Pinakikilos ng Sugon 8000 ng China ang 100,000 AI card para sa mga simulation ng utak, uniberso at lagay ng panahon

Mula sa apat na trilyong kosmikong partikulo tungo sa digital na utak

Kabilang sa mga application na iniharap kasabay ng computing system na Sugon 8000 ng China sa isang pangunahing kumperensya sa Shenzhen ang simulation gamit ang apat na trilyong partikulo ng dark matter, digital na utak na may 100 bilyong neuron, at sistema sa pagtataya ng karagatan na may resolusyong isang kilometro.

Inilarawan ng developer nito bilang kauna-unahang ganap na binuong AI supercluster ng China na gawa sa loob ng bansa at may 100,000 accelerator card, ipinakita ang makina sa ika-22 Pambansang Kumperensya ng CCF sa High Performance Computing. Idinaos ang pagtitipon mula Oktubre 17 hanggang 20, 2026, sa Shenzhen World Exhibition and Convention Center, at inilabas noong Oktubre 18 ang sampung tagumpay sa mga aplikasyon sa larangan.

Itinayo ang Sugon 8000, na tinatawag ding Dengfeng, sa Zhengzhou, lalawigan ng Henan, at ikinonekta sa National Supercomputing Internet. Pinagsasama ng pangunahing disenyo nito ang high performance computing, na nagsasagawa ng kalkulasyon batay sa mga tuntuning matematikal at pisikal, at artificial intelligence, na natututo ng mga padron mula sa datos.

Layunin nitong bigyan ang mga mananaliksik ng mas mabilis na paraan upang siyasatin ang mahihirap na suliranin. Maaaring lumikha ng datos para sa pagsasanay ang isang karaniwang simulation, maghanap ang AI sa mga posibleng sagot, at magsagawa ng isa pang detalyadong simulation upang beripikahin ang pinakamahuhusay na resulta.

Itinatakda ng pabatid ng Sugon tungkol sa pagkumpleto ang Hulyo 10, 2026 bilang petsa ng pagkumpleto at pagkonekta sa network ng sistema. Samakatuwid, nakatuon ang presentasyon noong Oktubre sa mga aplikasyon mula sa sistemang ginagamit na, kabilang ang mga gawain sa astronomiya, materyales, agham-buhay, panahon at agrikultura.

Ano talaga ang nagagawa ng 100,000 magkakaugnay na card

Ang AI accelerator card ay isang bahagi ng computer hardware na idinisenyo upang magsagawa nang sabay-sabay ng napakaraming kalkulasyon. Dahil magkakaugnay ang 100,000 card, maaaring paghati-hatian ng cluster ang mahihirap na gawain sa maraming processor, kung sapat ang bilis ng palitan nila ng datos.

Ayon sa Sugon, sinusuportahan ng sistema ang mga numerical format mula FP64 hanggang INT8. Gumagamit ang FP64 ng 64 bit upang kumatawan sa isang floating-point na numero, kaya nagkakaroon ng malaking numerical precision ang mga siyentipikong kalkulasyon. Kinakatawan naman ng INT8 ang mga integer gamit ang walong bit at kapaki-pakinabang ito sa ilang operasyon ng AI kung saan maaaring magpababa ng paggamit ng memorya at gastos sa kalkulasyon ang mas maliliit na numero.

Nangangailangan ng magkakaibang antas ng precision ang iba't ibang yugto ng pananaliksik. Maaaring mangailangan ng FP64 ang isang detalyadong pisikal na simulation, samantalang maaaring gumamit ng format na mas mababa ang precision ang isang AI model na nagsasala ng mga posibleng materyales. Dinisenyo ang Sugon 8000 upang suportahan ang mga gawaing ito sa iisang computing platform.

Sampung ulit na pagdami ng bilang ng card ang pagtaas mula 10,000 tungo sa 100,000. Nakadepende rin ang aktuwal na performance sa husay ng software sa paghahati ng gawain, bilis ng paglipat ng datos at tagal na ginugugol ng mga processor sa paghihintay sa isa't isa.

Inilalarawan ng Sugon ang pamamaraan nito bilang likas na pagsasama ng high performance computing at AI. Sa praktika, nilayon ang imprastraktura na magsagawa ng siyentipikong simulation, pagsasanay ng modelo at inference, ang paggamit sa sinanay na AI model upang makabuo ng sagot.

Isang siklo ng pananaliksik na sinusuri ang AI gamit ang pisika

Magkaiba ang pinagmumulan ng siyentipikong simulation at AI. Maaaring gumamit ang simulation ng mga ekwasyong naglalarawan kung paano nag-uugnayan ang mga atomo o gumagalaw ang hangin. Nagsisimula ito sa isang paunang kalagayan at kinakalkula ang susunod na mangyayari, kadalasan sa pamamagitan ng maraming maliliit na hakbang.

Natututo ang AI model mula sa mga halimbawa. Kapag sapat ang mga resulta ng simulation, matutukoy nito ang mga padron at matatantiya ang mga kalalabasan nang mas mabilis kaysa ulitin ang bawat detalyadong kalkulasyon. Mahalaga ang bilis na ito kapag kailangang suriin ng mga mananaliksik ang napakaraming posibleng disenyo o pagkakaayos ng mga molekula.

May tatlong yugto ang pinagsamang pamamaraan ng Sugon 8000. Una, lumilikha ng datos ng simulation ang siyentipikong computing. Ikalawa, natututo ang AI mula sa datos na iyon at nagsasala ng mga kandidato. Ikatlo, sinusuri ng detalyadong siyentipikong kalkulasyon ang mas maliit na pangkat ng mga posibleng sagot.

Mahalaga ang huling pagsusuri dahil maaaring makabuo ang AI ng mga kapani-paniwala ngunit di-tumpak na resulta, na madalas tawaging hallucination. Sa siyentipikong pananaliksik, kailangan pa ring subukin ang kaakit-akit na prediksyon batay sa pisikal na asal na pinag-aaralan. Itinutok ng pinagsamang daloy ng trabaho ang magastos na mga kalkulasyon sa mga kandidatong nakapasa na sa paunang pagsasala.

Para sa mga mananaliksik, nagbabago kung paano nila magagamit ang oras sa computing. Sa halip na isagawa ang pinakadetalyadong kalkulasyon sa bawat posibilidad, maaari nilang gamitin ang AI upang paliitin ang paghahanap at ilaan ang mas mataas na precision sa mga kasong dapat suriin nang mas masusi.

Paglulunsad noong Hulyo at pagtatanghal noong Oktubre

Magkakaibang yugto ng pagpapalawak ng sistema ang inilalarawan sa pabatid ng Sugon noong Hulyo at sa presentasyon nito sa kumperensya noong Oktubre. Una munang inanunsyo ng kumpanya ang pagkumpleto, kasunod ang mga bilang tungkol sa operasyon, at pagkatapos ang mas malawak na pagpapakita ng mga aplikasyong siyentipiko.

• Hulyo 10, 2026: Inanunsyo ng Sugon ang pagkumpleto ng Sugon 8000 at pagkonekta nito sa National Supercomputing Internet.
• Hulyo 18: Inilarawan ng mga bilang na inilabas sa World Artificial Intelligence Conference ang ganap na paggamit sa unang linggo ng operasyon, na may mahigit 150,000 trabahong napoproseso kada araw sa karaniwan.
• Oktubre 17 hanggang 20: Idinaos sa Shenzhen ang Pambansang Kumperensya ng CCF sa High Performance Computing.
• Oktubre 18: Iniharap ng Sugon sa kumperensya ang sampung tagumpay sa mga nangungunang aplikasyon.

Hulyo 10 ang opisyal na petsa ng pagkumpleto ayon sa Sugon; binanggit din sa isang ulat noong Oktubre na pormal na nagsimulang magserbisyo ang cluster noong Agosto, nang hindi ipinaliliwanag kung paano ito nauugnay sa paglulunsad noong Hulyo.

Mahigit 500,000 trabaho ang naabot sa pinakamataas na bilang kada araw sa unang linggo, mahigit tatlong ulit ng nakasaad na pang-araw-araw na karaniwang hangganang 150,000. Isang ipinapasang computing task ang trabaho, kaya maaaring kabilang sa kabuuan ang mga gawaing lubhang nagkakaiba ang laki at tagal.

Inilarawan din sa update tungkol sa operasyon noong Hulyo ang kakayahang suportahan ang milyun-milyong sabay-sabay na kahilingan ng user sa pamamagitan ng iskedyul na isinasaalang-alang ang uri ng gawain, lokasyon ng datos at pagkakaroon ng mga mapagkukunan. Katumbas ito sa computing ng pagtatalaga ng gawain sa angkop na mga pangkat habang pinipigilang maging sagabal ang mga rutang at kagamitang pinagsasaluhan.

Nilalaman ng mga proyekto tungkol sa uniberso at utak

Gumamit ang kosmolohikal na simulation na Qianyan ng apat na trilyong partikulo ng dark matter upang imodelo ang ebolusyon ng kosmos. Ang dark matter ay materyang naoobserbahan ang mga epektong grabitasyonal kahit hindi ito naglalabas ng liwanag. Kumakatawan ang mga partikulo sa simulation sa mga bahagi ng materyang iyon, upang makalkula ng mga mananaliksik kung paano nabubuo ang malalaking estruktura.

Nagbibigay ng kongkretong batayan ang lawak ng bilang sa mga paglalarawan sa makinang kaya nitong maglaman ng isang ginayang uniberso. Gumagamit ang mga mananaliksik ng matematikal na representasyon ng materya sa kosmos at ng asal nito, saka kinakalkula kung paano nagbabago ang representasyong iyon.

Nagharap din ang isang pangkat mula sa Fudan University ng digital na utak na katumbas ng 100 bilyong neuron, na inilarawan sa kumperensya bilang kauna-unahan sa mundo na umabot sa ganitong laki. Kinakatawan ng digital na utak sa software ang mga selulang nerbiyos at ang mga ugnayan ng mga ito upang siyasatin ng mga mananaliksik ang sama-samang asal ng mga ito.

Higit pa sa pag-iimbak ng maraming bagay ang kailangan ng dalawang proyekto. Kailangang paulit-ulit na kalkulahin ng computer ang mga ugnayan at maglipat ng impormasyon sa pagitan ng mga processor habang nagbabago ang sistemang ginagaya.

Ipinakikita ng mga proyekto sa astronomiya at utak kung bakit nakatuon sa mga aplikasyon ang presentasyon noong Oktubre, sa halip na sa bilang lamang ng mga card. Kabilang sa mahahalagang sukatan ang antas ng kasalimuutang kayang hawakan ng modelo, detalye ng mga kalkulasyon nito at tagal bago matapos ang simulation.

Materyales, panahon, karagatan at virtual na mais

Pinalawak ng MatPL, isang software package para sa machine learning force field, ang molecular dynamics simulation hanggang isang trilyong atomo, nang may katumpakang inilalarawang papalapit sa mga kalkulasyong quantum mechanical. Sinusubaybayan ng molecular dynamics ang galaw ng mga atomo sa paglipas ng panahon. Tinatantiya ng force field ang mga puwersa sa pagitan ng mga ito, na siyang nagtatakda sa galaw nila.

Maaaring pababain ng machine learning ang gastos sa pagkalkula ng mga tantiya sa puwersang iyon, kumpara sa paulit-ulit na paglutas sa mas detalyadong problemang quantum. Inilagay ng presentasyon sa kumperensya ang tagumpay ng MatPL sa pagtatagpo ng laki ng simulation at numerical accuracy, dalawang pangangailangang madalas mahirap pagsabayin.

Nagsimula nang gamitin sa operasyon ang sistemang Fengqing Ensemble V1.0 para sa pandaigdigang pagtataya ng panandalian at panggitnang-panahong lagay ng panahon. Nagpapatakbo ang ensemble forecast ng maraming bersiyon ng isang prediksyon upang siyasatin kung paano maaaring magbago ang panahon mula sa bahagyang magkakaibang panimulang kalagayan o palagay.

Para sa pananaliksik sa karagatan, iniharap ang swLFS bilang kauna-unahang pandaigdigang sistema ng pagtataya sa sirkulasyon ng karagatan na may resolusyong isang kilometro. Nagbibigay-daan ang mas pinong resolusyon na mailarawan ng modelo ang mas maliliit na katangiang heograpiko, ngunit pinadadami rin nito ang kalkulasyong kailangan sa buong karagatan ng mundo.

Kinilala ang Virtual Maize platform ng China Agricultural University sa pagpapaikli sa mga siklo ng pagpaparami ng mais mula mahigit sampung taon tungo sa ilang taon. Isinasama ng platform ang computing sa paghahanap ng mga kapaki-pakinabang na katangian ng pananim, upang matulungan ang mga mananaliksik na paliitin ang mga kombinasyong susubukan nila sa pagpaparami.

Saklaw din ng sampung tagumpay ang eksplorasyon ng enerhiya at pagpapaunlad ng makabagong kagamitan. Pinag-uugnay ng mga halimbawang binanggit ang cluster sa kongkretong gawain: pagtataya ng panahon, pagmomodelo sa sirkulasyon ng karagatan, pag-aaral sa asal ng mga atomo at pagpili ng mga opsiyon sa pagpaparami ng pananim.

Ang network at imbakan sa likod ng mga kalkulasyon

Ayon sa Sugon, saklaw ng domestic na imprastraktura nito ang mga chip, computing equipment, imbakan, networking, pagpapalamig, aplikasyon at serbisyo. Nagbibigay ng pundasyon sa computing ang Hygon at iba pang chip na binuo sa loob ng bansa. Binanggit din sa mga ulat ng kumperensya ang anim na chip na binuo mismo ng kumpanya sa mas malawak na arkitektura.

Gumagamit ang network na scaleFabric ng native remote direct memory access, o RDMA. Nagbibigay-daan ito sa paglilipat ng datos sa pagitan ng mga makina nang hindi gaanong kinakailangan ang tulong ng mga pangunahing processor ng mga ito, kaya nababawasan ang ilang gastos sa pagpapalitan ng impormasyon.

Mahalaga ang mabilis na koneksiyon dahil paulit-ulit na nagbabahagi ng mga pansamantalang resulta ang malalaking simulation at pagsasanay ng AI. Kung natatapos ng mga processor ang mga kalkulasyon ngunit naghihintay sila ng datos, nakatengga ang bahagi ng naka-install na kapasidad sa computing.

Tinutukoy ng Sugon ang distributed storage na ParaStor bilang isa pang mahalagang bahagi. Ipinamamahagi nito ang datos sa maraming makina upang makapagbasa at makapagsulat ng impormasyon ang malalaking workload sa pamamagitan ng maraming ruta. Ayon sa kumpanya, nanguna ang ParaStor sa mga kategoryang production full node at 10 node performance ng ranggo ng 2026 IO500.

Mahalaga ang performance ng imbakan sa pagsasanay ng modelo, kapag paulit-ulit na kailangang basahin ang malalaking dataset, at sa siyentipikong simulation, kapag kailangang itabi ang mga pansamantalang resulta. Nakakatulong din ang pagtatabi ng progreso upang maipagpatuloy ang mahabang kalkulasyon matapos ang pagkaantala.

Sa ganitong kalaking sistema, nagiging pangunahing gawaing pang-inhinyeriya ang pagsisikip ng network, pagbabalanse ng load at paghihiwalay ng mga aberya. Kailangang magtalaga ang scheduler ng gawain sa mga lugar na may angkop na processor at datos, habang dapat maihatid ng network ang daloy ng impormasyon nang hindi lumalawak ang lokal na problema at nagiging mas malawak na pagbagal.

Pagpapalamig, densidad at gastos sa tuloy-tuloy na paggamit ng mga card

Gumagamit ang Sugon 8000 ng immersion cooling na may prosesong nagbabago ng yugto ng materya. Inililipat ng kagamitan ang init sa isang pampalamig na likido, at nakatutulong ang pagbabago ng estado ng likido upang mailayo ang init na iyon. Ayon sa Sugon, kayang suportahan ng disenyo ang mga kabinet na may densidad ng kuryente na nasa antas ng megawatt.

Binabanggit din ng kumpanya ang mga pampalamig na likidong binuo sa loob ng bansa at sistemang gumagamit ng mga kondisyon sa labas sa buong taon para sa pagpapalamig. Tinutugunan ng mga katangiang ito ang isang batayang limitasyon: mas maraming init ang nalilikha kapag naglalagay ng mas mataas na computing power sa masikip na espasyo, at kailangan itong tuluy-tuloy na alisin.

Ayon sa update sa operasyon noong Hulyo, dalawampung ulit ang itinaas ng densidad ng computing sa bawat yunit kumpara sa iba pang supernode. Hiwalay namang tinukoy sa pahayag ng Sugon tungkol sa pagkumpleto noong Hulyo ang episyensiya sa enerhiya, pag-access sa memorya at disenyo ng network bilang mahahalagang pagsubok para sa cluster na ganito kalaki.

Kailangang masuportahan ng suplay ng kuryente at kagamitan sa pagpapalamig ang matagalang mabigat na paggamit at mga pagbabago sa pangangailangan. Maaaring mag-iba ang daloy ng datos at pangangailangan sa kuryente ng makinang nagpapatakbo ng siyentipikong simulation, pagsasanay ng AI at napakaraming inference habang nagbabago ang workload nito.

Kabilang sa mga susunod na praktikal na sukatan ang enerhiyang nagagamit sa bawat natapos na gawain, oras ng paghihintay sa datos, tagal bago matapos ang trabaho at pagbawi matapos ang mga aberya. Hindi inilalahad sa mga inilabas na pabatid ang kumpletong hanay ng maihahambing na bilang para sa kabuuang konsumo ng kuryente, gastusin sa pagpapatakbo, bilis ng mga aplikasyon o singil sa mga user.

Lawak ng paggamit sa sistema

Ayon sa pabatid ng Sugon tungkol sa pagkumpleto noong Hulyo, na-optimize ang mahigit 300 pinagsamang aplikasyon sa siyentipikong computing at AI sa mahigit 20 larangan. Umabot sa lawak na 10,000 card ang mahigit 70 aplikasyon. Kabilang sa mga halimbawang binanggit ang pagtiklop ng protina, molecular dynamics na may isang trilyong atomo ng tubig at simulation ng turbulence gamit ang 100 trilyong grid cell.

Inilarawan sa update tungkol sa operasyon noong Hulyo ang halos 1,000 pag-aangkop ng aplikasyon. Sa kumperensya noong Oktubre, tumukoy ang mga bilang sa mahigit 300 prayoridad na aplikasyon sa mahigit 30 larangan na lubusang na-optimize, kabilang ang mahigit 20 na tumatakbo sa buong sistema. Bumilang naman sa mahigit 300 computing task sa 26 na larangan ang isa pang paglalarawan noong Oktubre. Magkakaibang kategorya ang batayan ng mga kabuuang ito, kabilang ang pag-aangkop ng software, pag-optimize ng prayoridad na aplikasyon at mga computing task.

Layunin ng National Supercomputing Internet na gawing naaabot ang cluster ng mga unibersidad, institusyong pananaliksik, negosyo at indibidwal na user. Tungkulin nitong iugnay ang pangangailangan sa computing sa mga magagamit na mapagkukunan, upang lumawak ang akses lampas sa mga organisasyong may kakayahang bumuo at magpatakbo ng sarili nilang malaking cluster.

Pinili rin ang Sugon 8000 bilang kinatawang kaso ng aplikasyon sa ilalim ng programang HPC+AI for Science frontier observation na inilunsad noong Oktubre 18. Nagpakilala ang kumperensya ng plano para sa pagtutulungan ng industriya at bukas na komunidad para sa magkasanib na gawain sa imprastraktura ng computing, software at mga aplikasyon.

Nag-anunsyo ang Sugon ng estratehikong pakikipagtulungan sa Beijing Academy of Artificial Intelligence at pagpapaunlad ng ikalawang sistemang ganap na binuo sa loob ng bansa na may 100,000 card. Para sa unang makina, itinampok ng mga resulta noong Oktubre ang natapos na gawaing siyentipiko at tuloy-tuloy na serbisyo. Palalawakin naman ng iminungkahing ikalawang sistema ang paraang iyon lampas sa iisang instalasyon.

Mahahalagang Punto

• Pinag-uugnay ng Sugon 8000 ang 100,000 AI accelerator card at tumatakbo ito sa Zhengzhou, lalawigan ng Henan.
• Inanunsyo ng Sugon ang pagkumpleto at pagkonekta nito sa National Supercomputing Internet noong Hulyo 10, 2026.
• Iniharap sa Shenzhen noong Oktubre 18 ang sampung tagumpay sa mga nangungunang aplikasyon.
• Kabilang sa mga proyektong binanggit ang simulation gamit ang apat na trilyong partikulo ng dark matter, digital na utak na may 100 bilyong neuron at molecular simulation sa isang trilyong atomo.
• Pinagsasama ng sistema sa iisang platform ang mga detalyadong siyentipikong kalkulasyon, pagsasanay ng AI at inference.
• Inanunsyo ng Sugon ang pagpapaunlad ng ikalawang cluster na ganap na binuo sa loob ng bansa at may 100,000 card.