โดย Nokka (นก-กา) | 2 พ.ย. 2026
เมื่อปลายเดือนตุลาคม 2026 มีข่าวจากจีนเรื่องหนึ่งที่ผมเห็นแชร์กันในไทย
ใจความคือ GPU สัญชาติจีนชื่อ Tiangai 300 ทำคะแนนแซง NVIDIA H200 ได้ในการทดสอบจริง
ผมอ่านแล้วคิดว่าเรื่องนี้มีของจริงอยู่ครึ่งหนึ่ง และอีกครึ่งหนึ่งไม่ใช่เรื่องของ "ใครชนะ" แต่เป็นเรื่องของ "ตัวเลขนั้นวัดอะไร"
บทนี้ผมจะแกะทีละชั้นว่า 1.05 เท่ามาจากไหน และอะไรที่ยังไม่มีใครวัด
เกิดอะไรขึ้นเมื่อ 28 ตุลาคม
บริษัท Iluvatar CoreX บริษัทจากเซี่ยงไฮ้ที่ซื้อขายในตลาดหุ้นฮ่องกงภายใต้รหัส 9903 จัดงานเปิดบ้านให้นักข่าวจีนเข้าดูเครื่องจริงเป็นครั้งแรก [1][2]
ภายในงานมีการจับ Tiangai 300 วางเทียบกับ H200 แล้วรันงานเดียวกันสามสถานการณ์ คือโมเดลภาษาขนาดใหญ่ (LLM) การสร้างภาพจากข้อความ และการสร้างวิดีโอจากข้อความ [1][3]
จุดที่ทำให้ข่าวนี้ต่างจากข่าวเปิดตัวทั่วไป คือบริษัทให้สื่อตั้งโจทย์เองหน้างาน ไม่ได้เตรียมพรอมป์มาจากบ้าน [3]
สื่อสิ่งหนึ่งสั่งให้สร้างภาพผู้หญิงผมสีลินินใส่ชุดขาวเดินบนพื้นน้ำแข็ง สไตล์ไซเบอร์พังก์ และเครื่องสร้างภาพแรกเสร็จในเวลาราว 4 วินาที [3]
ตัวเลข 1.05 เท่า วัดอะไรกันแน่
ตัวเลขที่ถูกอ้างถึงมากที่สุดคือ 1.05 และ Digitimes สรุปว่าผลทดสอบนี้ครอบคลุมงาน inference โมเดลภาษา บริบทยาว และการสร้างสื่อผสม [8]
มันไม่ได้มาจากการวัด peak FLOPS หรือพลังประมวลผลสูงสุดตามสเปกแผ่นพับ
มันมาจากการทดสอบของ Shanghai INESA ซึ่งเป็นหน่วยงานทดสอบที่รัฐหนุนหลัง ทำเสร็จตั้งแต่เดือนกรกฎาคม 2026 [1][2][4][5]
วิธีทดสอบคือตั้งระบบแบบ PD separation คือแยกขั้นตอนอ่านบริบท (prefill) ออกจากขั้นตอนสร้างคำทีละคำ (decode) แล้ววัดปริมาณงานที่ทำได้จริงตลอดทั้งสาย
ผลคือเมื่อเทียบเป็นการ์ดเดี่ยว Tiangai 300 ทำ throughput ได้ 1.05 เท่าของ H200 [1][3][4]
คำว่า "เป็นการ์ดเดี่ยว" สำคัญ เพราะข้อความต้นทางเขียนว่าเป็นการปรับเทียบ (normalized) ให้เทียบกันได้ที่หนึ่งใบ ซึ่งผมอ่านว่าเป็นการเฉลี่ยจากระบบที่อาจใช้จำนวนการ์ดไม่เท่ากัน นี่เป็นการตีความของผมเอง ไม่ใช่ถ้อยของแหล่งข่าว
บริษัทจึงกล้าพูดว่าเป็น GPU ทั่วไปรุ่นแรกของจีนที่วัดแล้วถึงระดับ H200 [3]
ตัวเลขจากแล็ปของบริษัทเอง
นอกจากผลจากบุคคลที่สาม Iluvatar ยังเปิดตัวเลขจากห้องแล็ปของตัวเองอีกชุด [3]
- บริบท 64K สมรรถนะ Attention ได้ 1.05 เท่าของ H200 [3]
- โมเดล GLM-5.3 ที่บริบท 64K ทำ MoE throughput ได้ 1.15 เท่า เมื่อคุมประสบการณ์ผู้ใช้ให้เท่ากัน [3]
- งานเอเจนต์ที่บริบท 8K ถึง 128K เวลารอคำแรกสั้นกว่า H200 10 ถึง 30 เปอร์เซ็นต์ [3]
- งานสร้างภาพและวิดีโอทำ throughput ได้มากกว่า 2 ถึง 5 เปอร์เซ็นต์ [3]
- งานค้นหา โฆษณา และระบบแนะนำ ทำ throughput ได้มากกว่า 21 เปอร์เซ็นต์ และลดเวลาคำนวณงานเบาลง 26 เปอร์เซ็นต์ [3]
ด้านการเทรน บริษัทสาธิตการฝึก Qwen3-32B ด้วยเครื่องแปดการ์ดที่ความแม่นยำ FP8 (precision) แล้วได้ effective throughput ต่อการ์ดเป็น 1.33 เท่าของ H100 [3][4]
ตรงนี้ต้องอ่านให้ดี เพราะ H100 ไม่ใช่ H200 ตัวที่เพิ่งเอาชนะในงาน inference
เดโมสดมีตัวเลขที่ขัดกับพาดหัว
สำนักข่าวเทคอย่าง Wccftech สรุปตัวเลขจากงานเดโมไว้ละเอียดกว่าสื่ออื่น [5]
ในงานสร้างภาพจากข้อความ Tiangai 300 ทำงานเสร็จทุกงานที่สั่ง คิดเป็น 0.101 ภาพต่อวินาที
ฝั่ง H200 ทำเสร็จ 87.5 เปอร์เซ็นต์ของงาน คิดเป็น 0.086 ภาพต่อวินาที
แต่มีอีกตัวเลขที่พาดหัวข่าวมักไม่พูดถึง คือ Tiangai 300 ใช้เวลานานกว่า 0.64 วินาทีต่อหนึ่งงาน
แปลว่าในภาพรวมมันทำปริมาณได้มากกว่า แต่ไม่ได้เร็วทุกจุด
ในงานสร้างวิดีโอ บริษัทอ้างว่าตัวชี้วัด throughput อยู่ที่ 0.628 ซึ่งสูงกว่าฝั่ง H200 [3]
ตัวเลขนี้เป็นหน่วยอะไรกันแน่ เอกสารข่าวจีนไม่ได้ระบุชัด จึงควรถือว่าเป็นตัวเลขของบริษัทที่ยังตรวจสอบไม่ได้
สเปกที่รู้ และสเปกที่ยังไม่รู้
Tiangai 300 เปิดตัวที่งาน WAIC เดือนกรกฎาคม 2026 ใช้สถาปัตยกรรมที่บริษัทเรียกว่า Tianshu [4][6]
- หน่วยความจำ 144GB มากกว่า H200 ที่มี 141GB HBM3e เล็กน้อย [3][4]
- รองรับ FP4, FP8, FP16 และ BF16 [4]
- คำนวณได้ทั้งแบบสเกลาร์ เวกเตอร์ และเทนเซอร์ในชิปเดียว [4]
- มีระบบเชื่อมต่อระหว่างชิปความเร็วสูง [4]
ระบบระดับตู้คือ IXL144 ที่ยัด GPU 144 ใบไว้ในตู้มาตรฐานเดียว รวมหน่วยความจำราว 10.1TB และบริษัทอ้างว่าเป็นความหนาแน่นสูงที่สุดในอุตสาหกรรม [1]
บริษัทยังอ้างว่าต้นทุนต่อหนึ่งล้านโทเคนที่ใช้งานได้จริงต่ำกว่าทางเลือกกระแสหลักราว 40 เปอร์เซ็นต์ [4]
แต่มีสเปกหนึ่งที่ผมหาไม่เจอในเอกสารที่เปิดได้ คือ bandwidth ของหน่วยความจำ
H200 มี bandwidth 4.8TB/s [3] ซึ่งเป็นตัวเลขที่คนใช้เอาไปคำนวณกันมาก เพราะงาน inference ที่บริบทยาวมักติดที่การอ่านหน่วยความจำ ไม่ใช่ที่การคำนวณ
ถ้า Tiangai 300 ได้เปรียบเรื่องนี้จริง มันน่าจะเป็นจุดขายแรกที่บริษัทพูดถึง แต่กลับไม่ปรากฏในข่าวเปิดตัว
สี่เหตุผลที่ยังไม่ควรอ่านว่า "นำแล้ว"
หนึ่ง คู่แข่งเป็นชิปที่เปิดตัวตั้งแต่ปี 2023 H200 เปิดตัวปลายปี 2023 ส่วนงานทดสอบนี้เกิดขึ้นกลางปี 2026 ช่องว่างเกือบสามปีคือหัวใจของเรื่อง เพราะชิปที่ออกใหม่กว่าย่อมได้เปรียบด้านกระบวนการผลิตและหน่วยความจำอยู่แล้ว [2]
ที่ต้องระวังคือ H200 ยังเป็นชิป AI ของ NVIDIA ที่ทันสมัยที่สุดที่ได้รับอนุญาตให้ส่งออกไปจีนภายใต้กฎปัจจุบัน [5] แปลว่าคู่แข่งในตลาดจีนคือชิปรุ่นนี้ ไม่ใช่ชิปรุ่นล่าสุดของ NVIDIA
สอง ผลทดสอบส่วนใหญ่ออกมาจากฝั่งผู้ขาย ต้องแยกให้ชัดก่อน เพราะมีสองส่วนที่คุณภาพต่างกัน
ส่วนแรกคือการทดสอบของ INESA ซึ่งเป็นบุคคลที่สาม และให้ผล 1.05 เท่า [1][2][5] แต่ผมไม่พบว่าใครเป็นคนเลือกโมเดล ชุดทดสอบ และการตั้งค่าระบบในรอบนั้น
ส่วนที่สองคือเดโมที่บริษัทจัดขึ้นเอง Wccftech เขียนตรง ๆ ว่าผลส่วนใหญ่ออกมาจากงานที่บริษัทเปิดให้สื่อดู และตัวเลขจากคนนอกมีเพียงตัวเดียวคือ 5 เปอร์เซ็นต์ของ INESA ซึ่งยังไม่ถือว่าทิ้งห่างแบบชี้ขาด [5]
สาม ยังไม่มีตัวเลขการใช้ไฟและพื้นที่ rack เท่าที่ผมค้นเอกสารที่เปิดได้ ไม่พบทั้งการใช้ไฟและจำนวนตู้ต่อหน่วยงานที่ทำได้ ต้นทุนจริงของดาต้าเซ็นเตอร์คิดจากการใช้ไฟต่อโทเคน ไม่ใช่จาก throughput ต่อการ์ด และนั่นคือเหตุผลที่ต้นทุนรวมการเป็นเจ้าของ (TCO) ต้องรวมค่าไฟและค่าดูแลเข้าไปด้วย
สี่ ระบบนิเวศซอฟต์แวร์ยังเป็นคำถามใหญ่ จุดที่ทำให้ CUDA ครองตลาดไม่ใช่ตัวชิป แต่คือไลบรารีและคนที่เขียนโค้ดเป็น [5] นักพัฒนาที่มีอยู่จริงจะย้ายมากี่คน เป็นคำถามที่งานเดโมหนึ่งวันตอบไม่ได้
มุมที่คนเล่าไม่ค่อยพูด
การเปรียบเทียบนี้เกิดขึ้นในช่วงที่รัฐบาลจีนกำลังกดดันให้บริษัทใหญ่เลี่ยงการใช้ชิปต่างประเทศ [2][5]
พร้อมกันนั้น NVIDIA ก็เพิ่งเริ่มส่ง H200 เข้าจีนเมื่อเดือนสิงหาคม 2026 [2]
แปลว่าตลาดที่ Tiangai 300 ต้องชนะ ไม่ใช่ตลาดเสรีที่ลูกค้าเลือกของดีที่สุด แต่เป็นตลาดที่มีแรงกดดันทางการเมืองสองทางบวกกัน
อีกชั้นคือโควตาส่งออก รัฐบาลสหรัฐอนุมัติให้ขาย H200 ให้จีนเมื่อ 13 มกราคม 2026 แต่มีข้อผูก คือต้องผ่านการตรวจจากห้องแล็บบุคคลที่สาม และจีนจะได้รับไม่เกินครึ่งของจำนวนชิปที่ขายให้ลูกค้าอเมริกัน [7]
คู่แข่งของ Tiangai 300 ในตลาดจีนจึงไม่ได้แข่งด้วยเทคโนโลยีอย่างเดียว แต่แข่งกับโควตาที่ถูกจำกัดจากข้างนอกด้วย
ผลการทดสอบจึงมีค่ามากในแง่การตลาด และมีค่าน้อยในแง่การพิสูจน์ว่าบริษัทไหนเก่งกว่ากันจริง
วิธีอ่านข่าว benchmark แบบนี้ให้ไม่โดนหลอก
สามคำถามที่ผมใช้ทุกครั้ง
เวลาผมเจอข่าว "ชิป A แซงชิป B" ผมถามสามข้อนี้เสมอ
1. วัดอะไร -> throughput ต่อการ์ด ต่อตู้ หรือต่อระบบทั้งชุด
2. ใครวัด -> ผู้ขาย หน่วยงานรัฐ หรือห้องแล็บอิสระ
3. วัดที่ไหน -> ห้องแล็บ หรือดาต้าเซ็นเตอร์จริง
ผู้ขายวัดเอง หน่วยงานรัฐวัด หรือห้องแล็บอิสระที่ลูกค้าเป็นคนจ่าย ให้ผลต่างกันมาก
และสถานที่วัด (test environment) ก็สำคัญไม่แพ้กัน เพราะห้องแล็บที่มีคนปรับแต่งระบบทั้งวันไม่เหมือนดาต้าเซ็นเตอร์จริงที่ทีมลูกค้าติดตั้งเอง
ข่าวนี้ตอบข้อสองได้ดีกว่าข่าวส่วนใหญ่ เพราะมีหน่วยงานรัฐเข้ามาวัด แต่ยังตอบข้อสามไม่ได้เลย
ตัวอย่างที่ผมอยากเห็นในรอบถัดไป
ถ้าผมเป็นทีมประเมินของบริษัทที่กำลังเลือกชิป ผมจะขอสี่อย่างนี้
- ตัวเลข bandwidth และการใช้ไฟที่โหลดจริง
- ผลทดสอบที่รันโดยทีมลูกค้าเอง ไม่ใช่ทีมผู้ขาย
- ต้นทุนต่อล้านโทเคนที่รวมค่าไฟและค่าดูแลแล้ว
- จำนวนโมเดลที่รันได้แบบไม่ต้องแก้โค้ดเลย กี่เปอร์เซ็นต์ของคลังที่ทีมใช้อยู่
ข้อสุดท้ายสำคัญที่สุด เพราะสิ่งที่ทำให้ทีมย้ายชิปไม่ใช่คะแนน benchmark แต่คือจำนวนวันที่วิศวกรต้องใช้แก้โค้ดให้รันได้
สิ่งที่ผมยังไม่ได้ทำ
ผมไม่ได้แตะเครื่อง Tiangai 300 และไม่ได้รันการทดสอบใด ๆ ด้วยตัวเอง
ผมอ่านข่าวจีนจาก 21jingji, ijiwei และ ifeng โดยเทียบตัวเลขกันทีละตัว แล้วอ่านบทสรุปภาษาอังกฤษจาก SCMP, Wccftech และ Digitimes เพื่อดูว่าตัวเลขตรงกันหรือไม่
ตัวเลข 1.05 ปรากฏตรงกันในทุกแหล่งที่เปิดได้ และมีที่มาจากการทดสอบของ INESA เดือนกรกฎาคม 2026
ส่วนตัวเลขของงานเดโม ผมยึดตาม Wccftech และระบุไว้ชัดว่าเป็นตัวเลขที่ผมตรวจจากแหล่งข่าว ไม่ใช่จากเอกสารทางการของบริษัท
แหล่งอ้างอิง
[1] 21jingji · Tiangai 300 measured against H200 (30 ต.ค. 2026) · https://www.21jingji.com/article/20261030/herald/4ef4d6cb4a2101cb518c543c90631d08.html
[2] South China Morning Post · Iluvatar CoreX says new GPU matches Nvidia H200 as chip gap closes (29 ต.ค. 2026) · https://scmp.com/tech/tech-war/article/3372598/ai-chipmaker-iluvatar-corex-says-new-gpu-matches-nvidias-h200-home-grown-push-accelerates
[3] ijiwei · Tiangai 300 measured against H200 (30 ต.ค. 2026) · https://www.ijiwei.com/n/1128277
[4] ifeng tech · Domestic GPU takes a step forward (29 ต.ค. 2026) · https://tech.ifeng.com/c/8xbrHxmwD19
[5] Wccftech · Iluvatar CoreX claims Tiangai 300 beats H200 in live demo (31 ต.ค. 2026) · https://wccftech.com/iluvatar-corex-tiangai-300-beats-nvidia-h200-live-demo-5-percent-lead-outside-test
[6] Sina Finance · Iluvatar CoreX launches Tiangai 300 (21 ก.ค. 2026) · https://finance.sina.com.cn/jjxw/2026-07-21/doc-iniiqquw9211996.shtml
[7] Reuters · US approves Nvidia H200 chip exports to China with conditions (13 ม.ค. 2026) · https://www.reuters.com/world/asia-pacific/us-eases-regulations-nvidia-h200-chip-exports-china-2026-01-13/
[8] Digitimes · Iluvatar CoreX Tiangai 300 tops H200 in select AI inference tests (2 พ.ย. 2026) · https://www.digitimes.com/news/a20261102PD208/china-gpu-ai-inference-performance-nvidia.html
บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)
Top comments (0)