Tecorigin T2 Ultra и HyperIntelliX: единая платформа для AI и HPC-вычислений

Введение

WAIC 2026 превратил Шанхай в витрину быстрорастущей китайской индустрии вычислений для ИИ. На выставке было представлено 108 чипов и более 200 интеллектуальных вычислительных продуктов, включая ускорители, суперузлы, кластерные системы, программные стеки, платформы для научных вычислений и отраслевые решения.

Ландшафт конкуренции изменился.

Несколько лет назад производители часто делали акцент на пиковой производительности одной карты. В этом же году ключевыми словами, повторяющимися снова и снова, стали системная архитектура, масштабная кооперация, эффективность межсоединений, миграция ПО и полнота развертывания.

По мере роста масштабов моделей, усиления состояния агентных систем и повышения требований к универсальным и ускоряющим вычислениям в рабочих нагрузках научного интеллекта (AI for Science), ценность изолированного чипа становится все труднее отделить от окружающей его системы.

На стенде Tecorigin в Чжанцзяне компания продемонстрировала новый гетерогенный многоядерный чип и крупномасштабную суперузловую систему, разработанную вокруг концепции так называемой «конвергенции ИИ и HPC».

Ключевые продукты включают:

• Гетерогенную конвергентную вычислительную архитектуру HCU
• Новый процессор T2 Ultra
• Крупномасштабную вычислительную систему HyperIntelliX
• Обновленное сообщество разработчиков и инструментарий для миграции
• Собственную вычислительную платформу AI4Science
• Многостороннюю систему безопасности для больших моделей во всех областях

Точка зрения компании предельно ясна: рынок больше не просто оценивает, может ли отечественный чип запустить модель, а оценивает, способна ли полная платформа поддерживать разнообразные рабочие нагрузки, масштабироваться до крупных кластеров, снижать затраты на миграцию и сохранять стабильность в производственной среде.

Архитектура важнее производительности одной карты

Генеральный директор Tecorigin Ян Цзиньчжэ охарактеризовал текущее состояние отрасли как переход от конкуренции на уровне одной карты к конкуренции на уровне системы.

Этот сдвиг отражает изменения в самих рабочих нагрузках.

Большие модели уже преодолели порог в триллион параметров. Агентным системам требуется более сложное планирование, управление памятью и координация инструментов. Приложения научного интеллекта добавляют требования к высокопроизводительным численным расчетам, долгоживущим задачам и строгим требованиям к двойной точности.

Когда окружающие CPU, память, каналы связи, хранилища и программное обеспечение для планирования не успевают за развитием, простое увеличение количества карт-ускорителей может привести к убывающей отдаче.

Соответствующая цель больше не заключается в простом достижении максимальной теоретической вычислительной мощности, а в снижении фактической стоимости полезных вычислений во всей системе.

Другие участники WAIC также продемонстрировали аналогичные системные стратегии, включая Atlas 950 SuperPoD от Huawei, суперузловую систему Xijing от Muxi и инфраструктуру Lingjun Zhenwu от Alibaba.

Решение Tecorigin — это архитектура HCU, сокращение от Heterogeneous Converged Unit (гетерогенная конвергентная вычислительная архитектура).

Эта архитектура объединяет ресурсы универсального CPU и специализированные ядра ИИ на одной высокоскоростной шине. Она поддерживает настраиваемое соотношение M:N, что позволяет динамически изменять баланс между ресурсами CPU и ускорителя в зависимости от рабочей нагрузки.

В предлагаемой схеме разделения труда:

• Сторона CPU отвечает за универсальные задачи, такие как планирование агентов, управление рабочими процессами и предварительная обработка данных.
• Вычислительный массив XPA фокусируется на обучении и инференсе больших моделей.
• Общая иерархическая память динамически управляет «горячими» и «холодными» данными.
• Система изменяет баланс ресурсов в соответствии с потребностями задачи, а не полагается на фиксированную конфигурацию CPU и ускорителя.

С практической точки зрения, эта конструкция объединяет два типа вычислительных ресурсов в одной архитектуре, позволяя системе более гибко распределять ресурсы.

Ее потенциальное преимущество — более высокая утилизация при смешанных рабочих нагрузках. Системе не нужно задействовать высокопроизводительный ИИ-массив для каждой задачи, интенсивной по управлению, и не нужно полагаться на относительно слабый хост-CPU для рабочих нагрузок, требующих большого объема планирования и координации.

Что гетерогенные многоядерные вычисления означают для агентов

Традиционные ИИ-серверы обычно используют один CPU в сочетании с четырьмя-восемью GPU или ИИ-картами-ускорителями.

В такой конструкции CPU обычно играет роль хоста: запускает задачи, управляет перемещением данных, обрабатывает работу операционной системы и координирует действия ускорителей.

Эта модель хорошо работает, когда ускорители выполняют подавляющую часть вычислений, а путь управления относительно прост.

Агентный ИИ нарушает этот баланс.

Эффективному агенту может потребоваться:

1. Интерпретировать цель
2. Разбить ее на подзадачи
3. Выбрать инструменты
4. Спланировать и скорректировать рабочий процесс
5. Читать и записывать внешние данные
6. Поддерживать долговременную память
7. Координировать работу нескольких моделей или подагентов
8. Восстанавливаться после неудачных действий
9. Управлять правами доступа и утверждениями
10. Выполняться непрерывно в течение длительных сессий

Многие из этих операций полагаются на универсальные вычисления, а не на интенсивное умножение матриц.

Источник статьи ссылается на отраслевые ожидания: историческое соотношение CPU к GPU в сторону большего количества CPU, в будущем на некоторых узлах может приблизиться к один-к-одному, а при интенсивных рабочих нагрузках агентов потребность в CPU может возрасти еще больше.

Alibaba Cloud также описывала агента как комбинацию планирования с сохранением состояния и выполнения без сохранения состояния, что требует более тонкого контроля ресурсов.

Архитектура HCU от Tecorigin призвана решать этот переход на уровне процессора.

Объединяя ресурсы CPU и ИИ-ядра через одну высокоскоростную межсоединительную структуру, компания стремится снизить накладные расходы на передачу данных по сравнению с полностью разделенными конструкциями «хост-ускоритель».

Реализуются ли теоретические преимущества на практике, зависит от производительности в реальных приложениях, качества компилятора, поведения памяти, стратегий планирования, энергоэффективности и утилизации системы.

T2 Ultra: один процессор, два режима работы

T2 Ultra, выпущенный Tecorigin, является первым процессором, основанным на их новой архитектуре HCU.

Его самой заметной особенностью является двухрежимный дизайн.

Режим автономных вычислений

В режиме автономных вычислений T2 Ultra может работать как полноценный вычислительный узел, а не просто как дополнительный ускоритель.

Это делает его подходящим для:

• Крайних (edge) развертываний
• Небольших исследовательских систем
• Рабочих станций
• Автономных вычислительных узлов
• Сред, где наличие отдельной хост-архитектуры добавило бы сложности

Режим ускоряющих вычислений

В режиме ускорения T2 Ultra работает совместно с хост-системой, выступая в роли высокопроизводительного вычислительного двигателя в более крупных серверах или кластерах.

Этот режим поддерживает:

• Обучение больших моделей
• Масштабный инференс
• Многокарточные серверы
• Суперузлы
• Кластеры для научных вычислений
• Развертывания в центрах обработки данных

Таким образом, процессоры одного и того же семейства могут выполнять различные роли в инфраструктуре.

Опубликованные характеристики T2 Ultra

Tecorigin и первоначальный отчет перечисляют следующие пиковые характеристики:

Вышеуказанные пиковые значения предоставлены поставщиком.

Производительность FP64 особенно важна для научных и инженерных приложений, требующих вычислений с двойной точностью. FP16 и FP4 ориентированы на обучение и инференс ИИ, где, если позволяют модель и требования к точности, использование форматов с низкой точностью может повысить пропускную способность.

Данные о разреженной вычислительной мощности также предполагают, что рабочая нагрузка и программное обеспечение способны использовать поддерживаемые схемы разреженности. Их не следует напрямую сравнивать с плотной вычислительной мощностью до подтверждения методологии тестирования.

Реальная ценность T2 Ultra зависит от:

• Устойчивой производительности приложений
• Пропускной способности и объема памяти
• Эффективности масштабирования кластера
• Точности при низкой разрядности
• Программной поддержки
• Надежности
• Энергопотребления
• Доступности поставок
• Стоимости за выполненную рабочую нагрузку

Двухмодульная архитектура может уменьшить фрагментацию оборудования для клиентов, нуждающихся в различных масштабах развертывания, но все же требует проверки совместимости с целевыми рабочими нагрузками.

HyperIntelliX: объединение интеллектуальных вычислений и суперкомпьютинга

Если T2 Ultra — это вычислительный двигатель, то HyperIntelliX — это масштабная платформа, построенная на его основе.

Tecorigin позиционирует HyperIntelliX как полностью отечественную вычислительную систему, объединяющую следующие возможности:

• Интеллектуальные вычисления для обучения и инференса моделей
• Высокопроизводительные вычисления для численного моделирования
• Рабочие процессы AI4Science
• Масштабное межсоединение
• Модульная инфраструктура с жидкостным охлаждением
• Совместное программное обеспечение и управление ресурсами

![Изображение показывает платформу Tecorigin T2 Ultra

• HyperIntelliX, подчеркивая ее как новое поколение полностью отечественной объединенной платформы интеллектуальных и высокопроизводительных вычислений для AI4S, поддерживающей обучение и инференс моделей с триллионами параметров и научные вычисления AI4S. Слева — внешний вид платформы, справа — таблица с ключевыми параметрами, включая масштаб суперузла 128 карт, мощность инференса 614 ПБ, мощность обучения 307 ПБ, мощность HPC 4,8 ПБ, объем памяти 18,4 ТБ, пропускная способность памяти 512 ТБ/с, пропускная способность межсоединений 102,4 ТБ/с]

4 ТБ/с, 16 вычислительных узлов, 8 узлов коммутации, режимы работы поддерживают автономные и ускоренные вычисления.](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/0cf00195-6d6f-494c-b802-71d1354bd2dd-155674a0-c083-4fa4-92f3-c1640b85e6b8.jpeg)

Компания заявляет, что система использует модульную конструкцию с жидкостным охлаждением, целевой PUE ниже 1,1 и может быть расширена с помощью оптических межсоединений до кластера, содержащего до 100 000 карт.

Она предназначена для одновременного выполнения рабочих нагрузок с моделями на триллионы параметров и научно-вычислительных приложений в рамках одного семейства оборудования.

В этом и заключается основная идея объединения суперкомпьютинга и интеллектуальных вычислений.

Традиционные кластеры ИИ обычно оптимизированы для тензорных операций, обучения или инференса моделей. Традиционные суперкомпьютеры могут отдавать приоритет рабочим нагрузкам в стиле FP64, MPI, крупномасштабному численному моделированию и устойчивой параллельной производительности.

AI for Science все чаще объединяет оба подхода.

Исследовательский рабочий процесс может использовать традиционное моделирование для генерации данных, обучать нейронную суррогатную модель, запускать прогнозы с помощью ИИ, а затем возвращаться к численной верификации. Поддержание независимой инфраструктуры для каждого этапа приводит к дублированию затрат на оборудование, программное обеспечение и эксплуатацию.

HyperIntelliX стремится предоставить единую базовую платформу для обоих типов приложений.

Заявление о том, что это первая в отрасли крупномасштабная платформа, объединяющая интеллектуальные и высокопроизводительные вычисления, основано на заявлениях компании и оригинальном отчете. Критерии классификации зависят от того, как определяются конкурирующие системы и предыдущие развертывания, поэтому его не следует рассматривать как независимо установленную рыночную позицию.

Эта платформа не только для больших моделей

Tecorigin подчеркивает, что HyperIntelliX не ограничивается общим обучением и инференсом ИИ.

Компания продемонстрировала три репрезентативных проекта AI for Science:

• Визуализация глобального прогноза погоды
• Классический квантовый симулятор TecoQSim
• Крупномасштабный виртуальный скрининг лекарств

Эти рабочие нагрузки предъявляют иные требования, чем типичные чат-боты или поисковые приложения.

Научные вычисления обычно требуют:

• Высокой степени параллелизма
• Высокой пропускной способности данных
• Длительно выполняемых задач
• Стабильной работы в течение часов или дней
• Операций двойной точности
• Крупномасштабных распределенных систем памяти
• Специализированных библиотек для численных расчетов
• Воспроизводимых результатов
• Интеграции с существующим исследовательским кодом

В состав команды Tecorigin входят участники систем и проектов, получивших премию Гордона Белла (одну из самых престижных наград в области высокопроизводительных вычислений).

Этот опыт поддерживает решение компании выйти на рынок AI for Science, хотя исторические достижения команды сами по себе не являются независимым доказательством производительности нового продукта.

Науки о жизни

Работы, описанные в официальных материалах Tecorigin по AI for Science, включают:

• Отечественное воспроизведение AlphaFold3 в сотрудничестве с командами Baidu PaddlePaddle и Sunway
• Адаптация и оптимизация UCSF DOCK 3.7 с Шаньдунским университетом
• Совместная разработка CrossDNA с Университетом Хунани

Эти проекты направлены на предсказание структуры белков, молекулярный докинг, виртуальный скрининг лекарств и моделирование геномного языка.

Погода и климат

Tecorigin совместно с научно-вычислительной командой Baidu разработала отечественную систему погоды, способную визуализировать температуру, ветер, количество осадков и траектории тайфунов.

Прогнозирование погоды требует обработки крупномасштабных пространственно-временных наборов данных и возможности сочетать численные модели с системами машинного обучения.

Квантовое моделирование

Tecorigin совместно с командой Университета Цинхуа разработала TecoQSim — классический симулятор для квантовых систем.

Платформа использует сложное тензорное сжатие и высокопроизводительные численные вычисления для моделирования квантового поведения на традиционном вычислительном оборудовании.

Гидродинамика и материаловедение

Компания также описала примеры применения в области вычислительной гидродинамики, научных мультимодальных моделей, материаловедения, химии и других областях, сочетающих моделирование и ИИ.

Эти партнерства демонстрируют предполагаемый спектр применения платформы. Данные о производительности каждого проекта по-прежнему зависят от его конкретной конфигурации и методов оценки.

Миграция экосистемы — самая большая сложность для отечественных вычислений

Мощного оборудования недостаточно, если разработчики не могут перенести свои рабочие нагрузки на новое оборудование.

На Всемирной конференции по искусственному интеллекту Tecorigin представила два экосистемных продукта, направленных на снижение затрат на миграцию.

Первым продуктом является Сообщество разработчиков ИИ 2.0.

Компания заявляет, что платформа поддерживает следующие основные системы обучения и инференса:

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

Инструментарий охватывает следующие этапы:

1. Анализ модели
2. Миграция
3. Разработка операторов
4. Компиляция
5. Оптимизация производительности
6. Отладка точности
7. Развертывание
8. Управление средой выполнения

Вторым продуктом является новая отечественная вычислительная платформа AI4Science.

Платформа, с учетом характеристик научных вычислительных нагрузок, объединяет:

• Планирование вычислительных ресурсов
• Управление заданиями
• Среду разработки
• Пакеты для научных вычислений
• Модель программирования Taichu
• Универсальные и специализированные библиотеки ускорения
• Инструменты генерации операторов
• Оптимизация компилятора
• Анализ производительности

Согласно официальной странице продукта, платформа поддерживает основные и отечественные процессоры, включая LoongArch, SW, Phytium, x86 и

другие системы.

Она также поддерживает следующие фреймворки:

• PyTorch
• JAX
• PaddlePaddle
• MindSpore
• vLLM

Сопутствующий DevKit призван снизить затраты на написание и оптимизацию операторов.

Почему миграция требует времени

Модель, которая успешно запускается, не обязательно готова к эксплуатации.

Миграция может потребовать работы на нескольких уровнях:

• Замена неподдерживаемых операторов
• Портирование пользовательских ядер
• Обновление системы сборки
• Преобразование форматов моделей
• Верификация числовой точности
• Воспроизведение базовых результатов
• Повышение эффективности использования памяти
• Оптимизация механизмов коммуникации
• Настройка стратегий параллелизма
• Тестирование восстановления после сбоев
• Обновление инструментов мониторинга и развертывания

В исходном тексте цитируется отраслевая оценка, согласно которой полная адаптация занимает от трех до шести месяцев, причем на оптимизацию производительности приходится около 60% работы.

Эта оценка не является универсальной. Миграция стандартных моделей с поддерживаемыми операторами может быть быстрее, а крупные пользовательские исследовательские коды потребуют больше времени.

Ключевой момент в том, что стоимость миграции измеряется инженерными затратами и эксплуатационными рисками, а не просто установкой программного обеспечения.

Две стратегии экосистемы

Исходный текст делит экосистемы отечественных ускорителей на два типа.

Экосистема, ориентированная на совместимость

Этот путь направлен на сохранение привычных моделей разработки и минимизацию изменений в существующих рабочих нагрузках.

Поставщики могут предоставлять собственные компиляторы, среды выполнения, библиотеки операторов и инструменты миграции, одновременно поддерживая широко используемые фреймворки и модели программирования.

Преимущество заключается в снижении трения при переходе.

Риск заключается в сложности поддержания полной совместимости со зрелой и быстро развивающейся экосистемой. В продвинутых рабочих нагрузках могут возникать тонкие семантические или производительные различия.

Независимая экосистема

Второй путь – создание более независимой программной среды, например, экосистемы, соответствующей стеку технологий Huawei MindSpore и Ascend.

Это позволяет добиться более глубокого контроля и оптимизации под собственное оборудование.

Цена – разработчикам, возможно, придется изучать новые инструменты или вносить более масштабные изменения в рабочие процессы.

Публичные материалы Tecorigin указывают на то, что компания ближе к пути, ориентированному на совместимость. На ее веб-сайте указана поддержка основных моделей и фреймворков, а ее программный стек, как утверждается, адаптируется к более чем 40 сериям моделей.

Исходный текст оценивает, что этот путь может охватить от 80% до 90% основных сценариев. Этот диапазон является общим описанием от поставщика или отрасли, а не гарантией того, что каждая рабочая нагрузка может быть перенесена без изменений.

Создание экосистемы AI4Science

Экологическая работа Tecorigin включает сотрудничество с университетами, исследовательскими институтами и предприятиями.

Исходный текст приводит следующие примеры:

• TecoQSim в сотрудничестве с Университетом Цинхуа
• Платформа «Квант-Суперкомпьютер-ИИ» совместно с SpinQ
• Адаптация RiverONE и верификация на платформе LoongArch
• Поддержка инфраструктуры AtomWorld для AIR Университета Цинхуа
• Воспроизведение AlphaFold3 совместно с PaddlePaddle и командой SW
• CrossDNA в сотрудничестве с Хунаньским университетом
• Оптимизация молекулярного стыковки с Шаньдунским университетом
• Решение AI4Science в сотрудничестве с Baidu PaddlePaddle
• Отечественная платформа для погодных вычислений

Приложения в сотрудничестве с научной вычислительной командой Baidu

• Работа по энергетическим вычислениям совместно с Dongrun
• Адаптация научной мультимодальной модели Intern-S1 Шанхайской лаборатории искусственного интеллекта

Официальный веб-сайт Tecorigin подтверждает вышеупомянутые проекты и описывает более 40 серий адаптированных моделей, охватывающих области языка, мультимодальности, кода и AI4Science.

Этот источник также указывает, что компания сотрудничает с более чем 100 университетами, исследовательскими институтами и отраслевыми партнерами.

Количество партнеров и общий объем адаптации являются данными, предоставленными самой компанией. Эти данные демонстрируют активность экосистемы, но сами по себе не доказывают глубину, масштаб производства или коммерческий успех каждого развертывания.

Основная стратегия остается ясной:

Чип — это ключ к выходу на рынок, но программное обеспечение и экосистема приложений определяют, сможет ли платформа постоянно приносить пользу.

Всеобъемлющая система безопасности крупных языковых моделей

На WAIC этого года также была представлена Всеобъемлющая система безопасности крупных языковых моделей, совместно созданная семью организациями:

• Henan Konggang Intelligent Computing Center
• RealAI
• Tecorigin
• Anshixinxi
• Qingyuan Zhiqian
• Diandian Keji
• Shu'anxin

Источник описывает эту систему как многоуровневую архитектуру.

В основе лежит отечественная доверенная вычислительная база. Над ней находится интегрированная платформа оценки и управления. Верхний уровень охватывает:

• Оценку безопасности больших моделей
• Соответствие данных требованиям
• Безопасность данных
• Безопасность цепочки поставок программного обеспечения
• Обучение и образование в области безопасности

На первый взгляд, это не связано с производительностью процессора и кластера, но безопасность все больше становится ключевым компонентом готовности инфраструктуры.

Правительственные, финансовые, медицинские и другие регулируемые отрасли не могут развертывать модели только потому, что они быстро работают. Им нужен контроль над данными, правами доступа, программными компонентами, поведением модели, аудитом и соответствием требованиям.

Ценность этой объединенной системы безопасности будет зависеть от ее стандартов, охвата, методов тестирования, качества интеграции и независимой верификации.

Многоуровневая схема не равнозначна действенным гарантиям безопасности.

Трехуровневая стратегия инфраструктуры

Источник обобщает совокупность представленных Tecorigin на WAIC этого года решений в виде трех взаимосвязанных уровней.

Нижний уровень: Аппаратное обеспечение и вычислительные системы

• Гетерогенная объединенная вычислительная архитектура HCU
• Процессор T2 Ultra
• Вычислительная система HyperIntelliX
• Масштабное межсоединение
• Инфраструктура жидкостного охлаждения в кластере

Промежуточный уровень: Разработчики и платформа AI4Science

• Сообщество разработчиков ИИ 2.0
• Адаптация фреймворков
• Разработка операторов
• Компиляторы и инструменты производительности
• Платформа AI4Science
• DevKit и библиотеки ускорения

Верхний уровень: Безопасность и отраслевые приложения

• Безопасность больших моделей во всех областях
• Научное сотрудничество
• Вычислительные нагрузки в метеорологии, квантовых технологиях, науках о жизни, материаловедении и др.
• Развертывание на предприятиях и в государственных учреждениях

Уровни взаимно усиливают друг друга.

Микросхема без поддержки программного обеспечения имеет ограниченную сферу применения. Программное обеспечение без надежного аппаратного обеспечения не может раскрыть свою производительность. И то, и другое без управления и гарантий безопасности трудно развернуть в чувствительных отраслях.

Поэтому позиционирование Tecorigin — не просто поставщик альтернативных ускорителей, а создатель более широкого стека инфраструктуры искусственного интеллекта.

WAIC 2026 как проверка зрелости отечественных вычислений

Информационный источник помещает Tecorigin в более широкий контекст рынка отечественных микросхем, который также включает такие компании, как Huawei Ascend, Cambricon, Muxi, Haiguang и другие.

Многие сравнительные данные — включая цели производства, рост выручки, рыночную капитализацию и количество адаптированных моделей — являются оперативными и взяты из заявлений компаний или финансовых отчетов. Эти данные не являются обязательными для оценки архитектуры Tecorigin и могут быстро меняться.

Более устойчивым наблюдением является то, что отечественные вычисления для ИИ переходят от внедрения, движимого политикой, к более сильной рыночной проверке.

Клиенты все чаще задают вопросы:

• Может ли оборудование поставляться в промышленных масштабах?
• Сохраняют ли стабильность большие кластеры?
• Поддерживает ли программное обеспечение текущие основные модели?
• Сколько времени занимает миграция?
• Какова фактическая стоимость каждой рабочей нагрузки?
• Могут ли инженеры диагностировать проблемы?
• Сохраняется ли производительность после обновления модели?
• Достаточно ли безопасна платформа для регулируемых данных?
• Сможет ли поставщик обеспечить поддержку в течение всего жизненного цикла системы?

Tecorigin отличается тем, что пытается поддерживать и ИИ, и научные вычисления с помощью единой архитектуры.

Возможности очевидны: рабочие нагрузки AI4Science требуют как высокой точности численных вычислений, так и возможностей современных ИИ-ускорителей.

Проблемы также ясны: компания должна доказать:

• Надежное массовое производство
• Стабильное развертывание на десятках тысяч и сотнях тысяч карт
• Высокую утилизацию
• Сильную программную совместимость
• Повторно используемую адаптацию моделей
• Конкурентоспособную совокупную стоимость владения
• Устойчивую техническую поддержку
• Независимое подтверждение производительности

Переход от «работоспособности» к «удобству использования» — это решающий шаг, который должна сделать любая альтернативная вычислительная экосистема.

Настоящая конкуренция — в полноте системы

WAIC 2026 показал, что эпоха опоры исключительно на пиковую вычислительную производительность заканчивается.

Современная ИИ-инфраструктура требует координации:

• Универсальные вычисления
• Ускоренные вычисления
• Память
• Соединения
• Хранение
• Охлаждение
• Компиляторы
• Фреймворки

Библиотеки операторов

• Планирование кластеров
• Адаптация моделей
• Программное обеспечение для научных вычислений
• Безопасность и управление

T2 Ultra — это новейший ответ Iluvatar CoreX на уровне микросхем, HyperIntelliX — это ответ на системном уровне, а платформа разработчика и стек технологий AI4Science — ответ на экосистемном уровне. Объединенная архитектура безопасности предназначена для удовлетворения потребностей развертывания в чувствительных средах.

Этот продуктовый портфель амбициозен, и многие технологические утверждения еще предстоит проверить в производственных масштабах.

Тем не менее, он уже демонстрирует правильную единицу конкуренции.

Будущее отечественных вычислений будет определяться не тем, какая компания покажет самый высокий теоретический пик на выставке, а тем, какая система сможет стабильно выполнять высокоценные нагрузки, эффективно мигрировать программную экосистему и достигать экономической устойчивости после развертывания.

Часто задаваемые вопросы

Что такое Iluvatar CoreX T2 Ultra?

T2 Ultra — это новый гетерогенный многопроцессорный процессор на архитектуре HCU, поддерживающий автономный режим и режим ускорителя, охватывающий форматы точности от FP64 до FP4.

Что такое архитектура HCU?

HCU — это гетерогенная конвергентная вычислительная архитектура, которая объединяет ресурсы ЦП и вычислительные ядра ИИ в общей высокоскоростной сети, позволяя динамически настраивать их соотношение в зависимости от нагрузки.

Что такое HyperIntelliX?

HyperIntelliX — это конвергентная крупномасштабная вычислительная система от Iluvatar CoreX для ИИ и высокопроизводительных научных вычислений, с T2 Ultra в качестве ядра, интегрирующая жидкостное охлаждение, массовые соединения и общую программную платформу.

Почему T2 Ultra поддерживает FP64?

FP64 критически важен для научного моделирования и инженерных расчетов, требующих высокой числовой точности. Эта поддержка позволяет процессору обслуживать как AI4Science, так и традиционные HPC-приложения, а не только низкоточный ИИ-инференс.

Может ли оборудование Iluvatar CoreX запускать основные AI-фреймворки?

Согласно официальным данным, поддерживаются такие фреймворки и инструменты, как PyTorch, PaddlePaddle, Megatron-LM, DeepSpeed, vLLM, SGLang, Transformers, JAX, MindSpore. Конкретная глубина поддержки и нагрузка при миграции зависят от модели и оператора.

Что такое платформа AI4Science от Iluvatar CoreX?

Это конвергентная научно-вычислительная платформа, объединяющая отечественное оборудование, планировщик заданий, среду разработки, модель программирования, библиотеки научных вычислений, инструменты для операторов и поддержку фреймворков, охватывая области наук о жизни, метеорологии, квантового моделирования, гидродинамики, материаловедения и др.

Прошли ли данные о производительности T2 Ultra независимую верификацию?

Пиковая производительность FP64, FP16, FP4, спецификации соединений и масштабирования в рекламных материалах предоставлены производителем. Для полного сравнения требуются данные независимых прикладных тестов и производственного развертывания.

Что такое система безопасности глобальных больших моделей?

Эта система, представленная на WAIC 2026, представляет собой многостороннюю архитектуру безопасности, объединяющую отечественные доверенные вычисления с оценкой моделей, управлением, соответствием данных, безопасностью данных, безопасностью цепочки поставок ПО и безопасностью обучения.

Связанные инструменты

• Платформа разработчика Iluvatar CoreX: Официальный портал для разработчиков, предоставляющий доступ к моделям, экосистемным ресурсам и платформе.
• PyTorch: Широко используемый фреймворк с открытым исходным кодом для обучения, исследований и развертывания моделей.
• Megatron-LM: Фреймворк с открытым исходным кодом от NVIDIA для крупномасштабного обучения моделей Transformer.
• DeepSpeed: Система с открытым исходным кодом от Microsoft для распределенного обучения моделей и оптимизации инференса.
• vLLM: Высокопроизводительный сервисный движок для больших языковых моделей.
• JAX: Фреймворк для численных вычислений, используемый для машинного обучения и научных рабочих нагрузок.

Связанные ссылки

• Официальный сайт Iluvatar CoreX: Официальная платформа с информацией о компании, продуктах, решениях и экосистеме.
• Обзор продуктов и технологий Iluvatar CoreX: Официальная информация о гетерогенной архитектуре, аппаратных системах, программном стеке, поддерживаемых моделях и управлении вычислениями.
• [Платформа AI4Science от Iluvatar CoreX](https://www.tecorigin.

com/cn/ai4s.html): Официальная информация об отечественной платформе AI4Science, инструментах программирования, поддерживаемых фреймворках и примерах исследований.

• Документация TianShuZhiXin: Техническая документация по продуктам TianShuZhiXin и экологическим проектам, а также примеры использования.
• Платформа разработчиков TianShuZhiXin: Точка входа в экосистему модельных ресурсов и разработчиков.
• Обзор продукции WAIC 2026: Специальная статья, посвященная T2 Ultra, HyperIntelliX, платформе AI4Science и системе безопасности больших моделей.
• Отчёт Национального научно-технического инновационного центра: Обзор на официальном правительственном сайте, описывающий применение TianShuZhiXin в областях искусственного интеллекта, метеорологии, биологии и развертывания интеллектуальных вычислительных центров.

Заключение

Продукты, представленные TianShuZhiXin на WAIC 2026, объединяют новую гетерогенную архитектуру HCU, процессор T2 Ultra, гибридную вычислительную систему HyperIntelliX, инструменты для разработчиков, платформу AI4Science и многоуровневую систему безопасности.

Эта стратегия является ответом на реальные изменения в области ИТ-инфраструктуры. Рабочие нагрузки интеллектуальных агентов предъявляют более высокие требования к универсальной координации, в то время как научный ИИ требует высокоточных численных расчетов, длительных задач и масштабируемых параллельных систем.

Хотя объявленные характеристики архитектуры и производителя вызывают оптимизм, их производственная готовность, зрелость программного обеспечения, стабильность кластеров, производительность приложений и общая стоимость владения все еще требуют более широкой проверки.

Значение анонса TianShuZhiXin заключается не только в характеристиках одного чипа, но и в попытке создать полную вычислительную базу для искусственного интеллекта, интеллектуальных агентов, научных вычислений, миграции программного обеспечения и развертывания безопасности.