Tecorigin T2 Ultra 및 HyperIntelliX: AI와 HPC 통합 컴퓨팅 플랫폼

서론

WAIC 2026은 상하이를 중국의 급성장하는 AI 컴퓨팅 산업의 쇼케이스 창구로 만들었습니다. 이번 행사에는 108개의 칩과 200여 개의 지능형 컴퓨팅 제품이 전시되었으며, 가속기, 슈퍼 노드, 클러스터 시스템, 소프트웨어 스택, 과학 컴퓨팅 플랫폼 및 산업 솔루션이 포함되었습니다.

경쟁 구도가 변화했습니다.

몇 년 전만 해도 업체들은 단일 카드의 최고 성능을 홍보 포인트로 삼았습니다. 그러나 올해는 시스템 아키텍처, 대규모 협업, 상호 연결 효율성, 소프트웨어 마이그레이션 및 완전한 배포 역량이 반복적으로 등장하는 키워드가 되었습니다.

모델 규모가 확대되고, 에이전트 시스템의 상태가 강화되며, 과학 지능(AI for Science) 워크로드가 범용 컴퓨팅과 가속 컴퓨팅 모두에 대한 요구를 높이면서, 단일 칩의 가치는 주변 시스템과 분리되어 평가되기 어려워졌습니다.

장장에 위치한 테코리진(Tecorigin) 부스에서, 이 회사는 새로운 이종 매니코어 칩과 소위 'AI와 HPC의 융합' 개념을 중심으로 설계된 대형 슈퍼 노드 시스템을 선보였습니다.

핵심 제품은 다음과 같습니다:

• HCU 이종 융합 컴퓨팅 아키텍처
  -全新 T2 Ultra 프로세서
• HyperIntelliX 대규모 컴퓨팅 시스템
• 업그레이드된 개발자 커뮤니티 및 마이그레이션 툴체인
• 자체 개발한 AI4Science 컴퓨팅 플랫폼
• 다자간 전 분야 대규모 모델 보안 체계

이 회사의 관점은 명확합니다. 시장은 이제 더 이상 국산 칩이 단순히 모델을 실행할 수 있는지 여부만을 평가하는 것이 아니라, 완전한 플랫폼이 다양한 워크로드를 지원할 수 있는지, 대규모 클러스터로 확장 가능한지, 마이그레이션 비용을 줄일 수 있는지, 그리고 프로덕션 환경에서 안정성을 유지할 수 있는지를 평가합니다.

단일 카드 성능보다 아키텍처가 우선

테코리진의 CEO 양진저는 업계 현황을 단일 카드 경쟁에서 시스템 수준 경쟁으로의 전환으로 설명합니다.

이러한 변화는 워크로드 자체의 변화를 반영합니다.

대규모 모델은 이미 1조 개의 파라미터 장벽을 넘어섰습니다. 에이전트 시스템은 더욱 복잡한 계획, 스케줄링, 메모리 관리 및 도구 협업을 필요로 합니다. 과학 지능 응용 프로그램은 높은 처리량의 수치 계산, 장시간 실행 작업 및 엄격한 배정밀도 요구사항을 추가합니다.

주변 CPU, 메모리, 통신 링크, 스토리지 및 스케줄링 소프트웨어가 따라오지 못할 때, 단순히 가속 카드 수를 늘리는 것은 한계 효용이 감소할 수 있습니다.

관련 목표는 더 이상 단순한 최대 이론적 연산 능력이 아니라, 전체 시스템에서 유용한 계산의 실제 비용을 줄이는 것입니다.

다른 WAIC 전시업체들도 유사한 시스템 수준 전략을 선보였습니다. 여기에는 화웨이의 Atlas 950 SuperPoD, 무시(Muxi)의 Xijing 슈퍼 노드 시스템, 알리바바의 링준(Lingjun) 전무(真武) 인프라가 포함됩니다.

테코리진의 솔루션은 HCU 아키텍처, 즉 이종 융합 컴퓨팅 아키텍처(Heterogeneous Converged Computing Architecture)의 약자입니다.

이 아키텍처는 범용 CPU 리소스와 전용 AI 컴퓨팅 코어를 동일한 고속 버스에 통합합니다. 구성 가능한 M:N 비율을 지원하여, CPU와 가속기 리소스 간의 균형이 워크로드에 따라 동적으로 조정될 수 있습니다.

제안된 분업 방식은 다음과 같습니다:

• CPU 측은 에이전트 스케줄링, 워크플로우 제어, 데이터 전처리 등 범용 작업을 담당합니다.
• XPA 컴퓨팅 어레이는 대규모 모델 학습 및 추론에 집중합니다.
• 공유 계층형 메모리는 핫 및 콜드 데이터를 동적으로 관리합니다.
• 시스템은 고정된 CPU 및 가속기 구성에 의존하지 않고 작업 요구 사항에 따라 리소스 균형을 변경합니다.

실용적인 관점에서 이 설계는 두 가지 컴퓨팅 리소스를 단일 아키텍처 내에 통합하여 시스템이 리소스를 보다 유연하게 할당할 수 있도록 합니다.

잠재적 이점은 혼합 워크로드에서 더 높은 활용도에 있습니다. 시스템은 모든 제어 집약적 작업에 고처리량 AI 어레이를 사용할 필요가 없으며, 많은 스케줄링과 조정이 필요한 워크로드에서 소규모 호스트 CPU에만 의존할 필요도 없습니다.

이종 매니코어 컴퓨팅이 에이전트에게 의미하는 바

기존 AI 서버는 일반적으로 하나의 CPU에 4~8개의 GPU 또는 AI 가속 카드를 탑재합니다.

이 설계에서 CPU는 일반적으로 호스트 역할을 수행합니다: 작업 시작, 데이터 이동 관리, OS 작업 처리 및 가속기 조정.

가속기가 대부분의 계산을 수행하고 제어 경로가 상대적으로 단순할 때 이 모델은 잘 작동합니다.

에이전트 AI는 이러한 균형을 깨뜨렸습니다.

효율적인 에이전트는 다음을 필요로 할 수 있습니다:

1. 목표 해석
2. 하위 작업으로 분할
3. 도구 선택
4. 워크플로우 계획 및 조정
5. 외부 데이터 읽기 및 쓰기
6. 장기 기억 유지
7. 여러 모델 또는 하위 에이전트 조정
8. 실패한 작업에서 복구
9. 권한 및 승인 관리
10. 긴 세션에서 지속적 실행

이러한 작업 중 상당수는 밀집 행렬 곱셈보다는 범용 컴퓨팅에 의존합니다.

출처 기사는 업계 전망을 인용합니다: 역사적으로 CPU와 GPU의 다대일 비율은 미래 특정 노드에서 일대일에 가까워질 수 있으며, 에이전트 집약적 워크로드에서는 CPU 수요가 더욱 증가할 수 있습니다.

알리바바 클라우드도 에이전트를 상태 저장 스케줄링과 상태 비저장 실행의 결합으로 설명하며, 이는 더 세밀한 리소스 제어를 요구합니다.

Tecorigin의 HCU 아키텍처는 프로세서 수준에서 이러한 변화에 대응하는 것을 목표로 합니다.

CPU 리소스와 AI 코어를 동일한 고속 상호 연결 구조를 통해 연결함으로써, 이 회사는 완전히 분리된 호스트-가속기 설계와 비교하여 데이터 전송 오버헤드를 줄이는 것을 목표로 합니다.

이론적 이점이 실제 성과로 이어지는지는 실제 애플리케이션 성능, 컴파일러 품질, 메모리 동작, 스케줄링 전략, 에너지 효율성 및 시스템 활용도에 달려 있습니다.

T2 Ultra: 단일 프로세서, 이중 작업 모드

테코리진이 출시한 T2 Ultra는 새로운 HCU 아키텍처를 기반으로 한 최초의 프로세서입니다.

가장 두드러진 특징은 이중 모드 설계입니다.

자율 컴퓨팅 모드

자율 컴퓨팅 모드에서 T2 Ultra는 단순한 추가 가속기가 아닌 완전한 컴퓨팅 노드로 작동할 수 있습니다.

이로 인해 다음에 적합합니다:

• 엣지 배포
• 소규모 연구 시스템
• 워크스테이션
• 독립 컴퓨팅 노드
• 독립 호스트 아키텍처가 복잡성을 증가시키는 환경

가속 컴퓨팅 모드

가속 모드에서 T2 Ultra는 호스트 시스템과 협력하여 더 큰 서버 또는 클러스터 내에서 고처리량 컴퓨팅 엔진 역할을 합니다.

이 모드는 다음을 지원합니다:

• 대규모 모델 학습
• 대규모 추론
• 멀티 카드 서버
• 슈퍼 노드
• 과학 컴퓨팅 클러스터
• 데이터 센터 배포

따라서 동일한 프로세서 제품군이 다양한 인프라 역할을 수행할 수 있습니다.

발표된 T2 Ultra 사양

테코리진과 원본 보고서는 다음과 같은 최고 사양을 제시합니다:

정밀도 또는 특성	발표 사양
FP64 HPC 연산 성능	38 TFLOPS
FP16 희소 연산 성능	1,200 TFLOPS
FP4 희소 연산 성능	4,800 TFLOPS
정밀도 범위	FP64 ~ FP4
칩 간 상호 연결 대역폭	800 GB/s
작동 모드	자율 컴퓨팅 및 가속 컴퓨팅
단일 시스템 최대 직접 연결 수	최대 128개 카드

위는 공급업체가 제공한 최고 성능 데이터입니다.

FP64 성능은 배정밀도 컴퓨팅이 필요한 과학 및 엔지니어링 응용 프로그램에서 특히 중요합니다. FP16 및 FP4는 AI 학습 및 추론을 대상으로 하며, 모델 및 정밀도 요구 사항이 허용하는 경우 낮은 정밀도 형식을 사용하여 처리량을 향상시킬 수 있습니다.

희소 연산 데이터는 워크로드와 소프트웨어가 지원되는 희소화 패턴을 활용할 수 있다고 가정합니다. 벤치마크 방법을 확인하기 전에는 이를 밀집 연산과 직접 비교해서는 안 됩니다.

T2 Ultra의 실제 가치는 다음 요소에 달려 있습니다:

• 지속적인 애플리케이션 성능
• 메모리 대역폭 및 용량
• 클러스터 확장 효율성
• 저정밀도에서의 정확도
• 소프트웨어 지원
• 신뢰성
• 전력 소비
• 생산 공급 상황
• 워크로드 완료당 비용

이중 모드 아키텍처는 다양한 배포 규모를 필요로 하는 고객의 하드웨어 파편화 문제를 줄일 수 있지만, 대상 워크로드에 대한 적합성 검증이 필요합니다.

HyperIntelliX: 지능형 컴퓨팅과 슈퍼컴퓨팅의 융합

T2 Ultra가 컴퓨팅 엔진이라면, HyperIntelliX는 이를 기반으로 구축된 대규모 플랫폼입니다.

Tecorigin은 HyperIntelliX를 다음과 같은 기능을 통합한 국산 컴퓨팅 시스템으로 자리매김하고 있습니다:

• 모델 훈련 및 추론을 위한 지능형 컴퓨팅
• 수치 시뮬레이션을 위한 고성능 컴퓨팅
• AI4Science 워크플로
• 대규모 상호 연결
• 액체 냉각 모듈식 인프라
• 공유 소프트웨어 및 리소스 관리

![이미지는 Tecorigin T2 Ultra - HyperIntelliX 초지능 융합 플랫폼을 보여주며, AI4S를 위한 차세대 국산 지능형 컴퓨팅 + 슈퍼컴퓨팅 융합 시스템으로,万亿(조) 파라미터 대규모 모델 훈련 및 추론과 AI4S 과학 컴퓨팅에 적합함을 강조합니다. 왼쪽은 플랫폼 외관도, 오른쪽은 표 형식의 주요 매개변수(슈퍼노드 규모 128카드, 추론 연산력 614PB, 훈련 연산력 307PB, HPC 연산력 4.8PB, 메모리 용량 18.4TB, 메모리 대역폭 512TB/s, 상호 연결 대역폭 102.4TB/s)를 제시합니다.]

4TB/s, 16개 컴퓨팅 노드, 8개 스위치 노드, 실행 모드는 자체 컴퓨팅 및 가속 컴퓨팅 두 가지를 지원합니다.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/0cf00195-6d6f-494c-b802-71d1354bd2dd-155674a0-c083-4fa4-92f3-c1640b85e6b8.jpeg)

이 회사는 시스템이 액체 냉각 모듈식 설계로, 목표 PUE가 1.1 미만이며, 광 상호 연결을 통해 최대 10만 개 카드를 포함하는 클러스터로 확장 가능하다고 밝혔습니다.

이는 단일 하드웨어 제품군으로万亿(조) 파라미터 모델 워크로드와 과학 컴퓨팅 애플리케이션을 동시에 실행하는 것을 목표로 합니다.

이것이 바로 슈퍼컴퓨팅과 지능형 컴퓨팅의 융합의 핵심 의미입니다.

전통적인 AI 클러스터는 일반적으로 텐서 연산, 모델 훈련 또는 추론에 최적화됩니다. 전통적인 슈퍼컴퓨터는 FP64, MPI 스타일 워크로드, 대규모 수치 시뮬레이션 및 지속적인 병렬 성능을 우선시할 수 있습니다.

AI for Science는 점점 더 이 둘을 결합하고 있습니다.

연구 워크플로는 전통적인 시뮬레이션으로 데이터를 생성하고, 신경 대체 모델을 훈련하며, AI 지원 예측을 실행하고, 다시 수치 검증으로 돌아갈 수 있습니다. 각 단계마다 별도의 인프라를 유지하면 하드웨어, 소프트웨어 및 운영 비용이 중복됩니다.

HyperIntelliX는 이 두 가지 애플리케이션 유형을 위한 통합 기반 플랫폼을 제공하는 것을 목표로 합니다.

업계 최초의 대규모 지능형 컴퓨팅 및 슈퍼컴퓨팅 융합 플랫폼이라는 주장은 이 회사와 원본 보고서에서 비롯되었습니다. 분류 기준은 경쟁 시스템과 이전 배포를 어떻게 정의하느냐에 달려 있으므로, 이를 독립적으로 확립된 시장 순위로 간주해서는 안 됩니다.

이 플랫폼은 대규모 모델에만 국한되지 않습니다

Tecorigin은 HyperIntelliX가 일반적인 AI 훈련 및 추론에만 제한되지 않는다고 강조합니다.

이 회사는 세 가지 대표적인 AI for Science 프로젝트 영역을 시연했습니다:

• 글로벌 일기예보 시각화
• TecoQSim 고전 양자 시뮬레이터
• 대규모 가상 약물 스크리닝

이러한 워크로드는 일반적인 챗봇이나 검색 애플리케이션과는 다른 요구 사항을 제시합니다.

과학 컴퓨팅은 일반적으로 다음을 필요로 합니다:

• 높은 동시성
• 높은 데이터 처리량
• 장시간 실행되는 작업
• 수시간 또는 수일간 안정적인 실행
• 배정밀도 연산
• 대규모 분산 메모리 시스템
• 전용 수치 계산 라이브러리
• 재현 가능한 결과
• 기존 연구 코드와의 통합

Tecorigin 팀의 배경에는 고든 벨 상(고성능 컴퓨팅 분야에서 가장 권위 있는 상 중 하나)을 수상한 시스템 및 프로젝트 참여가 포함됩니다.

이러한 경험은 AI for Science에 진출한 회사의 결정을 뒷받침했지만, 팀의 과거 성과만으로 신제품의 성능을 독립적으로 입증할 수는 없습니다.

생명과학

Tecorigin 공식 AI for Science 자료에 설명된 작업은 다음과 같습니다:

• Baidu PaddlePaddle 및 Sunway 팀과 협력하여 AlphaFold3의 국산화 재현
• 산동대학교의 UCSF DOCK 3.7 최적화 적용
• 후난대학교와 공동 개발한 CrossDNA

이러한 프로젝트는 단백질 구조 예측, 분자 도킹, 가상 약물 스크리닝 및 게놈 언어 모델링을 대상으로 합니다.

기상 및 기후

Tecorigin은 Baidu의 과학 컴퓨팅 팀과 협력하여 온도, 풍력, 강수량 및 태풍 경로를 시각화할 수 있는 국내 기상 시스템을 개발했습니다.

일기예보는 대규모 시공간 데이터 세트를 처리하고 수치 모델과 기계 학습 시스템을 결합하는 능력이 필요합니다.

양자 시뮬레이션

Tecorigin은 칭화대학교 팀과 공동으로 양자 시스템을 위한 고전 시뮬레이터인 TecoQSim을 개발했습니다.

이 플랫폼은 복잡한 텐서 수축과 고성능 수치 계산을 활용하여 전통적인 컴퓨팅 하드웨어에서 양자 동작을 시뮬레이션합니다.

유체 역학 및 재료 과학

이 회사는 또한 계산 유체 역학, 과학 멀티모달 모델, 재료 과학, 화학 및 시뮬레이션과 AI를 결합한 기타 분야에서의 활동을 설명했습니다.

이러한 협력은 플랫폼의 예상 적용 범위를 보여줍니다. 각 프로젝트의 성능 데이터는 특정 구성 및 평가 방법에 따라 달라집니다.

생태계 마이그레이션이 국산 컴퓨팅의 가장 큰 과제입니다

개발자가 워크로드를 새 하드웨어로 이전할 수 없다면, 강력한 하드웨어만으로는 충분하지 않습니다.

Tecorigin은 WAIC에서 마이그레이션 비용을 낮추기 위한 두 가지 생태계 제품을 출시했습니다.

첫 번째 제품은 AI 개발자 커뮤니티 2.0입니다.

이 회사는 이 플랫폼이 다음과 같은 주요 훈련 및 추론 시스템을 지원한다고 밝혔습니다:

• Megatron-LM
• DeepSpeed
• PaddlePaddle 및 PaddleHelix
• PyTorch
• vLLM
• SGLang
• Transformers
• LLaMA-Factory

도구 체인은 다음 단계를 포함합니다:

1. 모델 분석
2. 마이그레이션
3. 연산자 개발
4. 컴파일
5. 성능 최적화
6. 정밀도 디버깅
7. 배포
8. 런타임 관리

두 번째 제품은 새로운 국산 AI4Science 컴퓨팅 플랫폼입니다.

해당 플랫폼은 과학 컴퓨팅 워크로드 특성에 맞춰 다음 기능을 통합했습니다:

• 컴퓨팅 리소스 스케줄링
• 작업 관리
• 개발 환경
• 과학 컴퓨팅 제품군
• TaiChu 프로그래밍 모델
• 범용 및 도메인별 가속 라이브러리
• 연산자 생성 도구
• 컴파일러 최적화
• 성능 분석

공식 제품 페이지에 따르면, 이 플랫폼은 Loongson, Sunway, Phytium, x86 및 기타 시스템을 포함한 주류 및 국산 CPU를 지원합니다.

또한 다음 프레임워크를 지원합니다:

• PyTorch
• JAX
• PaddlePaddle
• MindSpore
• vLLM

함께 제공되는 DevKit은 연산자 작성 및 최적화 비용을 낮추기 위해 설계되었습니다.

마이그레이션에 시간이 필요한 이유

성공적으로 시작된 모델이 반드시 프로덕션 준비 상태에 도달하는 것은 아닙니다.

마이그레이션은 여러 수준에서 작업이 필요할 수 있습니다:

• 지원되지 않는 연산자 교체
• 커스텀 커널 이식
• 빌드 시스템 업데이트
• 모델 형식 변환
• 수치 정밀도 검증
• 기준 결과 재현
• 메모리 효율성 향상
• 통신 메커니즘 최적화
• 병렬 전략 조정
• 장애 복구 테스트
• 모니터링 및 배포 도구 업데이트

원문은 업계 추정치를 인용하며, 전체 적응에 3~6개월이 소요되며, 성능 최적화가 작업량의 약 60%를 차지한다고 밝혔습니다.

이 추정치는 보편적으로 적용되지는 않습니다. 지원되는 연산자를 사용하는 표준 모델은 더 빠르게 마이그레이션될 수 있는 반면, 대규모 맞춤형 연구 코드는 더 오랜 시간이 필요할 수 있습니다.

핵심은 마이그레이션 비용이 단순한 소프트웨어 설치가 아닌 엔지니어링 시간과 운영 위험을 측정한다는 점입니다.

두 가지 생태계 전략

원문은 국내 가속기 생태계를 두 가지 주요 유형으로 나누었습니다.

호환성 중심 생태계

이 경로는 익숙한 개발 방식을 유지하고 기존 워크로드에 대한 변경을 최소화하려고 합니다.

공급업체는 자체 컴파일러, 런타임, 연산자 라이브러리 및 마이그레이션 도구를 제공하면서 널리 사용되는 프레임워크와 프로그래밍 모델을 지원할 수 있습니다.

장점은 전환 마찰을 줄이는 데 있습니다.

위험은 성숙하고 빠르게 진화하는 생태계와 완전한 호환성을 유지하는 것이 어렵다는 점입니다. 고급 워크로드에서는 미묘한 의미 또는 성능 차이가 발생할 수 있습니다.

독립형 생태계

두 번째 경로는 Huawei MindSpore 및 Ascend 기술 스택의 생태계와 같이 더 독립적인 소프트웨어 환경을 구축합니다.

이를 통해 자체 하드웨어에 대한 더 깊은 제어와 최적화가 가능합니다.

대가는 개발자가 새로운 도구를 배우거나 워크플로우에 더 광범위한 수정을 해야 할 수 있다는 점입니다.

Tecorigin의 공개 자료는 호환성 중심 경로에 더 가깝다는 것을 보여줍니다. 공식 웹사이트는 주류 모델과 프레임워크를 지원하며, 소프트웨어 스택이 40개 이상의 모델 시리즈에 적응할 수 있다고 설명합니다.

원문은 이 경로가 주류 시나리오의 80%에서 90%를 커버할 수 있다고 추정합니다. 이 범위는 공급업체 또는 업계의 대략적인 설명이며, 모든 워크로드가 수정 없이 마이그레이션될 수 있다는 보장은 아닙니다.

AI4Science 생태계 구축

Tecorigin의 생태계 작업에는 대학, 연구 기관 및 기업과의 협력이 포함됩니다.

원문은 다음 사례를 나열했습니다:

• 칭화대학교와 협력한 TecoQSim
• SpinQ와 협력하여 구축한 양자-슈퍼컴-지능형 컴퓨팅 플랫폼
• RiverONE适配 및 Loongson 플랫폼 검증
• 칭화대학교 AIR의 AtomWorld 인프라 지원
• PaddlePaddle 및 Sunway 팀과 협력한 AlphaFold3 재현
• 후난대학교와 협력한 CrossDNA
• 산둥대학교와 협력한 분자 도킹 최적화
• 바이두 PaddlePaddle과 협력한 AI4Science 솔루션
• 국산 날씨 컴퓨팅 플랫폼

바이두 과학 컴퓨팅 팀과 협력한 애플리케이션

• Dongrun과 협력한 에너지 컴퓨팅 작업
• 상하이 인공지능 연구소의 Intern-S1 과학 멀티모달 모델 적응

Tecorigin 공식 웹사이트는 위의 여러 프로젝트를 확인하고 언어, 멀티모달, 코드 및 AI4Science 애플리케이션 시나리오를 포괄하는 40개 이상의 적응형 모델 시리즈를 설명합니다.

이 출처는 또한 이 회사가 100개 이상의 대학, 연구 기관 및 업계 파트너와 협력했다고 밝혔습니다.

파트너 수와 적응 총량은 모두 회사 자체 보고 데이터입니다. 이 데이터는 생태계 활성도를 강조하지만, 각 배포의 깊이, 프로덕션 규모 또는 상업적 성공을 증명하지는 않습니다.

핵심 전략은 여전히 명확합니다:

칩은 시장 진입의 열쇠이지만, 소프트웨어와 애플리케이션 생태계가 플랫폼의 지속적인 가치를 결정합니다.

전 분야 대규모 언어 모델 보안 시스템

이번 WAIC에서는 7개 기관이 공동으로 구축한 전 분야 대규모 언어 모델 보안 시스템도 발표되었습니다:

• 허난 공항 지능형 컴퓨팅 센터
• RealAI
• Tecorigin
• Anshi Information
• Qingyuan Zhiqian
• Dianshu Technology
• Shu'anxin

출처는 이 시스템을 계층적 아키텍처로 설명합니다.

최하위는 국산 신뢰할 수 있는 컴퓨팅 기반입니다. 그 위에는 통합 평가 및 거버넌스 플랫폼이 있습니다. 상위 계층은 다음을 포함합니다:

• 대규모 언어 모델 보안 평가
• 데이터 규정 준수
• 데이터 보안
• 소프트웨어 공급망 보안
• 보안 교육 및 훈련

이는 프로세서 및 클러스터 성능과 직접적인 관련이 없어 보일 수 있지만, 보안은 점점 더 인프라 준비 상태의 핵심 구성 요소가 되고 있습니다.

정부, 금융, 의료 및 기타 규제 산업은 모델이 단순히 빠르게 실행된다는 이유만으로 배포할 수 없습니다. 데이터, 권한, 소프트웨어 구성 요소, 모델 동작, 감사 및 규정 준수에 대한 통제가 필요합니다.

이 공동 보안 시스템의 가치는 표준, 적용 범위, 테스트 방법, 통합 품질 및 독립적인 검증에 달려 있습니다.

계층적 다이어그램이 작동 가능한 보안 보장과 동일하지는 않습니다.

3계층 인프라 전략

해당 출처는 이번 WAIC에서 Tecorigin의 전시 조합을 세 가지 상호 연결된 계층으로 요약했습니다.

최하위 계층: 하드웨어 및 컴퓨팅 시스템

• HCU 이종 융합 컴퓨팅 아키텍처
• T2 Ultra 프로세서
• HyperIntelliX 컴퓨팅 시스템
• 대규모 상호 연결
• 액체 냉각 클러스터 인프라

중간 계층: 개발자와 AI4Science 플랫폼

• AI 개발자 커뮤니티 2.0
• 프레임워크 적응
• 연산자 개발
• 컴파일러 및 성능 도구
• AI4Science 플랫폼
• DevKit 및 가속 라이브러리

상위 계층: 보안 및 산업 응용

• 전 영역 대규모 모델 보안
• 연구 협력
• 기상, 양자, 생명과학, 재료 등 계산 워크로드
• 기업 및 공공 부문 배포

각 계층은 서로를 강화합니다.

소프트웨어 지원이 없는 칩은 적용 범위가 제한적입니다. 신뢰할 수 있는 하드웨어가 뒷받침되지 않는 소프트웨어는 성능을 발휘할 수 없습니다. 둘 다 거버넌스와 보안이 부족하면 민감한 업종에 배포하기 어렵습니다.

따라서 중코호광(Tecorigin)의 포지셔닝은 단순한 대체형 가속기 공급업체가 아닌, 보다 광범위한 인공지능 인프라 스택의 구축자입니다.

2026 세계 인공지능 대회(WAIC), 국산 컴퓨팅 성숙도에 대한 시험대

메시지 소스는 중코호광을 화웨이昇騰, 한무지, 목시, 하이광 등의 업체가 포함된 더 큰 국산 칩 시장에 위치시킵니다.

비교에 사용된 여러 데이터(생산 목표, 수익 성장, 시가총액, 모델 적응 수 등)는 시의성을 가지며, 모두 회사 성명이나 재무 보고서에서 비롯되었습니다. 이러한 데이터는 중코호광의 아키텍처를 평가하는 데 필수적이지 않으며 빠르게 변할 수 있습니다.

보다 지속적인 관찰은 국산 인공지능 컴퓨팅이 정책 주도 채택에서 시장 검증 중심으로 전환되고 있다는 점입니다.

고객들은 점점 더 다음과 같은 질문을 던집니다.

• 하드웨어를 대규모로 공급할 수 있는가?
• 대형 클러스터가 안정적으로 유지되는가?
• 소프트웨어가 현재 주류 모델을 지원하는가?
• 마이그레이션에 얼마나 시간이 걸리는가?
• 각 워크로드의 실제 비용은 얼마인가?
• 엔지니어가 문제를 진단할 수 있는가?
• 모델 업그레이드 후에도 성능이 유지되는가?
• 플랫폼이 규제 대상 데이터에 대해 충분히 안전한가?
• 공급업체가 시스템 전체 수명 주기 동안 지원을 제공할 수 있는가?

중코호광의 차별점은 통합된 아키텍처로 인공지능과 과학 컴퓨팅을 동시에 지원하려 한다는 점입니다.

기회는 명확합니다. AI4Science 워크로드는 고정밀 수치 성능과 현대적인 AI 가속 능력을 모두 필요로 합니다.

도전 과제도 명확합니다. 회사는 다음을 입증해야 합니다.

• 안정적인 대규모 생산
• 안정적인 만 카드 및 십만 카드 배포
• 높은 활용률
• 강력한 소프트웨어 호환성
• 재사용 가능한 모델 적응
• 경쟁력 있는 총소유비용(TCO)
• 지속 가능한 기술 지원
• 독립적인 성능 검증

'사용 가능'에서 '사용 편의'로 나아가는 것은 모든 대체 컴퓨팅 생태계가 반드시 거쳐야 할 결정적인 단계입니다.

진정한 경쟁은 시스템 완전성에 있다

2026년 세계 인공지능 대회는 단일 최고 컴퓨팅 성능에 의존하는 시대가 끝나고 있음을 보여줍니다.

현대 AI 인프라는 다음 요소들의 조정을 필요로 합니다.

• 범용 컴퓨팅
• 가속 컴퓨팅
• 메모리
• 상호 연결
• 스토리지
• 냉각
• 컴파일러
• 프레임워크
• 연산자 라이브러리
• 클러스터 스케줄링
• 모델 적응
• 과학 컴퓨팅 소프트웨어
• 보안 및 거버넌스

T2 Ultra는 천수즈신의 칩 레벨 최신 답변이며, HyperIntelliX는 시스템 레벨 답변입니다. 개발자 플랫폼과 AI4Science 기술 스택은 생태계 답변을 구성합니다. 결합된 보안 아키텍처는 민감 환경 배포 요구를 해결하기 위한 것입니다.

이 제품 매트릭스는 야심차며, 많은 기술 주장은 아직 생산 규모의 검증을 거쳐야 합니다.

그럼에도 불구하고, 이는 이미 올바른 경쟁 단위를 보여주고 있습니다.

미래 국산 컴퓨팅 구도의 승패는 어떤 회사가 전시회에서 가장 높은 이론적 최고 성능을 보여주는지가 아니라, 어떤 시스템이 고가치 워크로드를 안정적으로 실행하고, 소프트웨어 생태계를 효율적으로 마이그레이션하며, 배포 후 경제적 지속 가능성을 달성하는지에 달려 있습니다.

자주 묻는 질문

천수즈신 T2 Ultra란 무엇인가요?

T2 Ultra는 HCU 아키텍처 기반의 새로운 이종 매니코어 프로세서로, 독립 모드와 가속기 모드를 지원하며 FP64부터 FP4까지의 정밀도 형식을涵盖합니다.

HCU 아키텍처란 무엇인가요?

HCU는 이종 융합 컴퓨팅 아키텍처(Heterogeneous Converged Computing Architecture)의 약자로, CPU 리소스와 AI 컴퓨팅 코어를 공유 고속 상호 연결 네트워크에 배치하여 다양한 워크로드에 따라 두 요소의 비율을 동적으로 조정할 수 있습니다.

HyperIntelliX란 무엇인가요?

HyperIntelliX는 천수즈신이 AI와 고성능 과학 컴퓨팅을 위해 출시한 융합 대규모 컴퓨팅 시스템입니다. T2 Ultra를 핵심으로 하며, 액체 냉각, 대규모 상호 연결 및 공유 소프트웨어 플랫폼을 통합합니다.

T2 Ultra가 FP64를 지원하는 이유는 무엇인가요?

FP64는 높은 수치 정밀도를 필요로 하는 과학 시뮬레이션 및 엔지니어링 계산에 필수적입니다. 이 지원을 통해 프로세서는 저정밀 AI 추론에만 초점을 맞추는 것이 아니라 AI4Science와 기존 HPC 응용 프로그램을 모두 처리할 수 있습니다.

천수즈신 하드웨어에서 주요 AI 프레임워크를 실행할 수 있나요?

공식 자료에 따르면 PyTorch, PaddlePaddle, Megatron-LM, DeepSpeed, vLLM, SGLang, Transformers, JAX, MindSpore 등의 프레임워크와 도구를 지원합니다. 구체적인 지원 깊이와 마이그레이션 작업량은 모델과 연산자에 따라 다릅니다.

천수즈신 AI4Science 플랫폼이란 무엇인가요?

이 플랫폼은 융합 연구 컴퓨팅 플랫폼으로, 국산 하드웨어, 작업 스케줄링, 개발 환경, 프로그래밍 모델, 과학 컴퓨팅 라이브러리, 연산자 도구 및 프레임워크 지원을 통합하여 생명과학, 기상, 양자 시뮬레이션, 유체 역학, 재료 과학 등의 분야를涵盖합니다.

T2 Ultra의 성능 데이터는 독립적으로 검증되었나요?

발표 자료에 포함된 FP64, FP16, FP4 최고 성능, 상호 연결 및 확장 사양은 제조사에서 제공한 것입니다. 완전한 비교는 독립적인 애플리케이션 벤치마크 테스트와 생산 배포 데이터에 의존해야 합니다.

전역 대규모 모델 보안 체계란 무엇인가요?

이 체계는 2026년 WAIC에서 발표되었으며, 국산 신뢰 컴퓨팅과 모델 평가, 거버넌스, 데이터 규정 준수, 데이터 보안, 소프트웨어 공급망 보안 및 훈련 보안을 통합한 다자간 보안 아키텍처입니다.

관련 도구

• 천수즈신 개발자 플랫폼: 공식 개발자 포털로, 모델, 생태계 리소스 및 플랫폼 액세스 진입로를 제공합니다.
• PyTorch: 모델 훈련, 연구 및 배포를 위해 널리 사용되는 오픈 소스 프레임워크입니다.
• Megatron-LM: 엔비디아(NVIDIA)가 개발한 오픈 소스 프레임워크로, 대규모 Transformer 모델 훈련을 위해 설계되었습니다.
• DeepSpeed: 마이크로소프트(Microsoft)의 오픈 소스 시스템으로, 분산 모델 훈련 및 추론 최적화를 지원합니다.
• vLLM: 높은 처리량을 제공하는 오픈 소스 대규모 언어 모델 서빙 엔진입니다.
• JAX: 머신 러닝 및 과학 컴퓨팅 워크로드를 위한 수치 계산 프레임워크입니다.

관련 링크

• 천수즈신 공식 웹사이트: 회사, 제품, 솔루션 및 생태계 정보의 공식 플랫폼입니다.

• 천수즈신 제품 및 기술 개요: 이종 아키텍처, 하드웨어 시스템, 소프트웨어 스택, 지원 모델 및 컴퓨팅 관리에 대한 공식 정보입니다.

• 천수즈신 AI4Science 플랫폼

• ai4s 공식 페이지: 국산 AI4Science 플랫폼, 프로그래밍 도구, 지원 프레임워크 및 연구 사례에 대한 공식 상세 정보.

• 일우성지신 문서 센터: 일우성지신 제품 및 생태계 프로젝트의 기술 문서와 사례 연구.

• 일우성지신 개발자 플랫폼: 모델 리소스와 개발자 생태계 진입 포털.

• WAIC 2026 제품 보도: T2 Ultra, HyperIntelliX, AI4Science 플랫폼 및 대형 모델 보안 시스템을 전문으로 다룬 기사.

• 국가과학기술혁신센터 보고서: 정부 공식 웹사이트에서 일우성지신의 인공지능, 기상, 생물 분야 및 지능형 컴퓨팅 센터 배치 현황에 대한 개요.

요약

일우성지신이 WAIC 2026에서 발표한 제품들은 새로운 HCU 이기종 아키텍처, T2 Ultra 프로세서, HyperIntelliX 융합 컴퓨팅 시스템, 개발자 도구, AI4Science 플랫폼 및 계층형 보안 체계를 하나로 통합했습니다.

이 전략은 AI 인프라 분야의 실제 변화에 대응합니다. 에이전트 워크로드는 더 높은 수준의 범용 조정 능력을 요구하며, 과학 AI는 고정밀 수치 계산, 장기 실행 작업 및 확장 가능한 병렬 시스템이 필요합니다.

해당 아키텍처와 제조사가 공개한 사양은 기대를 모으지만, 생산 실용성, 소프트웨어 성숙도, 클러스터 안정성, 애플리케이션 성능 및 총소유비용은 여전히 광범위한 검증이 필요합니다.

이번 일우성지신의 발표가 의미하는 바는 단일 칩의 사양이나 성능이 아니라, 인공지능, 에이전트, 과학 컴퓨팅, 소프트웨어 이전 및 보안 배포를 위한 완전한 컴퓨팅 기반을 구축하려는 시도에 있습니다.