文｜南都记者 朱可轩
近日，“从模型到世界”天数智芯2026媒体开放日活动在上海举行。天垓300首次面向媒体进行实机演示，基于该芯片的AFD分离方案、IXL144超节点方案，以及天数智算软件栈、彤央端侧算力终端同步亮相。此外，天数智芯预告了下一代端侧产品彤央TY2000，其标称算力将达600T，进一步拓展云端能力下沉的边界。
天垓300实测性能对标H200，适配Token工厂需求
作为今年世界人工智能大会期间发布的新一代通用GPU旗舰产品，天垓300在活动现场首次向媒体开放实机演示。第三方权威机构于今年7月针对四大主流模型及三类场景进行测试。结果显示，在大模型典型的PD分离部署下，天垓300折算单卡整体端到端吞吐达到英伟达H200的1.05倍。天数智芯强调，该对比并非理论峰值，而是特定模型和部署条件下整条推理链路的实际输出能力。
天数智芯性能实验室的实测数据进一步覆盖了典型业务场景：在64K长上下文下，天垓300的Attention性能为H200的1.05倍；在GLM-5.3模型64K规模下，保障同等用户体验时，MoE吞吐为H200的1.15倍；在8K至128K长上下文场景中，Agent首字延迟较H200降低约10%—30%；多模态生成推理吞吐相较H200提升约2%—5%；在搜索广告推荐等在线业务中，推荐推理吞吐提升21%，轻量计算时延降低26%。
满足Token工厂对算力的高标准要求
随着日均Token调用量持续增长，“Token工厂”已成为算力规模化落地的热门形态，也是检验高质量算力的关键场景。天数智芯表示，天垓300在以下三个方面满足了Token工厂的实际要求：
一是高效率。鉴于电力、机房和固定运维支出难以压缩，单位Token成本主要取决于设备投入和有效吞吐。天垓300折算单卡端到端吞吐达到H200的1.05倍，为单位时间内生产更多有效Token提供了性能基础。
二是可预期性。Token工厂需在长时间满负荷运行时保持稳定。天垓300满负荷运行的步时波动仅为0.43%，低于对比Hopper方案的0.76%，确保了长时间高负载下的利用率与可用率。
三是可持续性。天垓300采用通用架构，原生支持CUDA语义，主流框架均已适配，并提供从加速卡、服务器到超节点的不同部署形态，能够灵活应对多种模型与业务需求。
彤央TY1200实测超越英伟达Thor T5000，推动云边端算力分层
在端侧领域，天数智芯推出的小型化智能计算设备彤央TY1200表现亮眼。该产品面向具身智能、AI Agent开发部署及行业现场部署需求，标称拥有300 TOPS稠密算力（而非行业惯用的稀疏峰值）。实测数据显示，在Qwen3.8-27B、Qwen3.6-35B-A3B等LLM模型中，TY1200性能达到英伟达Thor T5000的1.2倍；在Cosmos-R2-2B和Cosmos-R2-8B测试中，其性能分别达到Thor T5000的158%和180%。天数智芯彤央产品市场负责人宋远盈指出，TY1200的优势源于更高的显存带宽和更多的计算核数量。
算力分层成为必然趋势
天数智芯认为，布局端侧算力主要基于以下三点考量：
首先，物理世界数据量持续增长，感知、规划与执行任务要求毫秒级响应；涉及合同、科研等数据安全的任务要求算力“贴着数据跑”，业务需求推动了算力分层。
其次，小参数量模型能力提升，使得更多任务具备边端部署条件，技术演进让算力分层成为可能。
最后，客户关注长期使用成本，要求算力投入更精准。简单任务无需上云，复杂任务也不宜一律下沉。大规模训练与复杂复判保留在云端，而要求实时响应、涉及数据安全或需要现场闭环的任务则部署在端侧。
宋远盈表示：“云端GPU厂商做端侧，不是把芯片做小，而是把能力下沉。”天数智芯将云侧大规模训练与推理中积累的模型压缩、量化、蒸馏及软硬协同能力，连同通用GPU架构、编译器、算子库和性能工具延伸至边端，实现模型“生在云、长在边”。这种云端训练、边端部署、必要时云端复判的模式，保持了模型能力与精度的衔接，并为工业应用、具身智能等高稳定性要求的场景交付提供了坚实基础。