Iluvatar CoreX สาธิต Tiangai 300 บนฮาร์ดแวร์จริงต่อสื่อเป็นครั้งแรก พร้อมอ้างผลทดสอบจากบุคคลที่สามว่า throughput ต่อการ์ดอยู่ที่ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งรูปแบบหนึ่ง งานยังนำเสนอซูเปอร์โหนด IXL144 ระบบแยกงานอนุมาน GPU–XPU และอุปกรณ์ปลายทาง TY1200 โดยตัวเลขด้านประสิทธิภาพและต้นทุนส่วนใหญ่ยังเป็นคำกล่าวอ้า...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย

Create a landscape editorial hero image for this Studio Global article: What did Iluvatar CoreX demonstrate and claim at its October 28, 2026 media open day in Shanghai about the Tiangai 300 GPU’s first live hard. Article summary: At its October 28, 2026 Shanghai media open day, Iluvatar CoreX publicly demonstrated the Tiangai 300 running on real hardware for the first time, alongside heterogeneous inference and edge-AI systems—a meaningful move b. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
งานเปิดบ้านสื่อของ Iluvatar CoreX ที่เซี่ยงไฮ้เมื่อวันที่ 28 ตุลาคม 2026 เป็นครั้งแรกที่บริษัทนำ Tiangai 300 ออกสาธิตการทำงานบนฮาร์ดแวร์จริง หลังจากก่อนหน้านี้นำเสนอข้อมูลด้านสถาปัตยกรรมและแผนผลิตภัณฑ์เป็นหลัก ภายในงานยังมีซูเปอร์โหนด ระบบประมวลผลแบบผสม GPU–XPU และอุปกรณ์ AI สำหรับใช้งานปลายทางด้วย 2
3
6
ตัวเลขที่สะดุดตาที่สุดคือบริษัทระบุว่า ผลทดสอบจากบุคคลที่สามพบว่า Tiangai 300 ทำ throughput โดยรวมต่อการ์ดได้ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งแบบแยกขั้นตอน prefill และ decode แต่รายละเอียดสำคัญของการทดสอบยังไม่ได้เปิดเผยครบ จึงควรมองตัวเลขนี้เป็นผลที่รายงานภายใต้เงื่อนไขเฉพาะ ไม่ใช่ข้อสรุปว่า GPU รุ่นนี้เร็วกว่า H200 ในทุกงาน 2
3
การสาธิตครั้งนี้ทำให้สื่อได้เห็น Tiangai 300 ทำงานบนฮาร์ดแวร์จริงเป็นครั้งแรก พร้อมซอฟต์แวร์สแตกของบริษัท ซูเปอร์โหนด IXL144 และผลิตภัณฑ์ประมวลผลปลายทาง Tongyang TY1200 3
6 การนำระบบมารันให้เห็นเป็นรูปธรรมกว่าการเปิดเผยเพียงสถาปัตยกรรมหรือแผนผลิตภัณฑ์ แต่การสาธิตสดเพียงอย่างเดียวไม่ได้ยืนยันความถูกต้องของการเปรียบเทียบประสิทธิภาพ
Iluvatar ระบุว่า การทดสอบจากบุคคลที่สามพบว่า throughput แบบ end-to-end โดยรวมของ Tiangai 300 เมื่อปรับเทียบให้อยู่บนฐานการ์ดเดี่ยว ทำได้ 1.05 เท่าของ NVIDIA H200 ในการใช้งานแบบ PD disaggregation ซึ่งแบ่งงานระหว่างขั้นตอน prefill และ decode บริษัทเรียก Tiangai 300 ว่า GPU ประมวลผลทั่วไปในจีนรุ่นแรกที่มีผลทดสอบแตะระดับ H200 2
3
อย่างไรก็ตาม 1.05 เท่าเป็นผลจากการติดตั้งและรูปแบบงานที่ระบุ ไม่ได้แปลว่า Tiangai 300 เร็วกว่า 5% ในทุกโมเดล ทุกงาน หรือทุกการตั้งค่า รายงานเกี่ยวกับการประกาศระบุว่ายังไม่มีการเปิดเผยวิธีทดสอบ โมเดลที่ใช้ และเงื่อนไขของภาระงาน 3 การมีผลทดสอบจากบุคคลที่สามเป็นข้อมูลประกอบที่มีประโยชน์ แต่เมื่อรายละเอียดไม่ครบ ผู้อื่นก็ยังทำซ้ำหรือประเมินความเทียบเคียงได้ยาก
Iluvatar ยังพูดถึง IXL144 ซูเปอร์โหนดที่เคยจัดแสดงในงานอุตสาหกรรมก่อนหน้านี้ บริษัทระบุว่าระบบหนึ่งแร็กประกอบด้วย GPU 144 ตัว, CPU 18 ตัว และหน่วยความจำ GPU ราว 10.1 TB 3
บริษัทเรียกระบบนี้ว่ามีความหนาแน่นของ GPU ต่อแร็กอยู่ในระดับแนวหน้าของอุตสาหกรรม และประเมินว่าอาจลดต้นทุนต่อโทเคนที่ใช้งานได้หนึ่งล้านโทเคนลง 40% เมื่อเทียบกับโซลูชันหลักจากต่างประเทศ 3
9 ทั้งสองประเด็นเป็นคำกล่าวอ้างและการคำนวณประมาณการของบริษัท ไม่ใช่ผลเปรียบเทียบต้นทุนการใช้งานที่ผ่านการตรวจสอบโดยอิสระ
บริษัทกล่าวว่าประสบความสำเร็จในการรันระบบ AFD ที่ใช้ GPU และ XPU ต่างชนิดร่วมกัน พร้อมรายงานว่าลดเวลาแฝงของการอนุมานได้ 60% 3 แนวทางนี้แบ่งการคำนวณของโมเดล เช่น งาน attention และ feed-forward network ให้ตัวเร่งประมวลผลคนละประเภทรับผิดชอบตามลักษณะงานที่เหมาะสม รายงานเกี่ยวกับการติดตั้งระบุว่า Tiangai 300 ทำงานในขั้น prefill และส่วน attention ระหว่าง decode ขณะที่ XPU จากพันธมิตรรับงาน feed-forward network
4
ตัวเลขลดเวลาแฝงจึงผูกอยู่กับระบบและรูปแบบการทดสอบที่รายงานไว้ หากยังไม่มีการเปิดเผยเงื่อนไขและวิธีวัดอย่างชัดเจน ก็ไม่ควรสรุปว่าจะได้ผลเท่ากันกับโมเดลหรือระบบอื่น 3
4
Tongyang TY1200 ระบุสมรรถนะการประมวลผลแบบ dense ไว้ที่ 300 TOPS และนำเสนอสำหรับงาน AI ปลายทางกับระบบปัญญาประดิษฐ์แบบมีตัวตน เช่น หุ่นยนต์ 2
3 Iluvatar อ้างว่าประสิทธิภาพสูงกว่า NVIDIA Thor T5000 ขณะที่รายงานภายหลังระบุผลราว 1.2 เท่าของ T5000 ในโมเดล Qwen บางรุ่น ตัวเลขนี้เป็นการเปรียบเทียบเฉพาะโมเดล ไม่ใช่อันดับสมรรถนะสูงสุดที่ใช้แทนได้กับทุกงาน
2
บริษัทยังกล่าวว่า TY1200 เป็นผลิตภัณฑ์ประมวลผลปลายทางในจีนรุ่นแรกที่รันการจำลองฟิสิกส์แบบเร่งด้วย GPU ผ่าน MuJoCo-Warp ได้ การสาธิตเกี่ยวข้องกับการจำลองบนอุปกรณ์เพื่อฝึกการเคลื่อนไหวของหุ่นยนต์ ทำให้เห็นแนวทางเชื่อมการจำลอง การฝึก และการตรวจสอบบนระบบปลายทาง 2
3 ทั้งคำกล่าวเรื่อง “รุ่นแรก” และตัวเลขประสิทธิภาพยังเป็นข้อมูลที่บริษัทนำเสนอในแหล่งข่าวที่มีอยู่
งานครั้งนี้แสดงให้เห็นมากกว่าแผนผลิตภัณฑ์: Tiangai 300 ทำงานบนฮาร์ดแวร์จริง และบริษัทนำเสนอควบคู่กับระบบระดับแร็ก การประมวลผลแบบผสม และการสาธิต AI ปลายทาง 3
6 จึงให้ภาพความพยายามสร้างระบบคอมพิวเตอร์ครบชุดชัดกว่าการดูสไลด์สถาปัตยกรรมเพียงอย่างเดียว
แต่การสาธิตยังไม่ยืนยันว่า Tiangai 300 เหนือกว่าผลิตภัณฑ์ NVIDIA ในภาพรวม รายงานที่อ้างผล 1.05 เท่าระบุด้วยว่ายังไม่มีการเปิดเผยวิธีทดสอบ โมเดล และเงื่อนไขภาระงานอย่างครบถ้วน 3 การเปรียบเทียบที่ตรวจสอบซ้ำได้ควรระบุรุ่นโมเดล ความละเอียดเชิงตัวเลข ขนาด batch การตั้งค่าอินพุตและเอาต์พุต จำนวนและรูปแบบฮาร์ดแวร์ ซอฟต์แวร์ที่ใช้ ตลอดจนวิธีนิยามเวลาแฝง ส่วนการอ้างเรื่องต้นทุนก็ควรเปิดเผยสมมติฐานในการคำนวณด้วย จนกว่าจะมีข้อมูลเหล่านี้ ตัวเลขต่าง ๆ จึงควรอ่านเป็นผลเฉพาะกรณีและประมาณการของบริษัท ไม่ใช่ผลจัดอันดับทั่วไปที่ทำซ้ำและตรวจสอบได้อย่างอิสระ
Studio Global AI
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
Iluvatar CoreX สาธิต Tiangai 300 บนฮาร์ดแวร์จริงต่อสื่อเป็นครั้งแรก พร้อมอ้างผลทดสอบจากบุคคลที่สามว่า throughput ต่อการ์ดอยู่ที่ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งรูปแบบหนึ่ง
Iluvatar CoreX สาธิต Tiangai 300 บนฮาร์ดแวร์จริงต่อสื่อเป็นครั้งแรก พร้อมอ้างผลทดสอบจากบุคคลที่สามว่า throughput ต่อการ์ดอยู่ที่ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งรูปแบบหนึ่ง งานยังนำเสนอซูเปอร์โหนด IXL144 ระบบแยกงานอนุมาน GPU–XPU และอุปกรณ์ปลายทาง TY1200 โดยตัวเลขด้านประสิทธิภาพและต้นทุนส่วนใหญ่ยังเป็นคำกล่าวอ้างหรือประมาณการของบริษัท [3][4]
Iluvatar CoreX สาธิต Tiangai 300 บนฮาร์ดแวร์จริงต่อสื่อเป็นครั้งแรก พร้อมอ้างผลทดสอบจากบุคคลที่สามว่า throughput ต่อการ์ดอยู่ที่ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งรูปแบบหนึ่ง งานยังนำเสนอซูเปอร์โหนด IXL144 ระบบแยกงานอนุมาน GPU–XPU และอุปกรณ์ปลายทาง TY1200 โดยตัวเลขด้านประสิทธิภาพและต้นทุนส่วนใหญ่ยังเป็นคำกล่าวอ้า...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย

Create a landscape editorial hero image for this Studio Global article: What did Iluvatar CoreX demonstrate and claim at its October 28, 2026 media open day in Shanghai about the Tiangai 300 GPU’s first live hard. Article summary: At its October 28, 2026 Shanghai media open day, Iluvatar CoreX publicly demonstrated the Tiangai 300 running on real hardware for the first time, alongside heterogeneous inference and edge-AI systems—a meaningful move b. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clic
งานเปิดบ้านสื่อของ Iluvatar CoreX ที่เซี่ยงไฮ้เมื่อวันที่ 28 ตุลาคม 2026 เป็นครั้งแรกที่บริษัทนำ Tiangai 300 ออกสาธิตการทำงานบนฮาร์ดแวร์จริง หลังจากก่อนหน้านี้นำเสนอข้อมูลด้านสถาปัตยกรรมและแผนผลิตภัณฑ์เป็นหลัก ภายในงานยังมีซูเปอร์โหนด ระบบประมวลผลแบบผสม GPU–XPU และอุปกรณ์ AI สำหรับใช้งานปลายทางด้วย 2
3
6
ตัวเลขที่สะดุดตาที่สุดคือบริษัทระบุว่า ผลทดสอบจากบุคคลที่สามพบว่า Tiangai 300 ทำ throughput โดยรวมต่อการ์ดได้ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งแบบแยกขั้นตอน prefill และ decode แต่รายละเอียดสำคัญของการทดสอบยังไม่ได้เปิดเผยครบ จึงควรมองตัวเลขนี้เป็นผลที่รายงานภายใต้เงื่อนไขเฉพาะ ไม่ใช่ข้อสรุปว่า GPU รุ่นนี้เร็วกว่า H200 ในทุกงาน 2
3
การสาธิตครั้งนี้ทำให้สื่อได้เห็น Tiangai 300 ทำงานบนฮาร์ดแวร์จริงเป็นครั้งแรก พร้อมซอฟต์แวร์สแตกของบริษัท ซูเปอร์โหนด IXL144 และผลิตภัณฑ์ประมวลผลปลายทาง Tongyang TY1200 3
6 การนำระบบมารันให้เห็นเป็นรูปธรรมกว่าการเปิดเผยเพียงสถาปัตยกรรมหรือแผนผลิตภัณฑ์ แต่การสาธิตสดเพียงอย่างเดียวไม่ได้ยืนยันความถูกต้องของการเปรียบเทียบประสิทธิภาพ
Iluvatar ระบุว่า การทดสอบจากบุคคลที่สามพบว่า throughput แบบ end-to-end โดยรวมของ Tiangai 300 เมื่อปรับเทียบให้อยู่บนฐานการ์ดเดี่ยว ทำได้ 1.05 เท่าของ NVIDIA H200 ในการใช้งานแบบ PD disaggregation ซึ่งแบ่งงานระหว่างขั้นตอน prefill และ decode บริษัทเรียก Tiangai 300 ว่า GPU ประมวลผลทั่วไปในจีนรุ่นแรกที่มีผลทดสอบแตะระดับ H200 2
3
อย่างไรก็ตาม 1.05 เท่าเป็นผลจากการติดตั้งและรูปแบบงานที่ระบุ ไม่ได้แปลว่า Tiangai 300 เร็วกว่า 5% ในทุกโมเดล ทุกงาน หรือทุกการตั้งค่า รายงานเกี่ยวกับการประกาศระบุว่ายังไม่มีการเปิดเผยวิธีทดสอบ โมเดลที่ใช้ และเงื่อนไขของภาระงาน 3 การมีผลทดสอบจากบุคคลที่สามเป็นข้อมูลประกอบที่มีประโยชน์ แต่เมื่อรายละเอียดไม่ครบ ผู้อื่นก็ยังทำซ้ำหรือประเมินความเทียบเคียงได้ยาก
Iluvatar ยังพูดถึง IXL144 ซูเปอร์โหนดที่เคยจัดแสดงในงานอุตสาหกรรมก่อนหน้านี้ บริษัทระบุว่าระบบหนึ่งแร็กประกอบด้วย GPU 144 ตัว, CPU 18 ตัว และหน่วยความจำ GPU ราว 10.1 TB 3
บริษัทเรียกระบบนี้ว่ามีความหนาแน่นของ GPU ต่อแร็กอยู่ในระดับแนวหน้าของอุตสาหกรรม และประเมินว่าอาจลดต้นทุนต่อโทเคนที่ใช้งานได้หนึ่งล้านโทเคนลง 40% เมื่อเทียบกับโซลูชันหลักจากต่างประเทศ 3
9 ทั้งสองประเด็นเป็นคำกล่าวอ้างและการคำนวณประมาณการของบริษัท ไม่ใช่ผลเปรียบเทียบต้นทุนการใช้งานที่ผ่านการตรวจสอบโดยอิสระ
บริษัทกล่าวว่าประสบความสำเร็จในการรันระบบ AFD ที่ใช้ GPU และ XPU ต่างชนิดร่วมกัน พร้อมรายงานว่าลดเวลาแฝงของการอนุมานได้ 60% 3 แนวทางนี้แบ่งการคำนวณของโมเดล เช่น งาน attention และ feed-forward network ให้ตัวเร่งประมวลผลคนละประเภทรับผิดชอบตามลักษณะงานที่เหมาะสม รายงานเกี่ยวกับการติดตั้งระบุว่า Tiangai 300 ทำงานในขั้น prefill และส่วน attention ระหว่าง decode ขณะที่ XPU จากพันธมิตรรับงาน feed-forward network
4
ตัวเลขลดเวลาแฝงจึงผูกอยู่กับระบบและรูปแบบการทดสอบที่รายงานไว้ หากยังไม่มีการเปิดเผยเงื่อนไขและวิธีวัดอย่างชัดเจน ก็ไม่ควรสรุปว่าจะได้ผลเท่ากันกับโมเดลหรือระบบอื่น 3
4
Tongyang TY1200 ระบุสมรรถนะการประมวลผลแบบ dense ไว้ที่ 300 TOPS และนำเสนอสำหรับงาน AI ปลายทางกับระบบปัญญาประดิษฐ์แบบมีตัวตน เช่น หุ่นยนต์ 2
3 Iluvatar อ้างว่าประสิทธิภาพสูงกว่า NVIDIA Thor T5000 ขณะที่รายงานภายหลังระบุผลราว 1.2 เท่าของ T5000 ในโมเดล Qwen บางรุ่น ตัวเลขนี้เป็นการเปรียบเทียบเฉพาะโมเดล ไม่ใช่อันดับสมรรถนะสูงสุดที่ใช้แทนได้กับทุกงาน
2
บริษัทยังกล่าวว่า TY1200 เป็นผลิตภัณฑ์ประมวลผลปลายทางในจีนรุ่นแรกที่รันการจำลองฟิสิกส์แบบเร่งด้วย GPU ผ่าน MuJoCo-Warp ได้ การสาธิตเกี่ยวข้องกับการจำลองบนอุปกรณ์เพื่อฝึกการเคลื่อนไหวของหุ่นยนต์ ทำให้เห็นแนวทางเชื่อมการจำลอง การฝึก และการตรวจสอบบนระบบปลายทาง 2
3 ทั้งคำกล่าวเรื่อง “รุ่นแรก” และตัวเลขประสิทธิภาพยังเป็นข้อมูลที่บริษัทนำเสนอในแหล่งข่าวที่มีอยู่
งานครั้งนี้แสดงให้เห็นมากกว่าแผนผลิตภัณฑ์: Tiangai 300 ทำงานบนฮาร์ดแวร์จริง และบริษัทนำเสนอควบคู่กับระบบระดับแร็ก การประมวลผลแบบผสม และการสาธิต AI ปลายทาง 3
6 จึงให้ภาพความพยายามสร้างระบบคอมพิวเตอร์ครบชุดชัดกว่าการดูสไลด์สถาปัตยกรรมเพียงอย่างเดียว
แต่การสาธิตยังไม่ยืนยันว่า Tiangai 300 เหนือกว่าผลิตภัณฑ์ NVIDIA ในภาพรวม รายงานที่อ้างผล 1.05 เท่าระบุด้วยว่ายังไม่มีการเปิดเผยวิธีทดสอบ โมเดล และเงื่อนไขภาระงานอย่างครบถ้วน 3 การเปรียบเทียบที่ตรวจสอบซ้ำได้ควรระบุรุ่นโมเดล ความละเอียดเชิงตัวเลข ขนาด batch การตั้งค่าอินพุตและเอาต์พุต จำนวนและรูปแบบฮาร์ดแวร์ ซอฟต์แวร์ที่ใช้ ตลอดจนวิธีนิยามเวลาแฝง ส่วนการอ้างเรื่องต้นทุนก็ควรเปิดเผยสมมติฐานในการคำนวณด้วย จนกว่าจะมีข้อมูลเหล่านี้ ตัวเลขต่าง ๆ จึงควรอ่านเป็นผลเฉพาะกรณีและประมาณการของบริษัท ไม่ใช่ผลจัดอันดับทั่วไปที่ทำซ้ำและตรวจสอบได้อย่างอิสระ
Studio Global AI
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
Iluvatar CoreX สาธิต Tiangai 300 บนฮาร์ดแวร์จริงต่อสื่อเป็นครั้งแรก พร้อมอ้างผลทดสอบจากบุคคลที่สามว่า throughput ต่อการ์ดอยู่ที่ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งรูปแบบหนึ่ง
Iluvatar CoreX สาธิต Tiangai 300 บนฮาร์ดแวร์จริงต่อสื่อเป็นครั้งแรก พร้อมอ้างผลทดสอบจากบุคคลที่สามว่า throughput ต่อการ์ดอยู่ที่ 1.05 เท่าของ NVIDIA H200 ในการติดตั้งรูปแบบหนึ่ง งานยังนำเสนอซูเปอร์โหนด IXL144 ระบบแยกงานอนุมาน GPU–XPU และอุปกรณ์ปลายทาง TY1200 โดยตัวเลขด้านประสิทธิภาพและต้นทุนส่วนใหญ่ยังเป็นคำกล่าวอ้างหรือประมาณการของบริษัท [3][4]