Sugon 8000 của Trung Quốc đưa 100.000 card AI vào hoạt động, mô phỏng não bộ, vũ trụ và thời tiết

Từ bốn nghìn tỷ hạt vũ trụ đến bộ não kỹ thuật số

Mô phỏng sử dụng bốn nghìn tỷ hạt vật chất tối, bộ não kỹ thuật số chứa 100 tỷ nơ-ron và hệ thống dự báo đại dương có độ phân giải một kilomet là một số ứng dụng được giới thiệu cùng hệ thống tính toán Sugon 8000 của Trung Quốc tại một hội nghị lớn ở Thâm Quyến.

Được nhà phát triển mô tả là siêu cụm AI đầu tiên của Trung Quốc được phát triển hoàn toàn trong nước, với 100.000 card tăng tốc, cỗ máy này đã được giới thiệu tại Hội nghị Quốc gia lần thứ 22 của CCF về Tính toán Hiệu năng cao. Sự kiện diễn ra từ ngày 17 đến 20 tháng 10 năm 2026 tại Trung tâm Hội nghị và Triển lãm Thế giới Thâm Quyến; mười thành tựu ứng dụng tiên phong được công bố ngày 18 tháng 10.

Sugon 8000, còn gọi là Dengfeng, được xây dựng tại Trịnh Châu, tỉnh Hà Nam và kết nối với Mạng Internet Siêu máy tính Quốc gia. Thiết kế cốt lõi kết hợp tính toán hiệu năng cao, vốn tính toán dựa trên các quy luật toán học và vật lý, với trí tuệ nhân tạo, vốn học các khuôn mẫu từ dữ liệu.

Mục tiêu thực tiễn là giúp các nhà nghiên cứu khảo sát những vấn đề phức tạp nhanh hơn. Một mô phỏng thông thường có thể tạo dữ liệu huấn luyện, AI có thể tìm kiếm trong các phương án khả dĩ, rồi một mô phỏng chi tiết khác kiểm tra những kết quả triển vọng nhất.

Thông báo hoàn thành của Sugon cho biết hệ thống hoàn tất và kết nối mạng vào ngày 10 tháng 7 năm 2026. Vì vậy, phần trình bày hồi tháng 10 tập trung vào các ứng dụng của một hệ thống đã đi vào sử dụng, trong đó có nghiên cứu về thiên văn học, vật liệu, khoa học sự sống, thời tiết và nông nghiệp.

100.000 card được kết nối thực sự làm gì

Card tăng tốc AI là phần cứng máy tính được thiết kế để thực hiện song song số lượng lớn phép tính. Kết nối 100.000 card cho phép cụm máy chia các tác vụ đòi hỏi cao cho nhiều bộ xử lý, với điều kiện chúng có thể trao đổi dữ liệu đủ nhanh.

Sugon cho biết hệ thống hỗ trợ các định dạng số từ FP64 đến INT8. FP64 dùng 64 bit để biểu diễn một số dấu phẩy động, đem lại độ chính xác số học đáng kể cho các phép tính khoa học. INT8 biểu diễn số nguyên bằng tám bit và hữu ích cho một số tác vụ AI, trong đó các con số nhỏ hơn có thể giảm mức sử dụng bộ nhớ và chi phí tính toán.

Các giai đoạn nghiên cứu khác nhau cần những mức độ chính xác khác nhau. Một mô phỏng vật lý chi tiết có thể cần FP64, trong khi mô hình AI sàng lọc các vật liệu khả thi có thể dùng định dạng độ chính xác thấp hơn. Sugon 8000 được thiết kế để hỗ trợ những khối lượng công việc này trên cùng một nền tảng tính toán.

Việc tăng từ 10.000 lên 100.000 card là mức tăng gấp mười lần về số lượng card. Hiệu năng thực tế còn phụ thuộc vào mức độ hiệu quả của phần mềm khi phân chia công việc, tốc độ truyền dữ liệu và thời gian bộ xử lý phải chờ lẫn nhau.

Sugon mô tả cách tiếp cận của mình là tích hợp nguyên bản tính toán hiệu năng cao và AI. Trên thực tế, hạ tầng này được thiết kế để xử lý mô phỏng khoa học, huấn luyện mô hình và suy luận, tức quá trình sử dụng mô hình AI đã huấn luyện để đưa ra câu trả lời.

Quy trình nghiên cứu dùng vật lý kiểm chứng AI

Mô phỏng khoa học và AI có xuất phát điểm khác nhau. Mô phỏng có thể sử dụng các phương trình mô tả cách nguyên tử tương tác hoặc không khí chuyển động. Mô phỏng bắt đầu từ một trạng thái ban đầu rồi tính toán diễn biến tiếp theo, thường qua nhiều bước nhỏ.

Mô hình AI học từ các ví dụ. Khi có đủ kết quả mô phỏng, mô hình có thể nhận diện khuôn mẫu và ước tính kết quả nhanh hơn nhiều so với việc lặp lại mọi phép tính chi tiết. Tốc độ đó có giá trị khi các nhà nghiên cứu cần xem xét số lượng khổng lồ thiết kế hoặc cách sắp xếp phân tử khả thi.

Cách tiếp cận kết hợp của Sugon 8000 gồm ba giai đoạn. Đầu tiên, tính toán khoa học tạo dữ liệu mô phỏng. Tiếp theo, AI học từ dữ liệu đó và sàng lọc các phương án. Cuối cùng, các phép tính khoa học chi tiết kiểm tra một nhóm nhỏ những kết quả triển vọng.

Bước kiểm tra cuối cùng rất quan trọng vì AI có thể đưa ra kết quả nghe có vẻ hợp lý nhưng không chính xác, thường được gọi là ảo giác. Trong nghiên cứu khoa học, một dự đoán hấp dẫn vẫn cần được kiểm chứng theo hành vi vật lý đang nghiên cứu. Quy trình kết hợp hướng các phép tính tốn kém vào những phương án đã qua vòng sàng lọc ban đầu.

Với các nhà nghiên cứu, lợi ích là có thể phân bổ thời gian tính toán theo cách khác. Thay vì chạy phép tính chi tiết nhất cho mọi khả năng, họ có thể dùng AI thu hẹp phạm vi tìm kiếm và dành độ chính xác cao hơn cho những trường hợp cần xem xét kỹ.

Ra mắt tháng 7, giới thiệu vào tháng 10

Thông báo tháng 7 của Sugon và phần giới thiệu tại hội nghị tháng 10 mô tả các giai đoạn khác nhau trong quá trình triển khai hệ thống. Công ty thông báo hoàn thành trước, sau đó công bố số liệu vận hành, rồi giới thiệu rộng hơn các ứng dụng khoa học.

• Ngày 10 tháng 7 năm 2026: Sugon thông báo hoàn thành Sugon 8000 và kết nối hệ thống với Mạng Internet Siêu máy tính Quốc gia.
• Ngày 18 tháng 7: Số liệu công bố tại Hội nghị Trí tuệ nhân tạo Thế giới cho biết hệ thống được sử dụng hết công suất trong tuần đầu vận hành, xử lý trung bình hơn 150.000 tác vụ mỗi ngày.
• Từ ngày 17 đến 20 tháng 10: Hội nghị Quốc gia của CCF về Tính toán Hiệu năng cao diễn ra tại Thâm Quyến.
• Ngày 18 tháng 10: Sugon giới thiệu mười thành tựu ứng dụng tiên phong tại hội nghị.

Sugon xác định ngày hoàn thành chính thức là 10 tháng 7; một bài viết hồi tháng 10 cũng cho biết cụm máy chính thức đi vào hoạt động trong tháng 8 nhưng không giải thích mốc này liên quan thế nào đến đợt ra mắt hồi tháng 7.

Số liệu tuần đầu cho thấy đỉnh điểm hằng ngày vượt 500.000 tác vụ, cao hơn ba lần ngưỡng trung bình hằng ngày 150.000 tác vụ được nêu. Một tác vụ là công việc tính toán được gửi lên hệ thống, nên tổng số có thể bao gồm các công việc rất khác nhau về quy mô và thời lượng.

Bản cập nhật vận hành tháng 7 cũng cho biết hệ thống hỗ trợ hàng triệu yêu cầu người dùng đồng thời, thông qua cơ chế lập lịch có xét đến loại tác vụ, vị trí dữ liệu và khả năng cung cấp tài nguyên. Có thể hình dung việc lập lịch này như phân công công việc cho các nhóm phù hợp, đồng thời tránh để các tuyến đường và thiết bị dùng chung trở thành điểm nghẽn.

Các dự án về vũ trụ và não bộ gồm những gì

Mô phỏng vũ trụ học Qianyan sử dụng bốn nghìn tỷ hạt vật chất tối để mô hình hóa quá trình tiến hóa của vũ trụ. Vật chất tối là dạng vật chất có thể quan sát được qua tác động hấp dẫn dù không phát ra ánh sáng. Các hạt mô phỏng đại diện cho những phần của vật chất đó, cho phép các nhà nghiên cứu tính toán quá trình hình thành các cấu trúc lớn.

Quy mô số học này cho thấy cơ sở của những mô tả về cỗ máy có khả năng chứa một vũ trụ mô phỏng. Các nhà nghiên cứu dùng biểu diễn toán học về vật chất vũ trụ và hành vi của nó, rồi tính toán sự thay đổi của biểu diễn đó.

Một nhóm của Đại học Phúc Đán cũng giới thiệu bộ não kỹ thuật số ở quy mô 100 tỷ nơ-ron, được mô tả tại hội nghị là đầu tiên trên thế giới đạt quy mô này. Bộ não kỹ thuật số biểu diễn các tế bào thần kinh và tương tác giữa chúng bằng phần mềm, để các nhà nghiên cứu khảo sát hành vi tổng thể của chúng.

Cả hai dự án đều đòi hỏi nhiều hơn là dung lượng lưu trữ cho số lượng lớn đối tượng. Máy tính phải liên tục tính toán các tương tác và truyền thông tin giữa những bộ xử lý khi hệ thống mô phỏng thay đổi.

Các dự án thiên văn học và não bộ cho thấy vì sao phần trình bày tháng 10 tập trung vào ứng dụng chứ không chỉ số lượng card. Những thước đo hữu ích gồm độ phức tạp mà mô hình có thể xử lý, mức độ chi tiết của phép tính và thời gian hoàn thành mô phỏng.

Vật liệu, thời tiết, đại dương và ngô ảo

MatPL, một gói phần mềm trường lực học máy, đã mở rộng mô phỏng động lực học phân tử lên một nghìn tỷ nguyên tử, với độ chính xác được mô tả là tiệm cận các phép tính cơ học lượng tử. Động lực học phân tử theo dõi chuyển động của nguyên tử theo thời gian. Trường lực ước tính lực giữa chúng, qua đó quyết định chuyển động ấy.

Học máy có thể giúp việc ước tính lực này ít tốn kém hơn so với liên tục giải một bài toán lượng tử chi tiết hơn. Phần trình bày tại hội nghị đặt thành tựu của MatPL ở giao điểm giữa quy mô mô phỏng và độ chính xác số học, hai yêu cầu thường khó đáp ứng đồng thời.

Hệ thống Fengqing Ensemble V1.0 phục vụ dự báo thời tiết toàn cầu hạn ngắn và trung hạn đã được đưa vào vận hành. Dự báo tổ hợp chạy nhiều phiên bản dự báo để khảo sát khả năng thời tiết diễn biến ra sao khi điều kiện ban đầu hoặc giả định có khác biệt nhỏ.

Trong nghiên cứu đại dương, swLFS được giới thiệu là hệ thống dự báo hoàn lưu đại dương toàn cầu đầu tiên trên thế giới có độ phân giải một kilomet. Độ phân giải cao hơn cho phép mô hình biểu diễn các đặc điểm không gian nhỏ hơn, đồng thời làm tăng khối lượng tính toán cần thiết trên toàn bộ đại dương toàn cầu.

Nền tảng Ngô ảo của Đại học Nông nghiệp Trung Quốc được cho là đã rút ngắn chu kỳ lai tạo từ hơn mười năm xuống còn vài năm. Nền tảng đưa năng lực tính toán vào quá trình tìm kiếm các đặc tính cây trồng hữu ích, giúp các nhà nghiên cứu thu hẹp những tổ hợp cần theo đuổi trong công tác lai tạo.

Mười thành tựu cũng bao gồm thăm dò năng lượng và phát triển thiết bị tiên tiến. Nhìn chung, các ví dụ được nêu gắn cụm máy với những công việc cụ thể: dự báo thời tiết, mô hình hóa hoàn lưu đại dương, nghiên cứu hành vi nguyên tử và lựa chọn phương án lai tạo cây trồng.

Mạng lưới và lưu trữ phía sau các phép tính

Sugon cho biết hạ tầng trong nước của hãng bao gồm chip, thiết bị tính toán, lưu trữ, mạng, làm mát, ứng dụng và dịch vụ. Hygon cùng các chip khác được phát triển trong nước tạo nền tảng tính toán. Các bài viết về hội nghị cũng mô tả kiến trúc tổng thể có sáu chip do hãng tự phát triển.

Mạng scaleFabric sử dụng truy cập bộ nhớ trực tiếp từ xa nguyên bản, hay RDMA. Công nghệ này cho phép truyền dữ liệu giữa các máy mà ít cần đến bộ xử lý chính, qua đó giảm một phần chi phí phát sinh khi trao đổi thông tin.

Kết nối tốc độ cao rất cần thiết vì các đợt mô phỏng quy mô lớn hoặc huấn luyện AI liên tục chia sẻ kết quả trung gian. Nếu bộ xử lý hoàn tất tính toán nhưng phải chờ dữ liệu, một phần năng lực tính toán đã lắp đặt sẽ nằm không.

Sugon xác định lưu trữ phân tán ParaStor là một thành phần chủ chốt khác. Lưu trữ phân tán trải dữ liệu trên nhiều máy để các khối lượng công việc lớn có thể đọc và ghi thông tin qua nhiều đường truyền. Công ty cho biết ParaStor đứng đầu các hạng mục hiệu năng tại môi trường sản xuất dành cho cấu hình một nút đầy đủ và 10 nút trong bảng xếp hạng IO500 năm 2026.

Hiệu năng lưu trữ đóng vai trò quan trọng trong quá trình huấn luyện mô hình, khi các tập dữ liệu lớn phải được đọc đi đọc lại, cũng như trong mô phỏng khoa học, khi có thể cần lưu lại các kết quả trung gian. Lưu tiến độ cũng giúp một phép tính kéo dài có thể tiếp tục sau khi bị gián đoạn.

Ở quy mô này, tắc nghẽn mạng, cân bằng tải và cô lập sự cố trở thành những nhiệm vụ kỹ thuật trọng yếu. Bộ lập lịch cần phân công công việc đến nơi có bộ xử lý phù hợp và dữ liệu sẵn có, trong khi mạng phải truyền tải lưu lượng phát sinh mà không để một vấn đề cục bộ gây chậm trễ trên diện rộng.

Làm mát, mật độ và chi phí duy trì hoạt động của các card

Sugon 8000 sử dụng phương pháp làm mát ngâm với quy trình chuyển pha. Thiết bị truyền nhiệt vào chất lỏng làm mát, còn sự chuyển pha của chất lỏng giúp đưa nhiệt ra ngoài. Sugon cho biết thiết kế này có thể hỗ trợ các tủ máy với mật độ công suất ở cấp megawatt.

Công ty cũng cho biết sử dụng chất làm mát phát triển trong nước và tận dụng điều kiện ngoài trời quanh năm để làm mát. Những tính năng này giải quyết một hạn chế cơ bản: đưa nhiều năng lực tính toán hơn vào một không gian hạn chế sẽ tạo ra nhiều nhiệt hơn, cần được tản liên tục.

Bản cập nhật vận hành tháng 7 tuyên bố mật độ tính toán trên mỗi đơn vị tăng gấp 20 lần so với các siêu nút khác. Tuyên bố hoàn thành tháng 7 của Sugon cũng nêu riêng hiệu quả năng lượng, khả năng truy cập bộ nhớ và thiết kế mạng là những tiêu chí cần đáp ứng đối với cụm máy ở quy mô này.

Nguồn điện và thiết bị làm mát phải đáp ứng được cả nhu cầu sử dụng cường độ cao kéo dài lẫn những thay đổi về nhu cầu. Máy chạy mô phỏng khoa học, huấn luyện AI và khối lượng lớn tác vụ suy luận có thể phải xử lý các kiểu lưu lượng và mức tiêu thụ điện khác nhau khi khối lượng công việc thay đổi.

Các chỉ số thực tiễn cần theo dõi tiếp theo gồm năng lượng tiêu thụ cho mỗi tác vụ hoàn thành, thời gian chờ dữ liệu, thời gian hoàn tất tác vụ và khả năng phục hồi sau sự cố. Các thông báo đã công bố chưa cung cấp đầy đủ bộ số liệu có thể so sánh về tổng mức tiêu thụ điện, chi phí vận hành, tốc độ ứng dụng hoặc phí người dùng.

Mức độ sử dụng hệ thống

Thông báo hoàn thành Sugon 8000 hồi tháng 7 cho biết hơn 300 ứng dụng kết hợp tính toán khoa học và AI đã được tối ưu hóa trong hơn 20 lĩnh vực. Hơn 70 ứng dụng đã được mở rộng lên quy mô 10.000 card. Các ví dụ được nêu gồm gấp cuộn protein, động lực học phân tử liên quan đến một nghìn tỷ nguyên tử nước và mô phỏng nhiễu loạn sử dụng 100 nghìn tỷ ô lưới.

Bản cập nhật vận hành tháng 7 đề cập gần 1.000 ứng dụng đã được điều chỉnh. Tại hội nghị tháng 10, số liệu cho biết có hơn 300 ứng dụng ưu tiên được tối ưu hóa chuyên sâu trong hơn 30 lĩnh vực, trong đó hơn 20 ứng dụng chạy trên toàn hệ thống. Một mô tả khác trong tháng 10 ghi nhận hơn 300 tác vụ tính toán thuộc 26 lĩnh vực. Các tổng số này dùng những nhóm phân loại khác nhau, bao gồm điều chỉnh phần mềm, tối ưu hóa ứng dụng ưu tiên và tác vụ tính toán.

Mạng Internet Siêu máy tính Quốc gia được thiết kế để giúp các trường đại học, viện nghiên cứu, doanh nghiệp và người dùng cá nhân tiếp cận cụm máy. Mạng này kết nối nhu cầu tính toán với nguồn lực sẵn có, mở rộng khả năng tiếp cận ra ngoài các tổ chức có thể tự xây dựng và vận hành một cụm máy lớn.

Sugon 8000 cũng được chọn làm trường hợp ứng dụng tiêu biểu trong chương trình Quan sát Tiên phong HPC+AI vì Khoa học, được khởi động ngày 18 tháng 10. Hội nghị giới thiệu kế hoạch hành động hợp tác ngành và một cộng đồng mở để cùng phát triển hạ tầng tính toán, phần mềm và ứng dụng.

Sugon đã công bố quan hệ đối tác chiến lược với Viện Trí tuệ nhân tạo Bắc Kinh và việc phát triển hệ thống thứ hai hoàn toàn trong nước, cũng gồm 100.000 card. Với hệ thống đầu tiên, các kết quả tháng 10 tập trung vào công trình khoa học đã hoàn thành và dịch vụ vận hành ổn định. Hệ thống thứ hai theo kế hoạch sẽ mở rộng cách tiếp cận này vượt ra ngoài một cơ sở duy nhất.

Điểm chính

• Sugon 8000 kết nối 100.000 card tăng tốc AI và hoạt động tại Trịnh Châu, tỉnh Hà Nam.
• Sugon thông báo hoàn thành hệ thống và kết nối với Mạng Internet Siêu máy tính Quốc gia ngày 10 tháng 7 năm 2026.
• Mười thành tựu ứng dụng tiên phong được giới thiệu tại Thâm Quyến ngày 18 tháng 10.
• Các dự án được nêu gồm mô phỏng sử dụng bốn nghìn tỷ hạt vật chất tối, bộ não kỹ thuật số có 100 tỷ nơ-ron và mô phỏng phân tử ở quy mô một nghìn tỷ nguyên tử.
• Hệ thống kết hợp các phép tính khoa học chi tiết với huấn luyện và suy luận AI trên cùng một nền tảng.
• Sugon đã công bố phát triển cụm máy thứ hai hoàn toàn trong nước, gồm 100.000 card.