国产GPU真刀真枪同台PK：天垓300现场反超H200，底气从哪来？

10月28日，上海。天数智芯的媒体开放日上，一台国产GPU和一台英伟达H200并排放着。没有PPT参数，没有理论峰值，直接跑现场。

测试题目是随机选的——“一只老虎把月亮踢飞”。文生图，天垓300用了95秒，H200用了112秒。第三方实测，在典型大模型PD分离部署下，天垓300单卡端到端吞吐达到H200的1.05倍。

各位，你们品，你们细品。

这是国内首个在实测中把H200拉下马的通用GPU（据天数智芯方面说法/第三方实测）。不是“接近”，是“反超”。

一、95秒对112秒，赢在哪？

先看现场最直观的一组数据。

文生图场景，生成1920×1080分辨率的8张图，天垓300平均耗时95秒，H200是112秒。文生视频，天垓300的吞吐量达到0.628，同样高于H200。

但真正让业内人士坐直的，不是文生图快了几秒，而是第三方实测给出的那个数字：在典型PD分离部署下，天垓300折算单卡整体端到端吞吐达到H200的1.05倍。测试由上海仪电在今年7月完成，覆盖四大主流模型、三类场景。

注意，比的是“端到端吞吐”，不是理论峰值。 天数智芯自己说得很清楚：这里比的不是纸面算力，是在特定模型和部署条件下，整条推理链路的实际输出能力。

二、底气从哪来？三个“不按套路出牌”

敢和H200同台，光靠蛮力不够。天垓300的底气，藏在三个设计里。

• 第一，144GB显存，先装得下。

   天垓300配备144GB显存，在长上下文和MoE模型成为主流的今天，显存就是吞吐量的天花板。装不下，算力再高也白搭。

• 第二，原生支持CUDA语义。

   这是国产GPU最容易被忽略的一道坎。天数智芯的软件栈在命名上几乎是对着CUDA“一一对应”做的：ixCC对应nvcc，ixBLAS对应cuBLAS，ixDNN对应cuDNN。主流框架已完成适配，模型迁移成本被压到了最低。

• 第三，不单打独斗，搞异构。

   天垓300的AFD分离方案，把Prefill阶段和Attention计算留给自己，把FFN专家网络交给合作厂商的XPU。实测解码推理延迟降低60%，是国内首个GPU与XPU异构部署跑通的方案。

说白了：一个人打不过，就组队打。

三、比“快”更重要的，是“算得值”

天数智芯这次开放日，反复提到一个词：Token工厂。

意思很直白：AI推理时代，客户不关心你芯片跑分多高，只关心每百万Token的成本是多少。

天垓300给出的答案是：IXL144超节点，单个标准机柜集成144颗GPU，聚合约10.1TB显存，业界密度最高。据测算，每百万有效Token成本比国际主流方案降低约40%。

这个数字比“1.05倍吞吐”更狠。性能反超是面子，成本打下来才是里子。

写在最后

当然，一场开放日的实测，不能等同于大规模商用验证。H200的生态壁垒、软件成熟度、长期稳定性，都是国产GPU还需要补的课。

但至少在这一天，在这个实验室里，一台国产GPU和一台H200并排放着，跑同样的任务，赢了。

不是靠PPT，是靠现场计时器。

各位，你们品，你们细品：当国产GPU开始用“每百万Token成本”而不是“理论算力”来定义自己的时候——你觉得英伟达该慌的，是性能，还是价格？

参考资料：新华财经、量子位、星岛环球网、InfoQ、IT之家、澎湃新闻、智东西、芯智讯、快科技等，截至2026年11月2日

免责声明：本文为基于公开实测数据的产业分析，不构成任何投资建议。

如果你觉得这篇文章对你有帮助，请动动您发财的小手点个收藏或转发给您的朋友，就是对我最大的鼓励～我们每天一起成长～

本文首发于爱方得（www.ai-fd.cn）