Iluvatar CoreX behauptet, nach Demonstration in Shanghai mit der Nvidia H200 gleichzuziehen

Am 28. Oktober 2026 stellte das Unternehmen Iluvatar CoreX in Shanghai seine neue Grafikkarte Tiangai 300 vor und behauptete, dass diese die Leistung der Nvidia H200 bei multimodalen Arbeitslasten erreichen oder sogar übertreffen würde. Diese Ankündigung, obwohl sie nicht durch überprüfbare technische Daten gestützt wird, erfolgt in einem Markt für KI-GPUs, der nach wie vor von Nvidia und AMD dominiert wird, in dem Aussagen über technologische Durchbrüche bei Investoren und Fachleuten auf vorsichtige Aufmerksamkeit stoßen. Hintergrund Iluvatar CoreX, eine Tochtergesellschaft des Iluvatar-Projekts, positioniert sich als aufstrebender Akteur im Bereich der Grafikprozessoren (GPU), die für künstliche Intelligenz optimiert sind. Ihr Markteintritt erfolgt in einem Kontext starker Marktkonzentration, in dem Nvidia dank seiner spezialisierten Architekturen, wie der H200, die für multimodale Modelle zur Kombination von Sprach- und Bildverarbeitung entwickelt wurde, einen vorherrschenden Anteil hält. AMD, sein Hauptkonkurrent, macht ebenfalls Fortschritte mit Lösungen wie den Instinct-GPUs, bleibt jedoch bei der Rohleistung zurück. Das Iluvatar-Projekt, obwohl in einigen technischen Kreisen erwähnt, ist noch kein etablierter Akteur: Es ist weder im europäischen MiCA-Register (Markets in Crypto-Assets) aufgeführt, noch gehört es zu den von CryptoScore Pro verfolgten Vermögenswerten, einer Referenzplattform für Analysen. Dieser Mangel an regulatorischer und analytischer Sichtbarkeit schränkt die unmittelbare Glaubwürdigkeit seiner Ankündigungen ein. Darüber hinaus zieht der expandierende Markt für KI-GPUs immer mehr Akteure an, doch nur wenige schaffen es, die historischen Giganten anhand objektiver Kriterien für Leistung und Energieeffizienz herauszufordern. Die Fakten Die Demonstration der Tiangai 300 fand am 28. Oktober 2026 in Shanghai statt, ohne dass detaillierte Ergebnisse öffentlich bekannt gegeben wurden. Hier sind die bestätigten Elemente und die identifizierten Lücken: Iluvatar CoreX behauptet, dass seine GPU bei multimodalen Aufgaben eine Leistung erbringt, die „vergleichbar oder überlegen“ zu der der Nvidia H200 ist, ohne die verwendeten Metriken (TFLOPs, Inferenzlatenz, Energieverbrauch usw.) zu spezifizieren. Es wurde kein technischer Bericht veröffentlicht, um diesen Vergleich zu stützen. Laut der ursprünglichen Quelle detaillieren die durchgeführten Tests weder die angewandte Methodik noch die verwendeten Datensätze, was eine unabhängige Validierung unmöglich macht. Nvidia hat offiziell nicht auf diese Ankündigung reagiert, weder um sie zu bestreiten noch zu bestätigen. Bisher wurde keine Mitteilung des Unternehmens identifiziert. Gemäß den Daten von CryptoScore Pro vom 29. Oktober 2026 weist der mit dem NodeAI-Projekt (verbunden mit Iluvatar) assoziierte Token eine Marktkapitalisierung von 545.993 Dollar auf, mit einem 24-Stunden-Handelsvolumen von nur 38 Dollar. Sein Kurs stieg im Tagesverlauf um 1,23 %, sank jedoch über sieben Tage um 6,73 %. Im Vergleich dazu verzeichnet AMD (über seinen Robinhood-Token) eine Marktkapitalisierung von 2,40 Millionen Dollar und ein tägliches Volumen von 1,50 Millionen Dollar, mit einer positiven Wochenperformance (+6,38 %). Es ist anzumerken, dass das Iluvatar-Projekt keine Informationen über mögliche Industrie- oder Akademikerpartnerschaften oder über Drittprüfungen seiner Leistung kommuniziert hat. Der Mangel an Transparenz in diesen Punkten verstärkt den spekulativen Charakter der Ankündigung. Schlüsselbegriffe verstehen GPU und multimodales Computing Ein Grafikprozessor (GPU) ist eine elektronische Komponente, die auf die parallele Datenverarbeitung spezialisiert ist und ursprünglich für Videospiele und Grafikanwendungen entwickelt wurde. Mit dem Aufstieg der künstlichen Intelligenz sind GPUs unverzichtbar für das Training und die Ausführung komplexer Modelle geworden, insbesondere solcher, die mehrere Datentypen (Text, Bild, Ton) kombinieren, sogenannte „multimodale“ Modelle. Beispielsweise nutzt ein Modell wie CLIP, entwickelt von OpenAI, eine GPU, um Textbeschreibungen mit Bildern zu verknüpfen, eine Aufgabe, die eine hohe Rechenleistung erfordert. TFLOPs und Inferenzlatenz Der TFLOP (Teraflop) misst die Fähigkeit einer GPU, eine Billion Gleitkommaoperationen pro Sekunde auszuführen, ein Schlüsselindikator für ihre reine Rechenleistung. Die Inferenzlatenz hingegen bezeichnet die Zeit, die ein KI-Modell benötigt, um nach Erhalt einer Eingabe eine Antwort zu generieren (zum Beispiel die Verzögerung zwischen einer an einen Chatbot gestellten Frage und dessen Antwort). Diese beiden Metriken sind entscheidend für die Bewertung der Effizienz einer GPU in realen Anwendungen, wie etwa bei Sprachassistenten oder Bilderkennungssystemen. MiCA und die Regulierung von Krypto-Assets Die europäische MiCA-Verordnung (Markets in Crypto-Assets) regelt seit 2024 die Emittenten und Dienstleister im Zusammenhang mit digitalen Vermögenswerten und schreibt Transparenzpflichten sowie Anlegerschutzmaßnahmen vor. Ein Projekt, das nicht in diesem Register eingetragen ist, wie Iluvatar, unterliegt nicht diesen Anforderungen, was Fragen zu seiner Compliance und Governance aufwerfen kann. Für Anleger erhöht das Fehlen eines regulatorischen Rahmens die Risiken von Liquiditätsmangel oder Betrug. Token und Marktkapitalisierung Im Krypto-Ökosystem ist ein Token eine von einem Projekt emittierte Werteinheit, die häufig zur Finanzierung der Entwicklung oder zur Gewährung von Rechten an die Inhaber (wie den Zugang zu Diensten) verwendet wird. Die Marktkapitalisierung eines Tokens wird berechnet, indem sein Preis mit der Anzahl der im Umlauf befindlichen Einheiten multipliziert wird. Wenn beispielsweise ein Token 0,01 Dollar wert ist und eine Milliarde Einheiten im Umlauf sind, beträgt die Marktkapitalisierung 10 Millionen Dollar. Diese Metrik ermöglicht es, die relative Größe eines Projekts zu bewerten, spiegelt jedoch nicht zwangsläufig dessen technische oder…