Iluvatar CoreX показала суперузел на 144 GPU

Китайский производитель AI-чипов Iluvatar CoreX представил свою первую супернод-систему Tiangai 300 IXL144 на выставке China International Industry Fair 2026 в Шанхае. Устройство объединяет 144 графических процессора и 18 центральных процессоров в одном шкафу, что, по заявлению компании, является отраслевым рекордом по плотности вычислений. Система ориентирована на обучение и инференс крупномасштабных AI-моделей.

По данным Iluvatar CoreX, суммарный объём памяти суперноды составляет около 10,1 ТБ. Компания утверждает, что архитектура с одним шкафом позволяет гибко масштабировать вычислительные ресурсы. Суперноды глубоко интегрируют вычисления, хранение, сеть, управление и программные фреймворки в единый суперкомпьютер.

Ключевое заявление производителя касается экономической эффективности: стоимость обработки 1 млн действительных токенов снижается на 40% по сравнению с «основными международными альтернативами». Это может быть важно для китайских компаний, разрабатывающих большие языковые модели, поскольку затраты на инференс остаются одной из главных статей расходов.

Анонс состоялся на фоне сохраняющихся экспортных ограничений США, которые затрудняют доступ китайских компаний к передовым чипам Nvidia. В этих условиях локальные производители ускоряют разработку собственных решений для масштабирования вычислений. Суперноды рассматриваются как способ наращивать мощность без закупки запрещённого оборудования.

Iluvatar CoreX не раскрыла точную дату начала поставок и цену Tiangai 300 IXL144. Также пока неизвестно, какие именно модели и фреймворки поддерживает система и проходила ли она независимые тесты производительности. Отраслевые аналитики отмечают, что заявленные показатели требуют подтверждения в реальных задачах.

Выход подобного продукта усиливает конкуренцию на китайском рынке AI-инфраструктуры, где уже работают Huawei, Cambricon и другие игроки. Если заявленная эффективность подтвердится, Tiangai 300 IXL144 может стать заметной альтернативой для дата-центров, ориентированных на локальный стек. Однако масштаб внедрения будет зависеть от доступности чипов и зрелости программной экосистемы.