Дорожная карта включает четыре последовательные архитектуры: Tianshu, Tianxuan, Tianji и Tianquan. По заявлению компании, текущая архитектура Tianshu уже превосходит по производительности поколение Hopper от Nvidia, а следующая, Tianxuan, должна конкурировать с Blackwell. Третье поколение Tianji может превзойти Blackwell в этом году, а Tianquan ориентирована на опережение Rubin в 2027 году.
Компания утверждает, что Tianshu обеспечивает более 90% эффективного использования вычислительных ресурсов, сокращает избыточный доступ к памяти и динамически распределяет рабочие нагрузки. По собственным тестам Iluvatar CoreX, средняя производительность Tianshu на DeepSeek V3 примерно на 20% выше, чем у Hopper.
Эти заявления последовали за решением китайских властей отказаться от использования GPU H200 от Nvidia, что стало новым ударом по бизнесу американской компании. На прошлой неделе генеральный директор Nvidia Дженсен Хуанг посетил Китай, чтобы встретиться с партнёрами и клиентами и укрепить позиции компании на местном рынке.
Помимо серверных графических процессоров, Iluvatar CoreX представила серию компонентов для периферийных вычислений Tongyang (TY) с производительностью от 100 до 300 TOPS. Компания заявляет, что TY1000 превзошла Nvidia Jetson AGX Orin в ряде тестов, однако независимые результаты пока не опубликованы.
Iluvatar CoreX была основана в 2015 году и выпустила первый массовый графический процессор для обучения ИИ в Китае — TG Gen 1. Второе поколение появилось в 2023 году, а TG Gen 3 ожидается к концу этого года. В 2022 году компания также запустила линейку инференс-продуктов ZK. Производитель вышел на биржу Гонконга в январе 2026 года, с текущей рыночной капитализацией примерно 46,3 млрд гонконгских долларов. В первом полугодии 2025 года Iluvatar CoreX сообщила о выручке в 324 млн юаней и отгрузила более 52 000 универсальных графических процессоров.
Пока неизвестно, реализуются ли амбициозные планы компании. Однако представленная дорожная карта демонстрирует масштаб и решимость китайских технологических компаний в разработке собственных высокопроизводительных GPU для ИИ.
