Sugon 8000 da China põe 100 000 placas de IA ao serviço de simulações do cérebro, do Universo e do clima

De quatro biliões de partículas cósmicas a um cérebro digital

Uma simulação com quatro biliões de partículas de matéria escura, um cérebro digital com 100 mil milhões de neurónios e um sistema de previsão oceânica com uma resolução de um quilómetro estão entre as aplicações apresentadas juntamente com o sistema de computação Sugon 8000, da China, numa importante conferência em Shenzhen.

A máquina, descrita pelo seu criador como o primeiro supercluster de IA da China totalmente desenvolvido no país e composto por 100 000 placas aceleradoras, foi apresentada na 22.ª Conferência Nacional da CCF sobre Computação de Alto Desempenho. O evento decorreu de 17 a 20 de outubro de 2026, no Centro de Exposições e Convenções World de Shenzhen, tendo sido divulgados dez resultados de aplicações de vanguarda a 18 de outubro.

O Sugon 8000, também chamado Dengfeng, foi construído em Zhengzhou, na província de Henan, e ligado à Internet Nacional de Supercomputação. A sua conceção central combina computação de alto desempenho, que efetua cálculos com base em regras matemáticas e físicas, com inteligência artificial, que aprende padrões a partir de dados.

O objetivo prático é proporcionar aos investigadores uma forma mais rápida de estudar problemas difíceis. Uma simulação convencional pode gerar dados de treino, a IA pode pesquisar possíveis respostas e uma nova simulação detalhada pode verificar os resultados mais promissores.

O anúncio de conclusão da Sugon indica que o sistema ficou concluído e foi ligado à rede a 10 de julho de 2026. A apresentação de outubro centrou-se, por isso, nas aplicações de um sistema já em funcionamento, incluindo trabalhos nas áreas da astronomia, dos materiais, das ciências da vida, da meteorologia e da agricultura.

O que fazem, na prática, 100 000 placas ligadas

Uma placa aceleradora de IA é um componente de hardware informático concebido para executar grandes quantidades de cálculos em paralelo. Ligar 100 000 placas permite a um cluster dividir tarefas exigentes por muitos processadores, desde que estes consigam trocar dados com rapidez suficiente.

A Sugon afirma que o sistema suporta formatos numéricos que vão de FP64 a INT8. O FP64 usa 64 bits para representar um número de vírgula flutuante, proporcionando elevada precisão numérica aos cálculos científicos. O INT8 representa números inteiros com oito bits e é útil em algumas operações de IA, nas quais números mais pequenos podem reduzir a utilização de memória e os custos de cálculo.

Diferentes fases da investigação exigem diferentes níveis de precisão. Uma simulação física detalhada pode precisar de FP64, enquanto um modelo de IA que avalie possíveis materiais pode usar um formato de menor precisão. O Sugon 8000 foi concebido para suportar estas cargas de trabalho na mesma plataforma de computação.

A passagem de 10 000 para 100 000 placas representa um aumento de dez vezes no número de placas. O desempenho efetivo também depende da eficiência com que o software divide o trabalho, da rapidez com que os dados circulam e do tempo que os processadores passam à espera uns dos outros.

A Sugon descreve a sua abordagem como uma integração nativa da computação de alto desempenho com a IA. Na prática, a infraestrutura destina-se a lidar com simulações científicas, treino de modelos e inferência, o processo pelo qual um modelo de IA treinado produz uma resposta.

Um ciclo de investigação que verifica a IA com a física

A simulação científica e a IA partem de pontos diferentes. Uma simulação pode usar equações que descrevem a interação entre átomos ou o movimento do ar. Parte de um estado inicial e calcula o que acontece a seguir, muitas vezes através de numerosos pequenos passos.

Um modelo de IA aprende a partir de exemplos. Com resultados de simulações suficientes, pode identificar padrões e estimar resultados muito mais depressa do que repetindo cada cálculo detalhado. Essa rapidez é valiosa quando os investigadores têm de analisar um número enorme de possíveis conceções ou configurações moleculares.

A abordagem combinada do Sugon 8000 segue três etapas. Primeiro, a computação científica gera dados de simulação. Depois, a IA aprende com esses dados e seleciona candidatos. Por fim, cálculos científicos detalhados verificam um conjunto mais reduzido de respostas promissoras.

A verificação final é importante porque a IA pode produzir resultados plausíveis, mas inexatos, muitas vezes chamados alucinações. Na investigação científica, uma previsão promissora continua a precisar de ser testada face ao comportamento físico em estudo. O fluxo de trabalho combinado direciona os cálculos dispendiosos para candidatos que já passaram por uma seleção inicial.

Para os investigadores, a vantagem está na forma como podem distribuir o tempo de computação. Em vez de executarem o cálculo mais detalhado para todas as possibilidades, podem usar a IA para restringir a pesquisa e reservar maior precisão para os casos que merecem uma análise mais aprofundada.

O lançamento de julho e a apresentação de outubro

O anúncio de julho da Sugon e a apresentação na conferência de outubro descrevem fases diferentes da implementação do sistema. A empresa anunciou primeiro a conclusão, seguindo-se os dados de funcionamento e, depois, uma apresentação mais abrangente das aplicações científicas.

• 10 de julho de 2026: a Sugon anunciou a conclusão do Sugon 8000 e a sua ligação à Internet Nacional de Supercomputação.
• 18 de julho: os dados divulgados durante a Conferência Mundial de Inteligência Artificial indicavam uma utilização total na primeira semana de funcionamento, com uma média de mais de 150 000 tarefas processadas por dia.
• 17 a 20 de outubro: realizou-se em Shenzhen a Conferência Nacional da CCF sobre Computação de Alto Desempenho.
• 18 de outubro: a Sugon apresentou dez resultados de aplicações de vanguarda na conferência.

A data oficial de conclusão indicada pela Sugon é 10 de julho; um relato de outubro também descreveu o cluster como tendo entrado formalmente em serviço em agosto, sem explicar a relação entre esse marco e o lançamento de julho.

Os dados da primeira semana indicam que o pico diário ultrapassou as 500 000 tarefas, mais do triplo do limiar da média diária anunciada, de 150 000. Uma tarefa é um trabalho de computação submetido ao sistema, pelo que o total pode incluir operações de dimensões e durações muito diferentes.

A atualização operacional de julho também referiu a capacidade de suportar milhões de pedidos de utilizadores em simultâneo através de um sistema de escalonamento que tem em conta o tipo de tarefa, a localização dos dados e a disponibilidade de recursos. Esse escalonamento equivale, na computação, a atribuir trabalho às equipas adequadas, evitando que as vias e os equipamentos partilhados se tornem estrangulamentos.

O que implicam os projetos sobre o Universo e o cérebro

A simulação cosmológica Qianyan usou quatro biliões de partículas de matéria escura para modelar a evolução do cosmos. A matéria escura é matéria cujos efeitos gravitacionais podem ser observados, apesar de não emitir luz. As partículas simuladas representam porções dessa matéria, permitindo aos investigadores calcular como se formam estruturas de grande escala.

A escala numérica dá conteúdo às descrições da máquina como capaz de conter um Universo simulado. Os investigadores usam uma representação matemática da matéria cósmica e do seu comportamento e calculam depois como essa representação evolui.

Uma equipa da Universidade Fudan apresentou também um cérebro digital à escala de 100 mil milhões de neurónios, descrito na conferência como o primeiro do mundo àquela escala. Um cérebro digital representa as células nervosas e as suas interações em software, para que os investigadores possam estudar o seu comportamento coletivo.

Ambos os projetos exigem mais do que espaço de armazenamento para um grande número de elementos. O computador tem de calcular repetidamente as interações e transferir informação entre processadores à medida que o sistema simulado evolui.

Os projetos de astronomia e do cérebro mostram por que motivo a apresentação de outubro se centrou nas aplicações e não apenas no número de placas. Entre as medidas relevantes contam-se a complexidade que um modelo consegue suportar, o detalhe dos cálculos e o tempo necessário para concluir uma simulação.

Materiais, meteorologia, oceanos e milho virtual

O MatPL, um pacote de software de campo de forças baseado em aprendizagem automática, alargou a simulação de dinâmica molecular a um bilião de átomos, com uma precisão descrita como próxima da dos cálculos de mecânica quântica. A dinâmica molecular acompanha o movimento dos átomos ao longo do tempo. Um campo de forças estima as forças entre eles, que determinam esse movimento.

A aprendizagem automática pode tornar esses cálculos de forças menos dispendiosos do que resolver repetidamente um problema quântico mais detalhado. A apresentação na conferência situou o resultado do MatPL na confluência entre a dimensão da simulação e a precisão numérica, duas exigências que muitas vezes são difíceis de satisfazer em simultâneo.

O sistema Fengqing Ensemble V1.0 para previsões meteorológicas globais a curto e médio prazo já tinha entrado em funcionamento. Uma previsão de conjunto executa várias versões de uma previsão para explorar a evolução possível do tempo a partir de condições ou pressupostos iniciais ligeiramente diferentes.

Na investigação oceânica, o swLFS foi apresentado como o primeiro sistema mundial de previsão da circulação oceânica global com uma resolução de um quilómetro. Uma resolução mais fina permite a um modelo representar características espaciais mais pequenas, mas aumenta o volume de cálculos necessários para abranger os oceanos do planeta.

À plataforma Virtual Maize da Universidade Agrícola da China foi atribuída a redução dos ciclos de melhoramento de mais de dez anos para vários anos. A plataforma integra a computação na procura de características úteis das culturas, ajudando os investigadores a restringir as combinações que exploram através do melhoramento.

Os dez resultados incluíram também a exploração energética e o desenvolvimento de equipamento avançado. Em conjunto, os exemplos identificados associam o cluster a trabalhos concretos: prever o tempo, modelar a circulação oceânica, estudar o comportamento atómico e selecionar opções de melhoramento de culturas.

A rede e o armazenamento por detrás dos cálculos

A Sugon afirma que a sua infraestrutura nacional abrange chips, equipamento de computação, armazenamento, redes, arrefecimento, aplicações e serviços. Os chips Hygon e outros desenvolvidos no país fornecem a base de computação. A cobertura da conferência também referiu seis chips desenvolvidos internamente no âmbito da arquitetura mais abrangente.

A rede scaleFabric usa acesso remoto direto à memória nativo, ou RDMA. Isto permite transferir dados entre máquinas com menor intervenção dos seus processadores principais, reduzindo parte da sobrecarga associada à troca de informação.

Ligações rápidas são essenciais porque uma simulação de grande dimensão ou uma sessão de treino de IA partilham repetidamente resultados intermédios. Se os processadores concluírem cálculos, mas tiverem de esperar por dados, parte da capacidade de computação instalada fica inativa.

A Sugon identifica o armazenamento distribuído ParaStor como outro componente fundamental. O armazenamento distribuído reparte os dados por várias máquinas, permitindo que cargas de trabalho de grande dimensão leiam e gravem informação através de vários percursos. A empresa afirma que o ParaStor ficou em primeiro lugar nas categorias de desempenho de nó completo de produção e de 10 nós do ranking IO500 de 2026.

O desempenho do armazenamento é importante durante o treino de modelos, quando grandes conjuntos de dados têm de ser lidos repetidamente, e nas simulações científicas, quando pode ser necessário guardar resultados intermédios. Guardar o progresso também permite retomar um cálculo demorado após uma interrupção.

Àquela escala, o congestionamento da rede, o equilíbrio da carga e o isolamento de falhas tornam-se tarefas de engenharia fundamentais. O sistema de escalonamento tem de distribuir o trabalho pelos processadores adequados e onde os dados estão disponíveis, enquanto a rede tem de suportar o tráfego resultante sem transformar um problema local num abrandamento mais amplo.

Arrefecimento, densidade e o custo de manter as placas ocupadas

O Sugon 8000 usa arrefecimento por imersão com um processo de mudança de fase. O equipamento transfere calor para um líquido refrigerante, cuja mudança de estado ajuda a dissipá-lo. A Sugon afirma que a conceção pode suportar bastidores com uma densidade de potência na classe dos megawatts.

A empresa refere ainda refrigerantes desenvolvidos no país e um sistema de arrefecimento que tira partido das condições exteriores ao longo de todo o ano. Estas características respondem a uma limitação básica: concentrar mais potência de computação num espaço reduzido gera mais calor, que tem de ser removido continuamente.

A atualização operacional de julho reivindicou um aumento de vinte vezes na densidade de computação por unidade, em comparação com outros supernós. A declaração de conclusão da Sugon, divulgada separadamente em julho, identificou a eficiência energética, o acesso à memória e a conceção da rede como critérios necessários para avaliar um cluster desta escala.

O fornecimento de eletricidade e o equipamento de arrefecimento têm de suportar tanto uma utilização intensiva prolongada como variações da procura. Uma máquina que executa simulações científicas, treina modelos de IA e processa grandes volumes de inferência pode deparar-se com diferentes padrões de tráfego e consumo de energia à medida que as cargas de trabalho mudam.

Entre as próximas medidas práticas contam-se a energia consumida por tarefa concluída, o tempo de espera pelos dados, os tempos de conclusão das tarefas e a recuperação após falhas. Os anúncios publicados não apresentam um conjunto completo de dados comparáveis sobre o consumo total de energia, os custos de funcionamento, a velocidade das aplicações ou os preços cobrados aos utilizadores.

Até que ponto o sistema está a ser utilizado

No anúncio de conclusão de julho, a Sugon afirmou que tinham sido otimizadas mais de 300 aplicações de computação científica e IA em mais de 20 áreas. Mais de 70 aplicações tinham sido ampliadas à escala de 10 000 placas. Entre os exemplos mencionados estavam o enovelamento de proteínas, a dinâmica molecular envolvendo um bilião de átomos de água e a simulação de turbulência com 100 biliões de células de grelha.

A atualização operacional de julho referiu quase 1000 adaptações de aplicações. Na conferência de outubro, os dados apontavam para mais de 300 aplicações prioritárias profundamente otimizadas em mais de 30 áreas, incluindo mais de 20 a funcionar em todo o sistema. Outro relato de outubro contabilizou mais de 300 tarefas de computação em 26 áreas. Estes totais usam categorias diferentes, incluindo adaptação de software, otimização prioritária e tarefas de computação.

A Internet Nacional de Supercomputação destina-se a dar acesso ao cluster a universidades, instituições de investigação, empresas e utilizadores individuais. A sua função é ligar a procura de computação aos recursos disponíveis, alargando o acesso para lá das organizações capazes de construir e operar o seu próprio cluster de grande dimensão.

O Sugon 8000 foi também selecionado como caso de aplicação representativo no âmbito do programa de observação de vanguarda HPC+AI for Science, lançado a 18 de outubro. A conferência apresentou um plano de colaboração industrial e uma comunidade aberta para a cooperação em infraestruturas de computação, software e aplicações.

A Sugon anunciou uma parceria estratégica com a Academia de Inteligência Artificial de Pequim e o desenvolvimento de um segundo sistema totalmente nacional, composto por 100 000 placas. No caso do primeiro sistema, os resultados de outubro deram destaque ao trabalho científico concluído e à continuidade do serviço. O segundo sistema proposto alargaria essa abordagem para lá de uma única instalação.

Principais pontos

• O Sugon 8000 liga 100 000 placas aceleradoras de IA e funciona em Zhengzhou, na província de Henan.
• A Sugon anunciou a conclusão do sistema e a sua ligação à Internet Nacional de Supercomputação a 10 de julho de 2026.
• Foram apresentados em Shenzhen dez resultados de aplicações de vanguarda a 18 de outubro.
• Entre os projetos mencionados estão uma simulação com quatro biliões de partículas de matéria escura, um cérebro digital com 100 mil milhões de neurónios e uma simulação molecular à escala de um bilião de átomos.
• O sistema combina cálculos científicos detalhados com treino e inferência de IA numa única plataforma.
• A Sugon anunciou o desenvolvimento de um segundo cluster totalmente nacional, composto por 100 000 placas.