天垓 300 实测追平 H200，然后呢

国产 GPU 的发布会，过去三年最常见的画面是参数表对比。这次天数智芯换了方式：摆两台机器，跑同一个模型，看谁先出结果。

一、发生了什么

在本周的天数智芯媒体开放日上，天垓 300 与 H200 做了一次实机对比。

按公司披露的第三方测试口径，在典型 PD 分离（预填充与解码分开部署）条件下，天垓 300 折算单卡端到端吞吐达到 H200 的 1.05 倍。测试覆盖四类主流模型、三类场景。

更细的数字来自公司自己的性能实验室：在 GLM-5.3 的 64K 长上下文场景下，保障同等用户体验时，天垓 300 的 MoE 吞吐是 H200 的 1.15 倍；在 8K 到 128K 长上下文的 Agent 场景里，首字延迟比 H200 低约 10% 到 30%。

硬件上，天垓 300 基于天枢架构，单卡显存 144GB，针对 Attention 和 MoE 做了优化：Tensor Core 与 Vector Core 并行处理矩阵运算和 Softmax 一类的向量操作，同时优化 MoE 的小规模矩阵、低精度计算和通信协同。

异构方案更值得看。公司展示的 AFD 分离，把解码阶段再拆成 Attention 和 FFN 两部分：天垓 300 承担预填充全流程和解码中的 Attention，合作厂商的 XPU 承担 FFN 专家网络计算，公司给出的对比结果是解码延迟降低 60%。

商业化侧的公开数字：已服务 380 多个客户、覆盖 30 多个行业，应用迁移通常在小时级，性能优化需要数天到一周。软件栈里引入了 Agent 与 Skills，在一个完整模型服务部署案例中，从环境准备到服务可用，用时从约 1 小时缩短到约 20 分钟，人工只需两次目标输入。

端侧也一并亮了出来。彤央 TY1200 提供 300 TOPS 的 INT8 稠密算力，在若干大语言模型上性能达到英伟达 Thor T5000 的 1.2 倍，在 Cosmos-R2-8B 上达到 1.8 倍。公司预告下一代 TY2000 稠密算力将达 600T。

如果你在评估国产卡替代：1.05 倍是特定模型、特定部署下的系统吞吐，不是通用算力。要拿自己的模型和并发去测，别拿别人的榜单下结论。

如果你在做推理成本核算：首字延迟降 10% 到 30%，对交互式应用比吞吐更值钱，这决定用户愿不愿意等。

如果你是开发或运维：迁移小时级、优化数天到一周，这个差距就是真实成本所在。装得上不等于跑得好。

"1.05 倍就是全面超过 H200。" 这是 PD 分离部署下的端到端吞吐，覆盖四类模型三类场景。换模型、换并发，结果会变。

"跑分赢了就能抢市场。" 客户买的是持续可用的系统。软件栈、算子库、故障响应，任何一项拖后腿，性能优势都兑不出来。

"专用芯片起来了，GPU 就没用了。" 公司的判断相反：模型和算子还在快速迭代，通用架构留了适配空间。真正的趋势是分工，不是替代。

国产 GPU 这一程比的不是峰值算力，是谁能让客户把模型顺顺当当地跑满一年。

功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。