Iluvatar CoreX afirma igualar a la Nvidia H200 tras demostración en Shanghái

El 28 de octubre de 2026, la empresa Iluvatar CoreX presentó en Shanghái su nueva tarjeta gráfica Tiangai 300, afirmando que igualaría, o incluso superaría, el rendimiento de la Nvidia H200 en cargas de trabajo multimodales. Este anuncio, aunque no está respaldado por datos técnicos verificables, ocurre en un mercado de GPU dedicadas a la IA todavía dominado por Nvidia y AMD, donde las declaraciones de ruptura tecnológica suscitan una atención prudente por parte de inversores y profesionales. Contexto Iluvatar CoreX, filial del proyecto Iluvatar, se posiciona como un actor emergente en el sector de los procesadores gráficos (GPU) optimizados para la inteligencia artificial. Su entrada en escena ocurre en un contexto de fuerte concentración del mercado, donde Nvidia posee una cuota predominante gracias a sus arquitecturas especializadas, como la H200, diseñada para modelos multimodales que combinan el procesamiento de lenguaje e imagen. AMD, su principal competidor, también progresa con soluciones como las GPU Instinct, pero sigue estando por detrás en cuanto a rendimiento bruto. El proyecto Iluvatar, aunque mencionado en algunos círculos técnicos, aún no es un actor establecido: no figura ni en el registro europeo MiCA (Markets in Crypto-Assets), ni entre los activos seguidos por CryptoScore Pro, una plataforma de análisis de referencia. Esta ausencia de visibilidad regulatoria y analítica limita la credibilidad inmediata de sus anuncios. Por otra parte, el mercado de GPU para la IA, en plena expansión, atrae a un número cada vez mayor de actores, pero son pocos los que logran competir con los gigantes históricos en criterios objetivos de rendimiento y eficiencia energética. Los hechos La demostración de la Tiangai 300 tuvo lugar el 28 de octubre de 2026 en Shanghái, sin una difusión pública de los resultados detallados. Estos son los elementos confirmados y las lagunas identificadas: Iluvatar CoreX afirma que su GPU alcanza un rendimiento «comparable o superior» al de la Nvidia H200 en tareas multimodales, sin especificar las métricas utilizadas (TFLOPs, latencia de inferencia, consumo energético, etc.). No se ha publicado ningún informe técnico para respaldar esta comparación. Según la fuente inicial, las pruebas realizadas no detallan ni la metodología empleada ni los conjuntos de datos utilizados, lo que hace imposible cualquier validación independiente. Nvidia no ha reaccionado oficialmente a este anuncio, ya sea para impugnarlo o confirmarlo. No se ha identificado ningún comunicado de la empresa hasta la fecha. Según los datos de CryptoScore Pro al 29 de octubre de 2026, el token asociado al proyecto NodeAI (vinculado a Iluvatar) muestra una capitalización de mercado de 545 993 dólares, con un volumen de intercambio en 24 horas de solo 38 dólares. Su precio aumentó un 1,23 % durante el día, pero retrocedió un 6,73 % en siete días. En comparación, AMD (a través de su token Robinhood) registra una capitalización de 2,40 millones de dólares y un volumen diario de 1,50 millones de dólares, con un rendimiento semanal positivo (+6,38 %). Cabe señalar que el proyecto Iluvatar no ha comunicado posibles asociaciones industriales o académicas, ni auditorías externas de su rendimiento. La falta de transparencia en estos puntos refuerza el carácter especulativo del anuncio. Comprender los conceptos clave GPU y computación multimodal Una unidad de procesamiento gráfico (GPU) es un componente electrónico especializado en el procesamiento paralelo de datos, diseñado inicialmente para videojuegos y aplicaciones gráficas. Con el auge de la inteligencia artificial, las GPU se han vuelto indispensables para entrenar y ejecutar modelos complejos, especialmente aquellos que combinan varios tipos de datos (texto, imagen, sonido), denominados «multimodales». Por ejemplo, un modelo como CLIP, desarrollado por OpenAI, utiliza una GPU para asociar descripciones textuales con imágenes, una tarea que requiere una alta potencia de cálculo. TFLOPs y latencia de inferencia El TFLOP (teraflop) mide la capacidad de una GPU para realizar un billón de operaciones de coma flotante por segundo, un indicador clave de su rendimiento bruto. La latencia de inferencia, por su parte, se refiere al tiempo necesario para que un modelo de IA genere una respuesta tras recibir una entrada (por ejemplo, el retraso entre una pregunta planteada a un chatbot y su respuesta). Estas dos métricas son cruciales para evaluar la eficiencia de una GPU en aplicaciones reales, como los asistentes de voz o los sistemas de reconocimiento de imágenes. MiCA y regulación de los criptoactivos El reglamento europeo MiCA (Markets in Crypto-Assets) regula desde 2024 a los emisores y proveedores de servicios relacionados con los activos digitales, imponiendo obligaciones de transparencia y protección de los inversores. Un proyecto no registrado en este registro, como Iluvatar, no está sujeto a estos requisitos, lo que puede plantear dudas sobre su cumplimiento y gobernanza. Para los inversores, esta ausencia de marco regulatorio aumenta los riesgos de falta de liquidez o fraude. Token y capitalización bursátil En el ecosistema cripto, un token es una unidad de valor emitida por un proyecto, utilizada a menudo para financiar su desarrollo o conceder derechos a los poseedores (como el acceso a servicios). La capitalización bursátil de un token se calcula multiplicando su precio por el número de unidades en circulación. Por ejemplo, si un token vale 0,01 dólares y hay mil millones de unidades en circulación, su capitalización asciende a 10 millones de dólares. Esta métrica permite evaluar el tamaño relativo de un proyecto, pero no refleja necesariamente su viabilidad técnica o económica. Análisis: los desafíos El anuncio de Iluvatar CoreX plantea interrogantes sobre los mecanismos de valoración de los activos vinculados a las infraestructuras de inteligencia artificial, especialmente en un sector dominado por actores establecidos como Nvidia y AMD.…