De cuatro billones de partículas cósmicas a un cerebro digital
Una simulación con cuatro billones de partículas de materia oscura, un cerebro digital con 100.000 millones de neuronas y un sistema de pronóstico oceánico con una resolución de un kilómetro figuran entre las aplicaciones presentadas junto con el sistema informático Sugon 8000 de China en una importante conferencia celebrada en Shenzhen.
Contenido
- De cuatro billones de partículas cósmicas a un cerebro digital
- Qué hacen en la práctica 100.000 tarjetas conectadas
- Un ciclo de investigación que comprueba la IA con la física
- El lanzamiento de julio y la presentación de octubre
- En qué consisten los proyectos del universo y el cerebro
- Materiales, meteorología, océanos y maíz virtual
- La red y el almacenamiento que respaldan los cálculos
- Refrigeración, densidad y costo de mantener activas las tarjetas
- El alcance del uso del sistema
- Puntos clave
La máquina, descrita por su desarrollador como el primer superclúster de IA de China desarrollado íntegramente en el país y equipado con 100.000 tarjetas aceleradoras, se presentó en la 22.ª Conferencia Nacional de Computación de Alto Rendimiento de la CCF. El evento se celebró del 17 al 20 de octubre de 2026 en el Centro de Exposiciones y Convenciones World de Shenzhen, y el 18 de octubre se dieron a conocer diez logros en aplicaciones de vanguardia.
Sugon 8000, también llamado Dengfeng, se construyó en Zhengzhou, provincia de Henan, y se conectó a la Internet Nacional de Supercomputación. Su diseño central combina la computación de alto rendimiento, que calcula a partir de reglas matemáticas y físicas, con la inteligencia artificial, que aprende patrones a partir de datos.
El objetivo práctico es ofrecer a los investigadores una forma más rápida de estudiar problemas complejos. Una simulación convencional puede generar datos de entrenamiento, la IA puede explorar posibles respuestas y otra simulación detallada puede comprobar los resultados más prometedores.
El anuncio de finalización de Sugon indica que el sistema se completó y conectó a la red el 10 de julio de 2026. Por ello, la presentación de octubre se centró en aplicaciones de un sistema que ya estaba en uso, incluidos trabajos de astronomía, materiales, ciencias de la vida, meteorología y agricultura.
Qué hacen en la práctica 100.000 tarjetas conectadas
Una tarjeta aceleradora de IA es un componente de hardware informático diseñado para realizar grandes cantidades de cálculos en paralelo. Conectar 100.000 tarjetas permite que un clúster distribuya tareas exigentes entre numerosos procesadores, siempre que estos puedan intercambiar datos con suficiente rapidez.
Sugon afirma que el sistema admite formatos numéricos desde FP64 hasta INT8. FP64 utiliza 64 bits para representar un número de punto flotante, lo que ofrece una precisión numérica considerable para los cálculos científicos. INT8 representa números enteros con ocho bits y resulta útil en algunas operaciones de IA, en las que el uso de números más pequeños puede reducir la memoria necesaria y el costo de los cálculos.
Las distintas etapas de una investigación requieren diferentes niveles de precisión. Una simulación física detallada puede necesitar FP64, mientras que un modelo de IA que evalúa posibles materiales puede usar un formato de menor precisión. Sugon 8000 está diseñado para admitir estas cargas de trabajo en una misma plataforma informática.
Pasar de 10.000 a 100.000 tarjetas supone multiplicar por diez su cantidad. El rendimiento efectivo también depende de la eficiencia con que el software distribuye el trabajo, la velocidad de transmisión de los datos y el tiempo que los procesadores pasan esperándose entre sí.
Sugon describe su enfoque como una integración nativa de la computación de alto rendimiento y la IA. En la práctica, la infraestructura está concebida para gestionar simulaciones científicas, entrenamiento de modelos e inferencia, es decir, el proceso de utilizar un modelo de IA entrenado para producir una respuesta.
Un ciclo de investigación que comprueba la IA con la física
La simulación científica y la IA parten de puntos distintos. Una simulación puede utilizar ecuaciones que describen cómo interactúan los átomos o cómo se mueve el aire. Comienza con un estado inicial y calcula lo que ocurre después, a menudo mediante muchos pasos pequeños.
Un modelo de IA aprende a partir de ejemplos. Con suficientes resultados de simulación, puede identificar patrones y estimar resultados mucho más rápido que si se repitiera cada cálculo detallado. Esa velocidad es valiosa cuando los investigadores necesitan examinar una enorme cantidad de diseños o configuraciones moleculares posibles.
El enfoque combinado de Sugon 8000 consta de tres etapas. Primero, la computación científica genera datos de simulación. Segundo, la IA aprende de esos datos y evalúa las opciones. Tercero, cálculos científicos detallados comprueban una selección más reducida de respuestas prometedoras.
La comprobación final es importante porque la IA puede producir resultados verosímiles, pero inexactos, a menudo llamados alucinaciones. En la investigación científica, una predicción atractiva aún debe contrastarse con el comportamiento físico estudiado. Este flujo de trabajo combinado dirige los cálculos más costosos hacia opciones que ya superaron una evaluación inicial.
Para los investigadores, la ventaja es que pueden distribuir el tiempo de computación de otra manera. En lugar de ejecutar el cálculo más detallado para cada posibilidad, pueden utilizar la IA para acotar la búsqueda y reservar una mayor precisión para los casos que merecen un examen más minucioso.
El lanzamiento de julio y la presentación de octubre
El anuncio de Sugon en julio y la presentación en la conferencia de octubre describen distintas etapas de la puesta en marcha del sistema. La empresa anunció primero su finalización, después publicó cifras operativas y, más tarde, presentó una muestra más amplia de aplicaciones científicas.
- 10 de julio de 2026: Sugon anunció la finalización de Sugon 8000 y su conexión a la Internet Nacional de Supercomputación.
- 18 de julio: Las cifras publicadas durante la Conferencia Mundial de Inteligencia Artificial indicaron un uso pleno durante la primera semana de funcionamiento, con un promedio de más de 150.000 tareas procesadas al día.
- Del 17 al 20 de octubre: Se celebró en Shenzhen la Conferencia Nacional de Computación de Alto Rendimiento de la CCF.
- 18 de octubre: Sugon presentó diez logros en aplicaciones de vanguardia durante la conferencia.
La fecha oficial de finalización de Sugon es el 10 de julio; un informe de octubre también describió que el clúster entró formalmente en servicio en agosto, sin explicar cómo se relacionaba ese hito con el lanzamiento de julio.
Las cifras de la primera semana situaron el máximo diario por encima de las 500.000 tareas, más de tres veces el umbral indicado de 150.000 como promedio diario. Una tarea es un trabajo informático enviado al sistema, por lo que el total puede incluir tareas de tamaños y duraciones muy diferentes.
La actualización operativa de julio también indicó que el sistema admitía millones de solicitudes simultáneas de usuarios mediante una programación que tiene en cuenta el tipo de tarea, la ubicación de los datos y la disponibilidad de recursos. Esta programación equivale, en el ámbito informático, a asignar el trabajo a los equipos adecuados y evitar que las rutas y los equipos compartidos se conviertan en cuellos de botella.
En qué consisten los proyectos del universo y el cerebro
La simulación cosmológica Qianyan utilizó cuatro billones de partículas de materia oscura para modelar la evolución del cosmos. La materia oscura es materia cuyos efectos gravitatorios pueden observarse aunque no emita luz. Las partículas simuladas representan partes de esa materia y permiten a los investigadores calcular cómo se forman estructuras de gran tamaño.
La escala numérica da sentido a las descripciones de la máquina como capaz de contener un universo simulado. Los investigadores utilizan una representación matemática de la materia cósmica y su comportamiento, y calculan cómo cambia esa representación.
Un equipo de la Universidad Fudan también presentó un cerebro digital a la escala de 100.000 millones de neuronas, descrito en la conferencia como el primero del mundo en alcanzar esa escala. Un cerebro digital representa las células nerviosas y sus interacciones mediante software para que los investigadores puedan estudiar su comportamiento colectivo.
Ambos proyectos requieren más que espacio de almacenamiento para una gran cantidad de elementos. El computador debe calcular repetidamente las interacciones y transferir información entre procesadores a medida que cambia el sistema simulado.
Los proyectos de astronomía y del cerebro muestran por qué la presentación de octubre se centró en las aplicaciones y no solo en la cantidad de tarjetas. Entre las medidas útiles figuran la complejidad que puede gestionar un modelo, el nivel de detalle de sus cálculos y el tiempo que tarda una simulación en completarse.
Materiales, meteorología, océanos y maíz virtual
MatPL, un paquete de software de campo de fuerza basado en aprendizaje automático, amplió la simulación de dinámica molecular a un billón de átomos, con una precisión que, según se indicó, se acerca a la de los cálculos de mecánica cuántica. La dinámica molecular sigue el movimiento de los átomos a lo largo del tiempo. Un campo de fuerza estima las fuerzas entre ellos, que determinan ese movimiento.
El aprendizaje automático puede reducir el costo de calcular esas fuerzas en comparación con resolver repetidamente un problema cuántico más detallado. La presentación de la conferencia situó el logro de MatPL en la convergencia entre el tamaño de la simulación y la precisión numérica, dos exigencias que suelen ser difíciles de satisfacer al mismo tiempo.
El sistema Fengqing Ensemble V1.0, destinado a pronósticos meteorológicos mundiales a corto y mediano plazo, había entrado en funcionamiento operativo. Un pronóstico por conjuntos ejecuta varias versiones de una predicción para explorar cómo podría evolucionar el tiempo a partir de condiciones iniciales o supuestos ligeramente distintos.
En el ámbito de la investigación oceánica, swLFS se presentó como el primer sistema mundial de pronóstico de la circulación oceánica con una resolución de un kilómetro. Una resolución más fina permite que un modelo represente características espaciales más pequeñas, pero aumenta la cantidad de cálculos necesarios para abarcar los océanos del mundo.
La plataforma Virtual Maize de la Universidad Agrícola de China recibió el mérito de reducir los ciclos de mejoramiento de más de diez años a varios años. La plataforma incorpora la computación a la búsqueda de características útiles de los cultivos y ayuda a los investigadores a acotar las combinaciones que exploran mediante el mejoramiento genético.
Los diez logros también abarcaron la exploración energética y el desarrollo de equipos avanzados. En conjunto, los ejemplos mencionados vinculan el clúster con trabajos concretos: predecir el tiempo, modelar la circulación oceánica, estudiar el comportamiento atómico y seleccionar opciones para el mejoramiento de cultivos.
La red y el almacenamiento que respaldan los cálculos
Sugon afirma que su infraestructura nacional abarca chips, equipos informáticos, almacenamiento, redes, refrigeración, aplicaciones y servicios. Hygon y otros chips desarrollados en el país proporcionan la base informática. Los informes de la conferencia también describieron seis chips desarrollados internamente dentro de la arquitectura general.
La red scaleFabric utiliza acceso directo remoto a memoria nativo, o RDMA. Esto permite transferir datos entre máquinas con una menor intervención de sus procesadores principales y reduce parte de la sobrecarga asociada al intercambio de información.
Las conexiones rápidas son esenciales porque una simulación de gran tamaño o una sesión de entrenamiento de IA comparte repetidamente resultados intermedios. Si los procesadores terminan sus cálculos, pero deben esperar los datos, una parte de la capacidad informática instalada queda inactiva.
Sugon identifica el almacenamiento distribuido ParaStor como otro componente clave. El almacenamiento distribuido reparte los datos entre varias máquinas para que las cargas de trabajo grandes puedan leer y escribir información a través de múltiples rutas. La empresa afirma que ParaStor ocupó el primer lugar en las categorías de rendimiento de producción de nodo completo y de 10 nodos de las clasificaciones IO500 de 2026.
El rendimiento del almacenamiento es importante durante el entrenamiento de modelos, cuando es necesario leer grandes conjuntos de datos repetidamente, y durante las simulaciones científicas, en las que puede ser necesario guardar resultados intermedios. Guardar el progreso también permite reanudar un cálculo prolongado tras una interrupción.
A esta escala, la congestión de la red, el equilibrio de carga y el aislamiento de fallos se convierten en tareas de ingeniería fundamentales. El programador debe asignar el trabajo allí donde haya procesadores y datos adecuados, mientras que la red debe transportar el tráfico resultante sin que un problema local provoque una ralentización más amplia.
Refrigeración, densidad y costo de mantener activas las tarjetas
Sugon 8000 utiliza refrigeración por inmersión con un proceso de cambio de fase. Los equipos transfieren calor a un líquido refrigerante y el cambio de estado del líquido ayuda a disiparlo. Sugon afirma que el diseño puede admitir bastidores con una densidad de potencia de clase megavatio.
La empresa también describe refrigerantes desarrollados en el país y un sistema de refrigeración que aprovecha las condiciones exteriores durante todo el año. Estas características responden a una limitación básica: concentrar más capacidad informática en un espacio reducido genera más calor, que debe eliminarse de manera continua.
La actualización operativa de julio afirmaba que la densidad de computación por unidad era veinte veces mayor que la de otros supernodos. Por separado, en su comunicado de finalización de julio, Sugon señaló que la eficiencia energética, el acceso a la memoria y el diseño de la red eran aspectos que debían evaluarse en un clúster de esta escala.
El suministro eléctrico y los equipos de refrigeración deben admitir tanto un uso intensivo sostenido como cambios en la demanda. Una máquina que ejecuta simulaciones científicas, entrena sistemas de IA y procesa grandes volúmenes de inferencias puede experimentar distintos patrones de tráfico y consumo eléctrico a medida que cambia su carga de trabajo.
Entre las próximas mediciones prácticas figuran la energía consumida por tarea completada, el tiempo dedicado a esperar datos, los tiempos de finalización de las tareas y la recuperación tras fallos. Los anuncios publicados no ofrecen un conjunto completo de cifras comparables sobre el consumo eléctrico total, los costos operativos, la velocidad de las aplicaciones o las tarifas para los usuarios.
El alcance del uso del sistema
En su anuncio de finalización de julio, Sugon afirmó que se habían optimizado más de 300 aplicaciones combinadas de computación científica e IA en más de 20 campos. Más de 70 aplicaciones se habían ampliado hasta la escala de 10.000 tarjetas. Entre los ejemplos mencionados figuraban el plegamiento de proteínas, la dinámica molecular con un billón de átomos de agua y una simulación de turbulencias con 100 billones de celdas de malla.
La actualización operativa de julio describió casi 1.000 adaptaciones de aplicaciones. En la conferencia de octubre, las cifras se refirieron a más de 300 aplicaciones prioritarias optimizadas en profundidad en más de 30 campos, de las cuales más de 20 funcionaban en todo el sistema. Otra descripción de octubre contabilizó más de 300 tareas informáticas en 26 campos. Estos totales corresponden a categorías distintas, como adaptación de software, optimización prioritaria y tareas informáticas.
La Internet Nacional de Supercomputación está concebida para facilitar el acceso al clúster a universidades, instituciones de investigación, empresas y usuarios individuales. Su función es conectar la demanda de computación con los recursos disponibles y ampliar el acceso más allá de las organizaciones que pueden construir y operar un gran clúster por sí mismas.
Sugon 8000 también fue seleccionado como caso de aplicación representativo dentro del programa de observación de vanguardia HPC+AI for Science, presentado el 18 de octubre. La conferencia dio a conocer un plan de colaboración industrial y una comunidad abierta para trabajar conjuntamente en infraestructura informática, software y aplicaciones.
Sugon anunció una alianza estratégica con la Academia de Inteligencia Artificial de Beijing y el desarrollo de un segundo sistema íntegramente nacional con 100.000 tarjetas. En el caso del primer equipo, los resultados de octubre pusieron el foco en el trabajo científico realizado y la continuidad del servicio. El segundo sistema propuesto ampliaría ese enfoque más allá de una sola instalación.
Puntos clave
- Sugon 8000 conecta 100.000 tarjetas aceleradoras de IA y funciona en Zhengzhou, provincia de Henan.
- Sugon anunció su finalización y conexión a la Internet Nacional de Supercomputación el 10 de julio de 2026.
- El 18 de octubre se presentaron en Shenzhen diez logros en aplicaciones de vanguardia.
- Entre los proyectos mencionados figuran una simulación con cuatro billones de partículas de materia oscura, un cerebro digital con 100.000 millones de neuronas y una simulación molecular con un billón de átomos.
- El sistema combina cálculos científicos detallados con el entrenamiento y la inferencia de IA en una misma plataforma.
- Sugon anunció el desarrollo de un segundo clúster íntegramente nacional con 100.000 tarjetas.
