Iluvatar CoreX sostiene di eguagliare la Nvidia H200 dopo una dimostrazione a Shanghai

Il 28 ottobre 2026, la società Iluvatar CoreX ha presentato a Shanghai la sua nuova scheda grafica Tiangai 300, affermando che eguaglierebbe, o addirittura supererebbe, le prestazioni della Nvidia H200 su carichi di lavoro multimodali. Questo annuncio, sebbene non supportato da dati tecnici verificabili, avviene in un mercato di GPU dedicate all'IA ancora dominato da Nvidia e AMD, dove le dichiarazioni di rottura tecnologica suscitano un'attenzione prudente da parte di investitori e professionisti. Contesto Iluvatar CoreX, filiale del progetto Iluvatar, si posiziona come un attore emergente nel settore dei processori grafici (GPU) ottimizzati per l'intelligenza artificiale. La sua entrata in scena avviene in un contesto di forte concentrazione del mercato, dove Nvidia detiene una quota preponderante grazie alle sue architetture specializzate, come la H200, progettata per modelli multimodali che combinano l'elaborazione del linguaggio e delle immagini. AMD, il suo principale concorrente, sta progredendo anch'esso con soluzioni come le GPU Instinct, ma rimane indietro in termini di prestazioni pure. Il progetto Iluvatar, sebbene menzionato in alcuni circoli tecnici, non è ancora un attore consolidato: non figura né nel registro europeo MiCA (Markets in Crypto-Assets), né tra gli asset monitorati da CryptoScore Pro, una piattaforma di analisi di riferimento. Questa mancanza di visibilità normativa e analitica limita la credibilità immediata dei suoi annunci. Inoltre, il mercato delle GPU per l'IA, in piena espansione, attrae un numero sempre maggiore di attori, ma sono rari quelli che riescono a competere con i giganti storici su criteri oggettivi di prestazioni ed efficienza energetica. I fatti La dimostrazione della Tiangai 300 si è tenuta il 28 ottobre 2026 a Shanghai, senza una diffusione pubblica dei risultati dettagliati. Ecco gli elementi confermati e le lacune identificate: Iluvatar CoreX afferma che la sua GPU raggiunge prestazioni « paragonabili o superiori » a quelle della Nvidia H200 in compiti multimodali, senza specificare le metriche utilizzate (TFLOPs, latenza di inferenza, consumo energetico, ecc.). Non è stato pubblicato alcun rapporto tecnico per supportare questo confronto. Secondo la fonte originale, i test effettuati non dettagliano né la metodologia impiegata né i set di dati utilizzati, rendendo impossibile qualsiasi convalida indipendente. Nvidia non ha reagito ufficialmente a questo annuncio, né per contestarlo né per confermarlo. Ad oggi non è stato identificato alcun comunicato della società. Secondo i dati di CryptoScore Pro al 29 ottobre 2026, il token associato al progetto NodeAI (legato a Iluvatar) mostra una capitalizzazione di mercato di 545.993 dollari, con un volume di scambio nelle 24 ore di soli 38 dollari. Il suo prezzo è cresciuto dell'1,23% nella giornata, ma è sceso del 6,73% in sette giorni. Al contrario, AMD (tramite il suo token Robinhood) registra una capitalizzazione di 2,40 milioni di dollari e un volume giornaliero di 1,50 milioni di dollari, con una performance settimanale positiva (+6,38%). Si noti che il progetto Iluvatar non ha comunicato eventuali partnership industriali o accademiche, né audit di terze parti sulle sue prestazioni. La mancanza di trasparenza su questi punti rafforza il carattere speculativo dell'annuncio. Comprendere i concetti chiave GPU e calcolo multimodale Un processore grafico (GPU) è un componente elettronico specializzato nell'elaborazione parallela dei dati, inizialmente progettato per i videogiochi e le applicazioni grafiche. Con l'ascesa dell'intelligenza artificiale, le GPU sono diventate indispensabili per addestrare ed eseguire modelli complessi, in particolare quelli che combinano diversi tipi di dati (testo, immagine, suono), detti « multimodali ». Per esempio, un modello come CLIP, sviluppato da OpenAI, utilizza una GPU per associare descrizioni testuali a immagini, un compito che richiede un'elevata potenza di calcolo. TFLOPs e latenza di inferenza Il TFLOP (teraflop) misura la capacità di una GPU di eseguire un bilione di operazioni in virgola mobile al secondo, un indicatore chiave della sua performance bruta. La latenza di inferenza, invece, indica il tempo necessario affinché un modello di IA generi una risposta dopo aver ricevuto un input (ad esempio, il ritardo tra una domanda posta a un chatbot e la sua risposta). Queste due metriche sono cruciali per valutare l'efficacia di una GPU in applicazioni reali, come gli assistenti vocali o i sistemi di riconoscimento delle immagini. MiCA e regolamentazione dei crypto-asset Il regolamento europeo MiCA (Markets in Crypto-Assets) disciplina dal 2024 gli emittenti e i prestatori di servizi legati agli asset digitali, imponendo obblighi di trasparenza e di protezione degli investitori. Un progetto non registrato in questo registro, come Iluvatar, non è soggetto a tali requisiti, il che può sollevare questioni sulla sua conformità e governance. Per gli investitori, questa assenza di un quadro normativo aumenta i rischi di mancanza di liquidità o di frode. Token e capitalizzazione di mercato Nell'ecosistema crypto, un token è un'unità di valore emessa da un progetto, spesso utilizzata per finanziare il suo sviluppo o concedere diritti ai detentori (come l'accesso a determinati servizi). La capitalizzazione di mercato di un token si calcola moltiplicando il suo prezzo per il numero di unità in circolazione. Per esempio, se un token vale 0,01 dollari e un miliardo di unità sono in circolazione, la sua capitalizzazione ammonta a 10 milioni di dollari. Questa metrica permette di valutare la dimensione relativa di un progetto, ma non riflette necessariamente la sua viabilità tecnica o economica. Analisi: le sfide L'annuncio di Iluvatar CoreX solleva interrogativi sui meccanismi di valorizzazione degli asset legati alle infrastrutture di intelligenza artificiale, in particolare in un settore dominato da attori consolidati come Nvidia e AMD. Dal punto di vista…