risorse CPU e i core AI tramite la stessa struttura di interconnessione ad alta velocità, l'azienda mira a ridurre il sovraccarico del trasferimento dati rispetto ai progetti host-acceleratore completamente separati.
Se i vantaggi teorici si traducono in risultati pratici dipende dalle prestazioni delle applicazioni reali, dalla qualità del compilatore, dal comportamento della memoria, dalle strategie di scheduling, dall'efficienza energetica e dall'utilizzo del sistema.
T2 Ultra: Un singolo processore, due modalità di lavoro
Tecorigin ha lanciato il T2 Ultra, il primo processore basato sulla sua nuova architettura HCU.
La sua caratteristica più notevole è il design a doppia modalità.
Modalità di calcolo autonomo
In modalità di calcolo autonomo, il T2 Ultra può funzionare come un nodo di calcolo completo, non solo come acceleratore aggiuntivo.
Ciò lo rende adatto per:
- Distribuzioni edge
- Sistemi di ricerca di piccole dimensioni
- Workstation
- Nodi di calcolo indipendenti
- Ambienti in cui la necessità di un'architettura host separata aggiungerebbe complessità
Modalità di calcolo accelerato
In modalità accelerata, il T2 Ultra collabora con il sistema host, fungendo da motore di calcolo ad alta produttività in server o cluster più grandi.
Questa modalità supporta:
- Addestramento di modelli di grandi dimensioni
- Inferenza su larga scala
- Server multi-scheda
- Supernodi
- Cluster di calcolo scientifico
- Distribuzioni in data center
Di conseguenza, la stessa serie di processori può svolgere ruoli in diverse infrastrutture.
Specifiche pubblicate del T2 Ultra
Tecorigin e il rapporto originale elencano le seguenti specifiche di picco:
| Precisione o caratteristica | Specifica pubblicata |
|---|---|
| Potenza di calcolo HPC FP64 | 38 TFLOPS |
| Potenza di calcolo sparsa FP16 | 1.200 TFLOPS |
| Potenza di calcolo sparsa FP4 | 4.800 TFLOPS |
| Copertura della precisione | Da FP64 a FP4 |
| Larghezza di banda inter-chip | 800 GB/s |
| Modalità di lavoro | Calcolo autonomo e accelerato |
| Numero massimo di connessioni dirette per sistema | Fino a 128 schede |
Questi sono dati di picco forniti dal fornitore.
Le prestazioni FP64 sono particolarmente importanti per le applicazioni scientifiche e ingegneristiche che richiedono calcoli in doppia precisione. FP16 e FP4 sono destinati all'addestramento e all'inferenza AI, dove l'uso di formati a bassa precisione può aumentare la produttività quando il modello e i requisiti di precisione lo consentono.
I dati di calcolo sparso presuppongono inoltre che il carico di lavoro e il software siano in grado di utilizzare le modalità di sparsità supportate. Non devono essere confrontati direttamente con il calcolo denso senza aver prima verificato il metodo di benchmarking.
Il valore reale di T2 Ultra dipende da:
- Prestazioni applicative continue
- Larghezza di banda e capacità della memoria
- Efficienza di scalabilità del cluster
- Accuratezza a bassa precisione
- Supporto software
- Affidabilità
- Consumo energetico
- Disponibilità produttiva
- Costo per carico di lavoro completato
L'architettura a doppia modalità può ridurre la frammentazione hardware per i clienti che necessitano di diverse scale di implementazione, ma è comunque necessario verificare l'idoneità per il carico di lavoro target.
HyperIntelliX: Fusione di calcolo intelligente e supercalcolo
Se T2 Ultra è il motore di calcolo, allora HyperIntelliX è la piattaforma su larga scala costruita su di esso.
Tianjun posiziona HyperIntelliX come un sistema di calcolo completamente nazionale che integra le seguenti capacità:
- Calcolo intelligente per training e inferenza di modelli
- Calcolo ad alte prestazioni per simulazioni numeriche
- Flussi di lavoro AI4Science
- Interconnessione su larga scala
- Infrastruttura modulare a raffreddamento liquido
- Gestione condivisa di software e risorse
![L'immagine mostra la piattaforma di fusione super-intelligente Tecorigin T2 Ultra - HyperIntelliX, sottolineando che si tratta di una nuova generazione di sistema di calcolo completamente nazionale che integra calcolo intelligente e supercalcolo per AI4S, adatta per il training e l'inferenza di modelli con trilioni di parametri e per il calcolo scientifico AI4S. A sinistra è mostrata l'immagine esterna della piattaforma, a destra sono presentati i parametri chiave in una tabella, tra cui la scala del supernodo di 128 schede, la potenza di calcolo per inferenza di 614 PB, la potenza di calcolo per training di 307 PB, la potenza di calcolo HPC di 4,8 PB, la capacità di memoria di 18,4 TB, la larghezza di banda della memoria di 512 TB/s e la larghezza di banda di interconnessione di 102,4 TB/s]
4 TB/s, 16 nodi di calcolo, 8 nodi di commutazione, con modalità operative che supportano sia il calcolo autonomo che il calcolo accelerato.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/0cf00195-6d6f-494c-b802-71d1354bd2dd-155674a0-c083-4fa4-92f3-c1640b85e6b8.jpeg)
L'azienda afferma che il sistema adotta un design modulare a raffreddamento liquido, con un PUE target inferiore a 1,1, e può essere espanso tramite interconnessione ottica fino a cluster contenenti fino a 100.000 schede.
È progettato per eseguire sia carichi di lavoro con modelli da trilioni di parametri che applicazioni di calcolo scientifico utilizzando un'unica famiglia hardware.
Questo è il significato principale della fusione tra supercalcolo e calcolo intelligente.
I cluster AI tradizionali sono generalmente ottimizzati per operazioni tensoriali, training di modelli o inferenza. I supercomputer tradizionali possono invece dare priorità a FP64, carichi di lavoro in stile MPI, simulazioni numeriche su larga scala e prestazioni parallele continue.
L'AI for Science sta sempre più combinando entrambi.
Un flusso di lavoro di ricerca potrebbe utilizzare simulazioni tradizionali per generare dati, addestrare un modello surrogato neurale, eseguire previsioni assistite dall'AI e poi tornare alla validazione numerica. Mantenere infrastrutture separate per ogni fase comporta duplicazioni di costi hardware, software e operativi.
HyperIntelliX mira a fornire una piattaforma sottostante unificata per entrambi i tipi di applicazioni.
L'affermazione che sia la prima piattaforma di fusione su larga scala per calcolo intelligente e supercalcolo proviene dall'azienda e dal report originale. Gli standard di classificazione dipendono da come vengono definiti i sistemi concorrenti e le implementazioni precedenti, quindi non dovrebbe essere considerata come una classifica di mercato stabilita in modo indipendente.
La piattaforma non è limitata ai grandi modelli
Taichu Yuanqi sottolinea che HyperIntelliX non si limita al training e all'inferenza AI generici.
L'azienda ha presentato progetti AI for Science in tre settori rappresentativi:
- Visualizzazione delle previsioni meteorologiche globali
- TecoQSim, simulatore quantistico classico
- Screening virtuale di farmaci su larga scala
Il calcolo scientifico richiede generalmente:
- Elevata concorrenza
- Elevato throughput di dati
- Attività a lunga esecuzione
- Funzionamento stabile per ore o giorni
- Operazioni in doppia precisione
- Sistemi di memoria distribuita su larga scala
- Librerie di calcolo numerico dedicate
- Risultati riproducibili
- Integrazione con il codice di ricerca esistente
Il team di Taichu Yuanqi ha un background che include la partecipazione a sistemi e progetti che hanno vinto il Gordon Bell Prize (uno dei premi più prestigiosi nel campo del calcolo ad alte prestazioni).
Queste esperienze supportano la decisione dell'azienda di entrare nel campo dell'AI for Science, sebbene i risultati storici del team non possano da soli dimostrare le prestazioni del nuovo prodotto.
Scienze della vita
Il lavoro descritto nei materiali ufficiali AI for Science di Taichu Yuanqi include:
- Reimplementazione nazionale di AlphaFold3 in collaborazione con i team di Baidu PaddlePaddle e Sunway
- Adattamento e
ottimizzazione di UCSF DOCK 3.7 con l'Università di Shandong
- Sviluppo di CrossDNA con l'Università di Hunan
Questi progetti riguardano la previsione della struttura delle proteine, il docking molecolare, lo screening virtuale di farmaci e la modellazione del linguaggio genomico.
Meteo e clima
Tecorigin ha collaborato con il team di calcolo scientifico di Baidu per sviluppare un sistema meteorologico nazionale in grado di visualizzare temperatura, vento, precipitazioni e traiettorie dei tifoni.
Le previsioni meteorologiche richiedono l'elaborazione di set di dati spazio-temporali su larga scala e la combinazione di modelli numerici con sistemi di machine learning.
Simulazione quantistica
Tecorigin ha sviluppato congiuntamente con il team dell'Università di Tsinghua TecoQSim, un simulatore classico per sistemi quantistici.
La piattaforma utilizza contrazione tensoriale complessa e calcolo numerico ad alte prestazioni per simulare il comportamento quantistico su hardware di calcolo tradizionale.
Fluidodinamica e scienza dei materiali
L'azienda ha inoltre descritto attività in fluidodinamica computazionale, modelli scientifici multimodali, scienza dei materiali, chimica e altri campi che combinano simulazione e intelligenza artificiale.
Queste collaborazioni dimostrano la gamma di applicazioni previste per la piattaforma. I dati sulle prestazioni di ciascun progetto dipendono ancora dalla loro configurazione specifica e dai metodi di valutazione.
La migrazione dell'ecosistema è la maggiore difficoltà per il calcolo nazionale
L'hardware potente da solo non è sufficiente se gli sviluppatori non possono migrare i loro carichi di lavoro sul nuovo hardware.
Tecorigin ha presentato due prodotti ecosistemici alla Conferenza Mondiale sull'Intelligenza Artificiale per ridurre i costi di migrazione.
Il primo prodotto è la Community Sviluppatori AI 2.0.
L'azienda afferma che la piattaforma supporta i seguenti principali sistemi di training e inferenza:
- Megatron-LM
- DeepSpeed
- PaddlePaddle e PaddleHelix
- PyTorch
- vLLM
- SGLang
- Transformers
- LLaMA-Factory
La catena di strumenti copre le seguenti fasi:
- Analisi del modello
- Migrazione
- Sviluppo di operatori
- Compilazione
- Ottimizzazione delle prestazioni
- Debug della precisione
- Distribuzione
- Gestione runtime
Questa piattaforma, in base alle caratteristiche dei carichi di lavoro di calcolo scientifico, integra:
- Programmazione delle risorse di calcolo
- Gestione dei job
- Ambiente di sviluppo
- Suite per il calcolo scientifico
- Modello di programmazione Taichu
- Librerie di accelerazione generiche e specifiche per dominio
- Strumenti di generazione degli operatori
- Ottimizzazione del compilatore
- Analisi delle prestazioni
altri sistemi.
Supporta anche framework tra cui:
- PyTorch
- JAX
- PaddlePaddle
- MindSpore
- vLLM
Il DevKit associato è progettato per ridurre i costi di scrittura e ottimizzazione degli operatori.
Perché la migrazione richiede tempo
Un modello che si avvia con successo potrebbe non essere ancora pronto per la produzione.
La migrazione può richiedere lavoro su più livelli:
- Sostituzione di operatori non supportati
- Porting di kernel personalizzati
- Aggiornamento dei sistemi di build
- Conversione del formato del modello
- Verifica della precisione numerica
- Riproduzione dei risultati di base
- Miglioramento dell'efficienza della memoria
- Ottimizzazione dei meccanismi di comunicazione
- Regolazione delle strategie di parallelismo
- Test di ripristino da guasto
- Aggiornamento degli strumenti di monitoraggio e distribuzione
La fonte originale cita stime di settore secondo cui l'adeguamento completo richiede da tre a sei mesi, con l'ottimizzazione delle prestazioni che rappresenta circa il 60% del lavoro.
Questa stima non è universalmente applicabile. La migrazione di modelli standard che utilizzano operatori supportati potrebbe essere più rapida, mentre codici di ricerca personalizzati di grandi dimensioni richiedono più tempo.
Il punto chiave è che il costo della migrazione misura il tempo di ingegneria e il rischio operativo, non semplicemente l'installazione del software.
Due strategie ecosistemiche
La fonte originale divide l'ecosistema degli acceleratori nazionali in due categorie principali.
Ecosistema orientato alla compatibilità
Questo percorso cerca di preservare i modelli di sviluppo familiari e di ridurre al minimo le modifiche ai carichi di lavoro esistenti.
I fornitori possono fornire compilatori, runtime, librerie di operatori e strumenti di migrazione proprietari, supportando al contempo framework e modelli di programmazione ampiamente utilizzati.
Il vantaggio è una riduzione dell'attrito nel passaggio.
Il rischio è che mantenere la piena compatibilità con un ecosistema maturo e in rapida evoluzione sia difficile. Potrebbero verificarsi sottili differenze semantiche o di prestazioni nei carichi di lavoro avanzati.
Ecosistema indipendente
Il secondo percorso costruisce un ambiente software più indipendente, come quello corrispondente allo stack tecnologico Huawei MindSpore e Ascend.
Ciò consente un controllo e un'ottimizzazione più profondi attorno all'hardware proprietario.
Il costo è che gli sviluppatori potrebbero dover imparare nuovi strumenti o apportare modifiche più ampie ai flussi di lavoro.
I materiali pubblici di Tecorigin indicano che è più vicino al percorso orientato alla compatibilità. Il suo sito web ufficiale descrive il supporto per modelli e framework mainstream e afferma che il suo stack software può adattarsi a oltre 40 serie di modelli.
La fonte originale stima che questo percorso possa coprire dall'80% al 90% degli scenari mainstream. Questo intervallo è una descrizione approssimativa da parte del fornitore o del settore, non una garanzia che ogni carico di lavoro possa essere migrato senza modifiche.
Costruire un ecosistema AI4Science
Il lavoro ecosistemico di Tecorigin include collaborazioni con università, istituti di ricerca e aziende.
La fonte originale elenca i seguenti casi:
- TecoQSim in collaborazione con l'Università di Tsinghua
- Piattaforma quantum-supercalcolo-IA in collaborazione con SpinQ
- Adattamento di RiverONE e verifica sulla piattaforma Loongson
- Supporto per l'infrastruttura AtomWorld dell'Institute for AI Industry Research (AIR) dell'Università di Tsinghua
- Riproduzione di AlphaFold3 in collaborazione con PaddlePaddle e il team Shenwei
- CrossDNA in collaborazione con l'Università di Hunan
- Ottimizzazione dell'aggancio molecolare in collaborazione con l'Università di Shandong
- Soluzioni AI4Science in collaborazione con Baidu PaddlePaddle
- Piattaforma nazionale di calcolo meteorologico
Applicazioni in collaborazione con il team di calcolo scientifico di Baidu
- Collaborazione con Dongrun per i lavori di calcolo energetico
- Adattamento del modello scientifico multimodale Intern-S1 del Shanghai AI Laboratory
La fonte afferma inoltre che l'azienda ha collaborato con oltre 100 università, istituti di ricerca e partner industriali.
Il numero di partner e il volume totale di adattamento sono dati auto-riportati dall'azienda. Questi dati dimostrano l'attività ecosistemica, ma di per sé non provano la profondità, la scala produttiva o il successo commerciale di ogni implementazione.
La strategia centrale rimane chiara:
Il chip è la chiave per entrare nel mercato, ma l'ecosistema software e applicativo determina se la piattaforma può continuare a fornire valore.
Sistema di sicurezza per modelli di grandi dimensioni in tutti i domini
Questa edizione di WAIC ha anche lanciato un Sistema di sicurezza per modelli di grandi dimensioni in tutti i domini, co-costruito da sette organizzazioni:
- Henan Konggang Intelligent Computing Center
- RealAI
- Tecorigin
- Anshi Information
- Qingyuan Zhiqian
- Point Data Technology
- Shu'an Xin
Alla base c'è una base di calcolo affidabile nazionale. Sopra, c'è una piattaforma integrata di valutazione e governance. Il livello superiore copre:
- Valutazione della sicurezza dei modelli di grandi dimensioni
- Conformità dei dati
- Sicurezza dei dati
- Sicurezza della catena di fornitura del software
- Formazione e istruzione sulla sicurezza
Questo potrebbe sembrare non correlato alle prestazioni del processore e del cluster, ma la sicurezza sta diventando sempre più una componente chiave della prontezza dell'infrastruttura.
I settori governativo, finanziario, sanitario e altri settori regolamentati non possono implementare modelli solo perché funzionano velocemente. Necessitano di controlli su dati, permessi, componenti software, comportamento del modello, audit e conformità.
Il valore di questo sistema di sicurezza congiunto dipenderà dai suoi standard, copertura, metodologie di test, qualità dell'integrazione e verifica indipendente.
Un diagramma a strati non equivale a una garanzia di sicurezza operativa.
Strategia infrastrutturale a tre livelli
La fonte riassume la combinazione di esposizioni di Tecorigin al WAIC di quest'anno in tre livelli interconnessi.
Livello inferiore: Hardware e sistemi di calcolo
- Architettura di calcolo eterogenea fusa HCU
- Processore T2 Ultra
- Sistema di calcolo HyperIntelliX
- Interconnessione su larga scala
- Infrastruttura cluster raffreddata a liquido
Livello intermedio: Sviluppatori e piattaforma AI4Science
- Comunità sviluppatori AI 2.0
- Adattamento dei framework
- Sviluppo di operatori
- Compilatori e strumenti di performance
- Piattaforma AI4Science
- DevKit e librerie di accelerazione
Livello superiore: Sicurezza e applicazioni di settore
- Sicurezza dei modelli di grandi dimensioni a tutto tondo
- Collaborazione scientifica
- Carichi di lavoro in ambito meteorologico, quantistico, scienze della vita, materiali, ecc.
- Implementazione in imprese e settore pubblico
![Immagine che mostra informazioni relative alla nuova generazione di sistema di calcolo fusionale intelligente, il Meta-quantum HyperIntelliX. La sezione centrale del valore elenca vantaggi come intelligenza su chip, interconnessione ad alta velocità, supporto full-stack, governance a livelli e servizi ecosistemici. Al centro viene introdotta l'architettura del sistema, che include TecoriginLink, TecoriginLink-Direct, TecoriginLink-RDMA, ecc. Il modulo delle capacità a destra copre manutenzione full-stack, supporto full-stack, governance full-stack ed ecosistema full-stack. Gli scenari applicativi in basso distinguono tra livello aziendale e livello pubblico, coprendo scenari AI, HPC, AI+HPC, ecc. Questa immagine è in linea con il contenuto del documento che presenta HyperIntelliX come infrastruttura di calcolo per applicazioni AI+HPC di prossima generazione.] (https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/9af300ac-a728-4eab-a396-fdbc4f48b60c-eeb7088b-d3a5-47d2-ae1c-d559e77dd571.jpeg)
I vari livelli si rafforzano a vicenda.
Un chip senza supporto software ha un campo di applicazione limitato. Un software privo di un hardware affidabile non può esprimere le sue prestazioni. Entrambi, se privi di governance e sicurezza, difficilmente possono essere implementati in settori sensibili.
Pertanto, il posizionamento di Tecorigin non è quello di un semplice fornitore di acceleratori sostitutivi, ma di un costruttore di uno stack infrastrutturale per l'intelligenza artificiale più ampio.
Il WAIC 2026 è una prova della maturità del calcolo nazionale
La fonte posiziona Tecorigin in un mercato più ampio di chip nazionali, che include anche produttori come Huawei Ascend, Cambricon, Muxi, Haiguang, ecc.
I vari dati del confronto – inclusi obiettivi di produzione, crescita dei ricavi, valore di mercato e numero di modelli adattati – sono aggiornati e provengono da dichiarazioni aziendali o rapporti finanziari. Questi dati non sono necessari per valutare l'architettura di Tecorigin e potrebbero cambiare rapidamente.
Un'osservazione più duratura è che il calcolo AI nazionale sta passando da un'adozione guidata dalle politiche a una maggiore verifica del mercato.
I clienti chiedono sempre più spesso:
- L'hardware può essere consegnato su larga scala?
- I grandi cluster riescono a mantenere la stabilità?
- Il software supporta i modelli mainstream attuali?
- Quanto tempo richiede la migrazione?
- Qual è il costo effettivo per ogni carico di lavoro?
- Gli ingegneri sono in grado di diagnosticare i problemi?
- Le prestazioni si mantengono dopo l'aggiornamento del modello?
- La piattaforma è abbastanza sicura per i dati soggetti a regolamentazione?
- Il fornitore può fornire supporto per l'intero ciclo di vita del sistema?
Il punto di differenziazione di Tecorigin sta nel tentativo di supportare sia l'AI che il calcolo scientifico attraverso un'architettura unificata.
L'opportunità è chiara: i carichi di lavoro AI4Science richiedono sia elevate prestazioni numeriche di precisione che capacità di accelerazione AI moderna.
La sfida è altrettanto chiara: l'azienda deve dimostrare:
- Affidabilità della produzione su larga scala
- Implementazione stabile su decine di migliaia di schede
- Elevato tasso di utilizzo
- Robusta compatibilità software
- Adattamento riutilizzabile dei modelli
- Costo totale di possesso competitivo
- Supporto tecnico sostenibile
- Verifica indipendente delle prestazioni
Passare da "utilizzabile" a "facile da usare" è un passo decisivo che qualsiasi ecosistema di calcolo alternativo deve compiere.
La vera competizione è sulla completezza del sistema
Il WAIC 2026 dimostra che l'era della dipendenza esclusiva dalle prestazioni di picco del calcolo singolo sta volgendo al termine.
L'infrastruttura AI moderna richiede il coordinamento di:
- Calcolo generico
- Calcolo accelerato
- Memoria
- Interconnessione
- Storage
- Raffreddamento
- Compilatori
- Framework
- Librerie di operatori
- Scheduling del cluster
- Adattamento dei modelli
- Software per il calcolo scientifico
- Sicurezza e governance
T2 Ultra è l'ultima risposta a livello di chip di Iluvatar CoreX, HyperIntelliX è la risposta a livello di sistema, mentre la piattaforma sviluppatori e lo stack tecnologico AI4Science costituiscono la risposta ecosistemica. L'architettura di sicurezza congiunta mira a soddisfare le esigenze di implementazione in ambienti sensibili.
Questa matrice di prodotti è ambiziosa e molte affermazioni tecnologiche devono ancora essere verificate su scala produttiva.
Ciò nonostante, mostra già le giuste unità di competizione.
Il futuro del panorama del calcolo nazionale non sarà deciso da quale azienda esibirà il picco teorico più alto in una fiera, ma da quale sistema riuscirà a eseguire stabilmente carichi di lavoro ad alto valore, migrare efficientemente l'ecosistema software e raggiungere la sostenibilità economica post-implementazione.
Domande frequenti
Cos'è Iluvatar CoreX T2 Ultra?
T2 Ultra è un processore eterogeneo many-core di nuova generazione basato sull'architettura HCU, che supporta modalità autonoma e modalità acceleratore, coprendo i formati di precisione da FP64 a FP4.
Cos'è l'architettura HCU?
HCU sta per Architettura di Calcolo Fusionale Eterogenea, che integra le risorse della CPU e i core di calcolo AI su una rete di interconnessione ad alta velocità condivisa, consentendo di regolare dinamicamente il rapporto tra le due in base ai diversi carichi di lavoro.
Cos'è HyperIntelliX?
HyperIntelliX è il sistema di calcolo fusionale su larga scala di Iluvatar CoreX per applicazioni AI e HPC scientifico, con T2 Ultra come nucleo, che integra raffreddamento liquido, interconnessione su larga scala e una piattaforma software condivisa.
Perché T2 Ultra supporta FP64?
FP64 è cruciale per simulazioni scientifiche e carichi di lavoro ingegneristici che richiedono elevata precisione numerica. Questo supporto consente al processore di gestire sia applicazioni AI4Science che HPC tradizionali, piuttosto che concentrarsi solo sull'inferenza AI a bassa precisione.
L'hardware Iluvatar CoreX può eseguire i framework AI mainstream?
I materiali ufficiali indicano il supporto per framework e strumenti come PyTorch, PaddlePaddle, Megatron-LM, DeepSpeed, vLLM, SGLang, Transformers, JAX, MindSpore. La profondità specifica del supporto e il lavoro di migrazione variano a seconda del modello e dell'operatore.
Cos'è la piattaforma AI4Science di Iluvatar CoreX?
È una piattaforma di calcolo scientifico integrata che combina hardware nazionale, scheduling dei job, ambiente di sviluppo, modelli di programmazione, librerie di calcolo scientifico, strumenti per operatori e supporto framework, coprendo ambiti come scienze della vita, meteorologia, simulazione quantistica, fluidodinamica, scienza dei materiali.
I dati sulle prestazioni di T2 Ultra sono stati verificati indipendentemente?
Le prestazioni di picco FP64, FP16, FP4, le specifiche di interconnessione e di scalabilità nei materiali di presentazione sono fornite dal produttore. Un confronto completo richiederebbe benchmark applicativi indipendenti e dati di implementazione produttiva.
Cos'è il sistema di sicurezza dei modelli di grandi dimensioni a tutto tondo?
Presentato al WAIC 2026, è un'architettura di sicurezza multiparte che integra il calcolo affidabile nazionale con la valutazione dei modelli, la governance, la conformità dei dati, la sicurezza dei dati, la sicurezza della catena di fornitura software e la sicurezza dell'addestramento.
Strumenti correlati
- Piattaforma sviluppatori Iluvatar CoreX: Portale ufficiale per sviluppatori, che fornisce modelli, risorse ecosistemiche e accesso alla piattaforma.
- PyTorch: Un framework open-source ampiamente utilizzato per l'addestramento, la ricerca e l'implementazione di modelli.
- Megatron-LM: Framework open-source sviluppato da NVIDIA per l'addestramento su larga scala di modelli Transformer.
- DeepSpeed: Sistema open-source di Microsoft che supporta l'addestramento distribuito di modelli e l'ottimizzazione dell'inferenza.
- vLLM: Un motore di servizio per modelli linguistici di grandi dimensioni open-source ad alta produttività.
- JAX: Un framework di calcolo numerico per carichi di lavoro di machine learning e calcolo scientifico.
Link correlati
- Sito ufficiale Iluvatar CoreX: Piattaforma ufficiale per informazioni su azienda, prodotti, soluzioni ed ecosistema.
- Panoramica prodotti e tecnologia Iluvatar CoreX: Informazioni ufficiali su architettura eterogenea, sistemi hardware, stack software, modelli supportati e gestione del calcolo.
- [Piattaforma AI4Science Iluvatar CoreX](https://www.tecorigin.
com/cn/ai4s.html): Dettagli ufficiali sulla piattaforma nazionale AI4Science, strumenti di programmazione, framework supportati e casi di studio.
- Centro documentazione di Tianshu Zhixin: Documentazione tecnica e casi di studio sui prodotti e i progetti dell'ecosistema di Tianshu Zhixin.
- Piattaforma sviluppatori di Tianshu Zhixin: Portale per risorse modellistiche e accesso all'ecosistema per sviluppatori.
- Report sul prodotto WAIC 2026: Articolo dedicato a T2 Ultra, HyperIntelliX, piattaforma AI4Science e sistemi di sicurezza per grandi modelli.
- Rapporto del Centro Nazionale per l'Innovazione Scientifica e Tecnologica: Panoramica ufficiale governativa sull'implementazione di Tianshu Zhixin nel campo dell'intelligenza artificiale, meteorologia, biologia e centri di calcolo intelligenti.
Riepilogo
I prodotti presentati da Tianshu Zhixin al WAIC 2026 integrano la nuova architettura eterogenea HCU, il processore T2 Ultra, il sistema di calcolo ibrido HyperIntelliX, strumenti per sviluppatori, la piattaforma AI4Science e un sistema di sicurezza a livelli.
Questa strategia risponde ai cambiamenti concreti nell'infrastruttura dell'IA. I carichi di lavoro degli agenti richiedono una maggiore capacità di coordinamento generalizzato, mentre l'IA scientifica necessita di calcolo numerico ad alta precisione, attività a lungo ciclo e sistemi paralleli scalabili.
Sebbene l'architettura e le specifiche annunciate dal produttore siano promettenti, l'affidabilità produttiva, la maturità software, la stabilità dei cluster, le prestazioni applicative e i costi operativi totali attendono ancora una verifica più estesa.
Il significato del lancio di Tianshu Zhixin non risiede nei parametri tecnici di un singolo chip, ma nel tentativo di costruire un fondamento computazionale completo per intelligenza artificiale, agenti, calcolo scientifico, migrazione software e sicurezza delle implementazioni.