Tecorigin T2 UltraとHyperIntelliX：AIとHPCを統合するコンピューティングプラットフォーム
WAIC 2026は上海を中国の急拡大するAIコンピューティング産業のショーケースへと変貌させた。本展示会には108のチップと200以上のインテリジェントコンピューティング製品が出展され、アクセラレータ、スーパーノード、クラスターシステム、ソフトウェアスタック、科学計算プラットフォーム、業界向けソリューションが含まれている。競争の基調はすでに変わっている。初期の頃は、ベンダーはシングルカードのピーク性能でリードすることが多かった。今年、繰り返し現れるテーマは**システムアーキテクチャ**、**大（規模）**である。
Tecorigin T2 UltraとHyperIntelliX：AIとHPCを統合するコンピューティングプラットフォーム
はじめに
WAIC 2026は、上海を中国で急速に拡大するAIコンピューティング産業のショーケースへと変貌させた。今年の展示会には108種類のチップと200以上のインテリジェントコンピューティング製品が集まり、アクセラレータ、スーパーノード、クラスターシステム、ソフトウェアスタック、科学計算プラットフォーム、業界ソリューションなどが含まれている。
競争の構図は変わった。
数年前までは、ベンダー各社はシングルカードのピーク性能を宣伝の中心に据えていた。しかし今年は、システムアーキテクチャ、大規模連携、相互接続効率、ソフトウェア移行、完全な導入能力が繰り返し登場するキーワードとなった。
モデルが大規模化し、エージェントシステムの状態が強化され、科学インテリジェンス（AI for Science）のワークロードが汎用計算とアクセラレーテッド計算の両方を要求するにつれて、孤立したチップの価値は周辺システムから切り離して評価することが難しくなっている。
張江のTecoriginブースでは、同社は新型の異種多コアチップと、「AIとHPCの融合」というコンセプトに基づいて設計された大型スーパーノードシステムを展示していた。
中核となる製品は以下の通り：
- HCU（Heterogeneous Converged Unified）アーキテクチャ
- 新型 T2 Ultra プロセッサ
- HyperIntelliX 大規模計算システム
- アップグレードされたデベロッパーコミュニティと移行ツールチェーン
- 自社開発のAI4Science計算プラットフォーム
- 多分野全領域大規模言語モデルセキュリティ体系
シングルカード性能よりもアーキテクチャを優先
TecoriginのCEOである楊晋哲（ヤン・ジンジェ）氏は、業界の現状をシングルカード競争からシステムレベルの競争への移行と表現している。
この変化は、ワークロード自体の変化を反映している。
大規模モデルはすでに1兆パラメータの閾値を超えている。エージェントシステムは、より複雑な計画、スケジューリング、メモリ管理、ツール連携を必要とする。科学インテリジェンスアプリケーションは、高スループットの数値計算、長時間実行タスク、厳格な倍精度要件を追加する。
周辺のCPU、メモリ、通信リンク、ストレージ、スケジューリングソフトウェアが追いつかない場合、アクセラレータカードの枚数を単純に増やしても、限界効用が逓減する可能性がある。
関連する目標は、単なる理論上の最大演算力ではなく、システム全体における有用な計算の実際のコストを削減することである。
他のWAIC出展者も同様のシステムレベルの戦略を示しており、華為（ファーウェイ）のAtlas 950 SuperPoD、沐曦（ムーシー）のXijingスーパーノードシステム、阿里巴巴（アリババ）の凌駿真武（リュンジュン・ジェンウー）インフラストラクチャなどが含まれる。
Tecoriginのソリューションは、そのHCUアーキテクチャ、すなわちHeterogeneous Converged Unified Architecture（異種融合コンピューティングアーキテクチャ）である。
提案された役割分担の概要は以下の通り：
- CPU側は、エージェントスケジューリング、ワークフロー制御、データ前処理などの汎用タスクを担当する。
- XPA計算アレイは、大規模モデルのトレーニングと推論に特化する。
- 共有階層メモリは、ホットデータとコールドデータを動的に管理する。
- システムはタスク要件に応じてリソースバランスを変更し、固定のCPUとアクセラレータの構成に依存しない。
実用的な観点から見ると、この設計は2つの計算リソースを同じアーキテクチャ内に統合し、システムがリソースをより柔軟に割り当てることを可能にする。
その潜在的な利点は、混合ワークロードにおける高い利用率にある。システムは、制御集約型のタスクごとに高スループットのAIアレイを使用する必要がなく、また、多くのスケジューリングと調整を必要とするワークロードにおいて、より小さなホストCPUに依存する必要もない。
異種多コアコンピューティングがエージェントにとって意味すること
従来のAIサーバーは通常、1つのCPUに4～8つのGPUまたはAIアクセラレータカードを組み合わせていた。
この設計では、CPUは通常ホストの役割を果たす。タスクを起動し、データ移動を管理し、OSの処理を実行し、アクセラレータを調整する。
アクセラレータが計算の大部分を実行し、制御パスが比較的単純である場合、このモードは良好に機能する。
エージェントAIはこのバランスを崩す。
効率的なエージェントは以下を必要とする可能性がある：
- 目的の解釈
- サブタスクへの分割
- ツールの選択
- ワークフローの計画と調整
- 外部データの読み書き
- 長期記憶の維持
- 複数のモデルまたはサブエージェントの調整
- 失敗したアクションからの復旧
- 権限と承認の管理
- 長時間のセッションでの継続的な実行
これらの操作の多くは、密な行列乗算ではなく汎用計算に依存する。
ソース記事は業界の予想を引用している。歴史的にCPUとGPUの多対一の比率は、将来の一部のノードでは一対一に近づき、エージェント集約型のワークロードではCPUの需要がさらに高まる可能性がある。
阿里雲（アリババクラウド）もかつてエージェントを、有状態スケジューリングと無状態実行の組み合わせと表現しており、これはよりきめ細かいリソース制御を必要とする。
TecoriginのHCUアーキテクチャは、プロセッサレベルでこの変化に対応することを目的としている。
CPUリソースとAIコアを同じ高速相互接続構造で接続することにより、同社は完全に分離されたホスト-アクセラレータ設計と比較してデータ転送オーバーヘッドを削減することを目指している。
理論上の利点が実際の成果に結びつくかどうかは、実際のアプリケーション性能、コンパイラの品質、メモリ動作、スケジューリング戦略、エネルギー効率、システム利用率に依存する。
T2 Ultra：単一プロセッサ、2つの動作モード
Tecoriginが発表したT2 Ultraは、同社の新しいHCUアーキテクチャに基づく初のプロセッサである。
その最も顕著な特徴は、デュアルモード設計である。
スタンドアロンコンピューティングモード
スタンドアロンコンピューティングモードでは、T2 Ultraは単なる追加アクセラレータではなく、完全な計算ノードとして動作できる。
これにより、以下の用途に適している：
- エッジデプロイメント
- 小規模研究システム
- ワークステーション
- 独立した計算ノード
- 独立したホストアーキテクチャが複雑性を増す環境
アクセラレーテッドコンピューティングモード
アクセラレーテッドモードでは、T2 Ultraはホストシステムと連携し、より大規模なサーバーやクラスター内で高スループット計算エンジンとして機能する。
このモードは以下をサポートする：
- 大規模モデルトレーニング
- 大規模推論
- マルチカードサーバー
- スーパーノード
- 科学計算クラスター
- データセンターデプロイメント
したがって、同じシリーズのプロセッサが複数のインフラストラクチャの役割で機能できる。
公表されたT2 Ultraの仕様
Tecoriginおよび元のレポートは、以下のピーク仕様を列挙している：
| 精度または特徴 | 公表された仕様 |
|---|---|
| FP64 HPC演算性能 | 38 TFLOPS |
| FP16 スパース演算性能 | 1,200 TFLOPS |
| FP4 スパース演算性能 | 4,800 TFLOPS |
| 精度範囲 | FP64からFP4 |
| チップ間相互接続帯域幅 | 800 GB/s |
| 動作モード | スタンドアロンおよびアクセラレーテッドコンピューティング |
| 単一システム最大直接接続数 | 最大128カード |
以上はベンダー提供のピークデータである。
FP64性能は、倍精度計算を必要とする科学・工学アプリケーションにとって特に重要である。FP16およびFP4はAIトレーニングと推論を対象としており、モデルと精度要件が許す場合、低精度フォーマットを使用することでスループットを向上させることができる。
スパース演算データも、サポートされるスパース化パターンをワークロードおよびソフトウェアが活用できることを前提としています。ベンチマーク手法が確認されるまでは、これを密な演算と直接比較すべきではありません。
T2 Ultraの実際の価値は以下に依存します：
- 持続的なアプリケーションパフォーマンス
- メモリ帯域幅と容量
- クラスターの拡張効率
- 低精度での正確性
- ソフトウェアサポート
- 信頼性
- 消費電力
- 生産供給状況
- 完了したワークロードあたりのコスト
デュアルモードアーキテクチャは、複数の展開規模を必要とする顧客にとってハードウェアの断片化問題を軽減する可能性がありますが、ターゲットワークロードへの適合性を検証する必要があります。
HyperIntelliX：インテリジェントコンピューティングとスーパーコンピューティングの融合
T2 Ultraが計算エンジンであるなら、HyperIntelliXはそれに基づいて構築された大規模プラットフォームです。
天鈞（Tecorigin）はHyperIntelliXを以下の能力を統合した国産計算システムとして位置づけています：
- モデルトレーニングと推論向けのインテリジェントコンピューティング
- 数値シミュレーション向けのハイパフォーマンスコンピューティング
- AI4Scienceワークフロー
- 大規模相互接続
- 液冷モジュール式インフラストラクチャ
- 共有ソフトウェアとリソース管理
同社によると、本システムは液冷モジュール設計を採用し、目標PUEは1.1未満であり、光相互接続により最大10万カードを含むクラスターに拡張可能です。
これは、単一のハードウェアファミリーで兆パラメータモデルのワークロードと科学計算アプリケーションを同時に実行することを目的としています。
これこそが、スーパーコンピューティングとインテリジェントコンピューティングの融合の核心的な意味です。
AI4Scienceは両者を融合させる
従来のAIクラスターは通常、テンソル演算、モデルトレーニング、または推論に最適化されています。従来のスーパーコンピュータは、FP64、MPIスタイルのワークロード、大規模数値シミュレーション、持続的な並列パフォーマンスを優先する場合があります。
研究ワークフローでは、従来のシミュレーションでデータを生成し、神経代替モデルをトレーニングし、AI支援予測を実行し、そして数値検証に戻る可能性があります。各段階に独立したインフラを維持すると、ハードウェア、ソフトウェア、運用コストの重複が生じます。
HyperIntelliXは、これら両方のアプリケーション向けに統合された基盤プラットフォームを提供することを目指しています。
これを業界初の大規模インテリジェントコンピューティングとスーパーコンピューティングの融合プラットフォームと呼ぶのは、同社と元の報道に基づいています。分類基準は競合システムや以前の展開をどのように定義するかに依存するため、独立して確立された市場ランキングと見なすべきではありません。
このプラットフォームは大規模モデルに限定されない
太初元碁（Tecorigin）は、HyperIntelliXが汎用AIトレーニングと推論に限定されないことを強調しています。
同社は、AI for Scienceの3つの代表的領域を紹介しました：
- グローバル天気予報の可視化
- TecoQSim古典量子シミュレータ
- 大規模仮想薬物スクリーニング
これらのワークロードは、典型的なチャットボットや検索アプリケーションとは異なる要件を持っています。
科学計算は通常以下を必要とする：
- 高並行性
- 高データスループット
- 長時間実行タスク
- 数時間または数日にわたる安定動作
- 倍精度演算
- 大規模分散メモリシステム
- 専用数値計算ライブラリ
- 再現可能な結果
- 既存の研究コードとの統合
太初元碁チームの背景には、ゴードン・ベル賞（ハイパフォーマンスコンピューティング分野で最も権威ある賞の一つ）を受賞したシステムやプロジェクトへの参加が含まれています。
これらの経験は同社のAI for Scienceへの進出を支えていますが、チームの過去の成果だけで新製品の性能を証明することはできません。
ライフサイエンス
太初元碁公式のAI for Science資料に記載されている取り組みには以下が含まれます：
- Baidu PaddlePaddleおよび神威（Sunway）チームとの協力によるAlphaFold3の国産化再現
- 山東大学によるUCSF DOCK 3.7の最適化への適応
- 湖南大学との共同開発によるCrossDNA
これらのプロジェクトは、タンパク質構造予測、分子ドッキング、仮想薬物スクリーニング、ゲノム言語モデリングを対象としています。
天気と気候
太初はBaiduの科学計算チームと協力し、気温、風力、降雨量、台風の軌跡を可視化する国内向け気象システムを開発しました。
天気予報には、大規模な時空間データセットの処理と、数値モデルと機械学習システムの統合が必要です。
量子シミュレーション
太初は清華大学のチームと共同で、量子システム向けの古典シミュレータTecoQSimを開発しました。
このプラットフォームは、複雑なテンソル収縮と高性能数値計算を活用して、従来の計算ハードウェア上で量子の振る舞いをシミュレートします。
流体力学と材料科学
同社はまた、計算流体力学、科学マルチモーダルモデル、材料科学、化学、およびシミュレーションとAIを組み合わせたその他の分野での取り組みについて説明しました。
これらの協業は、このプラットフォームの想定される適用範囲を示しています。各プロジェクトのパフォーマンスデータは、その具体的な構成と評価方法に依存します。
エコシステム移行が国産計算の最大の課題
開発者がワークロードを新しいハードウェアに移行できなければ、強力なハードウェアだけでは十分ではありません。
太初はWAICで、移行コストを削減するための2つのエコシステム製品を発表しました。
最初の製品は、AIデベロッパーコミュニティ2.0です。
同社によると、このプラットフォームは以下の主要なトレーニングおよび推論システムをサポートしています：
- Megatron-LM
- DeepSpeed
- PaddlePaddle と PaddleHelix
- PyTorch
- vLLM
- SGLang
- Transformers
- LLaMA-Factory
ツールチェーンは以下の段階をカバーしています：
- モデル分析
- 移行
- オペレーター開発
- コンパイル
- パフォーマンス最適化
- 精度デバッグ
- デプロイ
- ランタイム管理
2つ目の製品は、新しい国産AI4Science計算プラットフォームです。
このプラットフォームは、科学計算負荷の特性に基づき、以下の機能を統合しています。
- 計算リソーススケジューリング
- ジョブ管理
- 開発環境
- 科学計算スイート
- 太初プログラミングモデル
- 汎用およびドメイン特化型アクセラレーションライブラリ
- オペレータ生成ツール
- コンパイラ最適化
- パフォーマンス分析
また、以下のフレームワークもサポートしています。
- PyTorch
- JAX
- PaddlePaddle
- MindSpore
- vLLM
付属のDevKitは、オペレータの作成と最適化にかかるコストを削減することを目的としています。
移行に時間がかかる理由
正常に起動できるモデルであっても、必ずしも本番環境に対応できる状態にあるとは限りません。
移行には、複数のレベルでの作業が必要となる可能性があります。
- サポートされていないオペレータの置き換え
- カスタムカーネルの移植
- ビルドシステムの更新
- モデル形式の変換
- 数値精度の検証
- ベースライン結果の再現
- メモリ効率の向上
- 通信メカニズムの最適化
- 並列戦略の調整
- 障害復旧のテスト
- 監視とデプロイツールの更新
原文は業界の推定値を引用し、完全な適合には3～6ヶ月を要し、そのうちパフォーマンス最適化が作業量の約60%を占めると述べています。
この推定値は普遍的に適用されるわけではありません。サポートされているオペレータを使用する標準モデルの移行はより高速である可能性がありますが、大規模なカスタム研究コードの場合はより長い時間がかかります。
重要なのは、移行コストは単なるソフトウェアのインストールではなく、エンジニアリングの工数と運用リスクを衡量するものであるということです。
2つのエコシステム戦略
原文は、国内のアクセラレータエコシステムを2つの大きなカテゴリーに分類しています。
互換性指向型エコシステム
このアプローチは、慣れ親しんだ開発パターンを維持し、既存のワークロードへの変更を最小限に抑えることを目指します。
ベンダーは、自社開発のコンパイラ、ランタイム、オペレータライブラリ、移行ツールを提供するとともに、広く使用されているフレームワークとプログラミングモデルをサポートすることができます。
利点は、切り替え時の摩擦を低減できることです。
リスクは、成熟し急速に進化するエコシステムとの完全な互換性を維持することが困難である点です。高度なワークロードでは、微妙な意味論的またはパフォーマンスの差異が発生する可能性があります。
独立型エコシステム
2つ目のアプローチは、より独立したソフトウェア環境を構築するもので、例えばHuaweiの昇思（MindSpore）と昇騰（Ascend）テクノロジースタックに対応するエコシステムなどが該当します。
これにより、自社のハードウェアを中心としたより深い制御と最適化が可能になります。
代償として、開発者は新しいツールを学んだり、ワークフローをより広範囲に変更したりする必要が生じる可能性があります。
中科加禾（Tecorigin）の公開資料によれば、同社は互換性指向型のアプローチに近いことが示されています。同社のウェブサイトは、主流のモデルとフレームワークのサポートを謳っており、同社のソフトウェアスタックは40以上のモデルシリーズに適合可能と述べています。
原文は、このアプローチで主流シナリオの80%～90%をカバーできると推定しています。この範囲は、ベンダーまたは業界による大まかな記述であり、すべてのワークロードが変更なしで移行できることを保証するものではありません。
AI4Scienceエコシステムの構築
中科加禾のエコシステム活動には、大学、研究機関、企業との協力が含まれます。
原文は以下の事例を挙げています。
- 清華大学とのTecoQSim協力
- 本源量子（SpinQ）との量子-スーパーコンピューティング-知能コンピューティングプラットフォーム構築
- RiverONEの適合と龍芯プラットフォームでの検証
- 清華大学智能産業研究院（AIR）のAtomWorldインフラストラクチャのサポート
- 飛桨（PaddlePaddle）及び神威チームとのAlphaFold3再現
- 湖南大学とのCrossDNA協力
- 山東大学との分子ドッキング最適化
- 百度飛桨とのAI4Scienceソリューション協力
- 国産気象計算プラットフォーム
百度科学計算チームとの協力アプリケーション
- 東潤とのエネルギー計算作業における協力
- 上海人工知能研究所のIntern-S1科学マルチモーダルモデルの適合
この情報源はまた、同社が100以上の大学、研究機関、業界パートナーと協力していると指摘しています。
パートナー数と適合総数は、いずれも企業自身による報告データです。これらのデータはエコシステムの活性度を示すものですが、それ自体が各デプロイメントの深さ、本番規模、または商業的成功を証明するものではありません。
中核となる戦略は依然として明確です。
チップは市場への鍵ですが、プラットフォームが持続的に価値を発揮できるかどうかを決定するのはソフトウェアとアプリケーションエコシステムです。
全領域大規模モデルセキュリティシステム
今回のWAICでは、7つの機関によって共同構築された全領域大規模モデルセキュリティシステムも発表されました。
- 河南空港智算中心
- 瑞莱智慧
- 太初元算
- 安勢信息
- 清源智遷
- 点数科技
- 数安信
最下層は国産の信頼できる計算基盤です。その上に統合評価・ガバナンスプラットフォームが位置します。上位層は以下を包含します。
- 大規模モデルセキュリティ評価
- データコンプライアンス
- データセキュリティ
- ソフトウェアサプライチェーンセキュリティ
- セキュリティトレーニングと教育
これはプロセッサやクラスタのパフォーマンスとは無関係に見えますが、セキュリティはますますインフラストラクチャの readiness の重要な構成要素となっています。
政府、金融、医療、その他の規制対象業界は、モデルが高速に実行されるという理由だけでデプロイすることはできません。データ、権限、ソフトウェアコンポーネント、モデル動作、監査、コンプライアンスを網羅する管理が必要です。
この共同セキュリティシステムの価値は、その基準、カバレッジ、テスト方法、統合品質、および独立した検証に依存します。
階層化された概略図は、実行可能なセキュリティ保証と同等ではありません。
3層インフラストラクチャ戦略
情報源は、今回のWAICでの太初元算の展示内容を、相互に関連する3つの層として要約しています。
最下層：ハードウェアと計算システム
- HCU異種融合計算アーキテクチャ
- T2 Ultraプロセッサ
- HyperIntelliX計算システム
- 大規模インターコネクト
- 液冷クラスタインフラストラクチャ
中間層：開発者とAI4Scienceプラットフォーム
- AI開発者コミュニティ2.0
- フレームワーク適応
- オペレーター開発
- コンパイラとパフォーマンスツール
- AI4Scienceプラットフォーム
- DevKitとアクセラレーションライブラリ
上位層：セキュリティと業界アプリケーション
- 全領域大規模モデルセキュリティ
- 研究協力
- 気象、量子、生命科学、材料などの計算負荷
- 企業および公共部門への導入
ソフトウェアのサポートがないチップは、その応用範囲が限られます。信頼できるハードウェアに支えられていないソフトウェアは、性能を発揮できません。両者にガバナンスとセキュリティ保証が欠けている場合、機密性の高い業界への導入は困難です。
したがって、中科弧光（Tecorigin）のポジショニングは、単なる代替型アクセラレータサプライヤーではなく、より広範な人工知能インフラストラクチャスタックの構築者です。
2026世界人工知能会議（WAIC）は、国産計算の成熟度を試す場
情報源は中科弧光を、華為昇騰、寒武紀、沐曦、海光などのメーカーも含む、より大きな国産チップ市場に位置づけています。
比較における複数のデータ（生産目標、収益成長、時価総額、モデル適応数を含む）は、一時的なものであり、すべて企業声明または財務報告書からのものです。これらのデータは中科弧光のアーキテクチャを評価するために必須ではなく、急速に変化する可能性があります。
より永続的な観察は、国産人工知能計算が政策主導の採用から、より強い市場検証へと移行していることです。
顧客はますます次のように問いかけています：
- ハードウェアは大規模に納品可能か？
- 大規模クラスターは安定して稼働するか？
- ソフトウェアは現在の主流モデルをサポートしているか？
- 移行にはどのくらいの時間がかかるか？
- 各ワークロードの実際のコストはいくらか？
- エンジニアは問題を診断できるか？
- モデルアップグレード後も性能は維持されるか？
- プラットフォームは規制対象データに対して十分に安全か？
- サプライヤーはシステムのライフサイクル全体を通じてサポートを提供できるか？
中科弧光の差別化ポイントは、統一されたアーキテクチャを通じて人工知能と科学計算をサポートしようとしている点です。
機会は明確です：AI4Scienceワークロードは、高精度な数値性能と最新の人工知能加速能力の両方を必要とします。
課題も同様に明確です：同社は以下を証明しなければなりません：
- 信頼性の高い大規模生産
- 安定した万卡および十万卡の導入
- 高い利用率
- 強力なソフトウェア互換性
- 再利用可能なモデル適応
- 競争力のある総所有コスト（TCO）
- 持続可能な技術サポート
- 独立した性能検証
「使える」から「使いやすい」へと移行することは、あらゆる代替計算エコシステムが踏まなければならない決定的な一歩です。
真の競争はシステムの完全性にあり
2026年の世界人工知能会議は、単一のピーク計算性能に依存する時代が終わりつつあることを示しています。
現代の人工知能インフラは、以下を調整する必要があります：
- 汎用計算
- アクセラレーテッドコンピューティング
- メモリ
- 相互接続
- ストレージ
- 冷却
- コンパイラ
- フレームワーク
オペレーターライブラリ
- クラスタースケジューリング
- モデル適応
- 科学計算ソフトウェア
- セキュリティとガバナンス
T2 Ultra は、芯片レベルでの天數智芯の最新の答えであり、HyperIntelliX はそのシステムレベルの答えです。開発者プラットフォームと AI4Science テクノロジースタックは、エコシステムの答えを構成します。統合セキュリティアーキテクチャは、機密環境への導入ニーズに対処することを目的としています。
この製品マトリックスは野心的であり、多くの技術的主張はまだ生産規模での検証を必要としています。
それでも、すでに正しい競争単位を示しています。
将来の国産計算の状況の勝敗は、どの企業が展示会で最も高い理論上のピーク性能を示すかではなく、どのシステムが高価値のワークロードを安定して実行し、ソフトウェアエコシステムを効率的に移行し、導入後の経済的持続可能性を実現できるかによって決まります。
よくある質問
天數智芯 T2 Ultra とは何ですか？
T2 Ultra は、HCU アーキテクチャに基づく新しい世代のヘテロジニアスメニーコアプロセッサであり、自律モードとアクセラレータモードをサポートし、FP64 から FP4 までの精度フォーマットをカバーしています。
HCU アーキテクチャとは何ですか？
HCU は、ヘテロジニアスフュージョンコンピューティングアーキテクチャの略で、CPU リソースと AI 計算コアを共有の高速相互接続ネットワーク上に配置し、さまざまなワークロードに応じて両方の比率を動的に調整できます。
HyperIntelliX とは何ですか？
HyperIntelliX は、天數智芯が AI と高性能科学計算向けに発表した統合大規模計算システムであり、T2 Ultra をコアとし、液冷、大規模相互接続、共有ソフトウェアプラットフォームを統合しています。
T2 Ultra が FP64 をサポートする理由は何ですか？
FP64 は、高い数値精度を必要とする科学シミュレーションと工学計算にとって重要です。このサポートにより、プロセッサは低精度の AI 推論にのみ焦点を当てるのではなく、AI4Science と従来の HPC アプリケーションの両方を処理できるようになります。
天數智芯のハードウェアは、主流の AI フレームワークを実行できますか？
公式資料によると、PyTorch、PaddlePaddle、Megatron-LM、DeepSpeed、vLLM、SGLang、Transformers、JAX、MindSpore などのフレームワークとツールをサポートしています。具体的なサポートの深さと移行作業量は、モデルとオペレーターによって異なります。
天數智芯 AI4Science プラットフォームとは何ですか？
このプラットフォームは、国産ハードウェア、ジョブスケジューリング、開発環境、プログラミングモデル、科学計算ライブラリ、オペレーターツール、フレームワークサポートを統合した研究計算プラットフォームであり、生命科学、気象、量子シミュレーション、流体力学、材料科学などの分野をカバーしています。
T2 Ultra の性能データは、独立して検証されていますか？
発表資料における FP64、FP16、FP4 のピーク性能、相互接続、拡張仕様は、メーカーから提供されています。完全な比較には、独立したアプリケーションベンチマークと本番導入データに依存する必要があります。
全領域大規模モデルセキュリティシステムとは何ですか？
このシステムは、2026 年 WAIC で発表されたもので、国産の信頼できるコンピューティングと、モデル評価、ガバナンス、データコンプライアンス、データセキュリティ、ソフトウェアサプライチェーンセキュリティ、トレーニングセキュリティを統合したマルチパーティセキュリティアーキテクチャです。
関連ツール
- 天數智芯開発者プラットフォーム: 公式開発者ポータル。モデル、エコシステムリソース、プラットフォームへのアクセスを提供します。
- PyTorch: モデルトレーニング、研究、展開に広く使用されているオープンソースフレームワーク。
- Megatron-LM: エヌビディア（NVIDIA）が開発した、Transformer モデルの大規模トレーニング用オープンソースフレームワーク。
- DeepSpeed: マイクロソフト（Microsoft）のオープンソースシステムで、分散モデルトレーニングと推論最適化をサポートします。
- vLLM: 高スループットのオープンソース大規模言語モデルサービングエンジン。
- JAX: 機械学習および科学計算ワークロード向けの数値計算フレームワーク。
関連リンク
- 天數智芯公式サイト: 企業、製品、ソリューション、エコシステム情報の公式プラットフォーム。
- 天數智芯製品と技術概要: ヘテロジニアスアーキテクチャ、ハードウェアシステム、ソフトウェアスタック、サポートモデル、計算管理に関する公式情報。
- [天數智芯AI4Scienceプラットフォーム](https://www.tecorigin.
com/cn/ai4s.html)：国産AI4Scienceプラットフォーム、プログラミングツール、対応フレームワーク、研究事例の公式詳細。
- 天数智芯ドキュメントセンター：天数智芯の製品およびエコシステムプロジェクトに関する技術ドキュメントとケーススタディ。
- 天数智芯デベロッパープラットフォーム：モデルリソースとデベロッパーエコシステムへの入り口。
- WAIC 2026製品レポート：T2 Ultra、HyperIntelliX、AI4Scienceプラットフォーム、大規模モデルセキュリティシステムに特化した記事。
- 国家科学技術イノベーションセンター報告：政府公式サイトによる、天数智芯の人工知能、気象、バイオ、および知能計算センターへの展開状況の概要。
まとめ
天数智芯がWAIC 2026で発表した製品は、新たなHCUヘテロジニアスアーキテクチャ、T2 Ultraプロセッサ、HyperIntelliX統合計算システム、デベロッパーツール、AI4Scienceプラットフォーム、そして階層型セキュリティシステムを一つに融合したものである。
この戦略は、AIインフラ分野における現実の変化に対応するものである。エージェントワークロードにはより汎用的な調整能力が求められ、一方、科学AIには高精度な数値計算、長期間の実行タスク、拡張可能な並列システムが必要となる。
アーキテクチャやメーカー公表のスペックは期待を抱かせるものの、その実利用可能性、ソフトウェアの成熟度、クラスターの安定性、アプリケーションパフォーマンス、総運用コストについては、今後さらに広範な検証が待たれる。
天数智芯が今回の発表で示した意義は、単一チップのスペックにとどまらず、人工知能、エージェント、科学計算、ソフトウェア移行、セキュリティ実装のための、完全な計算基盤を構築しようとする試みにある。