Le Sugon 8000 chinois mobilise 100 000 cartes d’IA pour simuler le cerveau, l’Univers et la météo

De quatre mille milliards de particules cosmiques à un cerveau numérique

Une simulation faisant appel à quatre mille milliards de particules de matière noire, un cerveau numérique composé de 100 milliards de neurones et un système de prévision océanique d’une résolution d’un kilomètre figurent parmi les applications présentées aux côtés du système de calcul chinois Sugon 8000 lors d’une grande conférence à Shenzhen.

Présentée par son développeur comme le premier supercalculateur d’IA chinois entièrement conçu et développé dans le pays, doté de 100 000 cartes accélératrices, la machine a été dévoilée lors de la 22e conférence nationale du CCF sur le calcul haute performance. L’événement s’est tenu du 17 au 20 octobre 2026 au Shenzhen World Exhibition and Convention Center, et dix réalisations d’applications de pointe ont été présentées le 18 octobre.

Sugon 8000, également appelé Dengfeng, a été construit à Zhengzhou, dans la province du Henan, et relié à l’Internet national du calcul haute performance. Son architecture centrale associe le calcul haute performance, qui s’appuie sur des règles mathématiques et physiques, à l’intelligence artificielle, qui apprend à repérer des motifs dans les données.

L’objectif concret est de permettre aux chercheurs d’étudier plus rapidement des problèmes complexes. Une simulation classique peut générer des données d’entraînement, l’IA peut explorer les réponses possibles, puis une autre simulation détaillée peut vérifier les résultats les plus prometteurs.

Dans son communiqué annonçant l’achèvement du système, Sugon indique que celui-ci a été achevé et connecté au réseau le 10 juillet 2026. La présentation d’octobre portait donc sur des applications d’un système déjà en service, notamment dans les domaines de l’astronomie, des matériaux, des sciences de la vie, de la météorologie et de l’agriculture.

À quoi servent concrètement 100 000 cartes connectées

Une carte accélératrice d’IA est un composant informatique conçu pour effectuer un grand nombre de calculs en parallèle. La connexion de 100 000 cartes permet à un cluster de répartir les tâches les plus exigeantes entre de nombreux processeurs, à condition que ceux-ci puissent échanger des données suffisamment rapidement.

Sugon indique que le système prend en charge des formats numériques allant de FP64 à INT8. FP64 utilise 64 bits pour représenter un nombre à virgule flottante, ce qui garantit une grande précision numérique pour les calculs scientifiques. INT8 représente des nombres entiers sur huit bits et convient à certaines opérations d’IA pour lesquelles des nombres plus petits peuvent réduire l’utilisation de la mémoire et le coût des calculs.

Les différentes étapes de la recherche exigent des niveaux de précision différents. Une simulation physique détaillée peut nécessiter FP64, tandis qu’un modèle d’IA qui évalue des matériaux possibles peut utiliser un format de moindre précision. Sugon 8000 est conçu pour prendre en charge ces charges de travail sur une même plateforme informatique.

Passer de 10 000 à 100 000 cartes revient à multiplier leur nombre par dix. Les performances utiles dépendent aussi de l’efficacité avec laquelle les logiciels répartissent le travail, de la vitesse de circulation des données et du temps que les processeurs passent à s’attendre les uns les autres.

Sugon décrit son approche comme une intégration native du calcul haute performance et de l’IA. Concrètement, l’infrastructure est conçue pour prendre en charge les simulations scientifiques, l’entraînement des modèles et l’inférence, c’est-à-dire l’utilisation d’un modèle d’IA entraîné pour produire une réponse.

Une boucle de recherche où la physique vérifie l’IA

La simulation scientifique et l’IA partent de points différents. Une simulation peut s’appuyer sur des équations décrivant les interactions entre atomes ou le déplacement de l’air. Elle part d’un état initial et calcule la suite des événements, souvent en une multitude de petites étapes.

Un modèle d’IA apprend à partir d’exemples. Avec suffisamment de résultats de simulation, il peut repérer des motifs et estimer des résultats beaucoup plus rapidement qu’en répétant chaque calcul détaillé. Cette rapidité est précieuse lorsque les chercheurs doivent examiner un très grand nombre de conceptions ou de configurations moléculaires possibles.

L’approche combinée de Sugon 8000 suit trois étapes. D’abord, le calcul scientifique produit des données de simulation. Ensuite, l’IA apprend à partir de ces données et sélectionne des candidats. Enfin, des calculs scientifiques détaillés vérifient un ensemble plus restreint de résultats prometteurs.

Cette dernière vérification est importante, car l’IA peut produire des résultats plausibles, mais inexacts, parfois qualifiés d’hallucinations. En science, même une prédiction séduisante doit être confrontée au comportement physique étudié. Cette méthode combinée réserve les calculs les plus coûteux aux candidats qui ont déjà franchi une première étape de sélection.

Pour les chercheurs, l’intérêt est de pouvoir consacrer le temps de calcul autrement. Plutôt que d’effectuer le calcul le plus détaillé pour chaque possibilité, ils peuvent laisser l’IA réduire le champ de recherche et réserver une plus grande précision aux cas qui méritent un examen approfondi.

Le lancement de juillet et la présentation d’octobre

Le communiqué de Sugon publié en juillet et la présentation à la conférence d’octobre décrivent différentes étapes du déploiement du système. L’entreprise a d’abord annoncé son achèvement, puis communiqué des données opérationnelles avant de présenter plus largement ses applications scientifiques.

• 10 juillet 2026 : Sugon annonce l’achèvement de Sugon 8000 et sa connexion à l’Internet national du calcul haute performance.
• 18 juillet : des chiffres publiés lors de la Conférence mondiale sur l’intelligence artificielle font état d’une utilisation à pleine capacité durant la première semaine de fonctionnement, avec une moyenne de plus de 150 000 tâches traitées par jour.
• Du 17 au 20 octobre : la conférence nationale du CCF sur le calcul haute performance se tient à Shenzhen.
• 18 octobre : Sugon présente dix réalisations d’applications de pointe lors de la conférence.

Sugon fixe la date officielle d’achèvement au 10 juillet. Un compte rendu publié en octobre indique également que le cluster est officiellement entré en service en août, sans préciser le lien entre cette étape et le lancement de juillet.

Durant la première semaine, le pic quotidien a dépassé les 500 000 tâches, soit plus de trois fois le seuil de moyenne quotidienne annoncé, de 150 000. Une tâche correspond à une opération informatique soumise au système ; le total peut donc regrouper des travaux de tailles et de durées très différentes.

La mise à jour opérationnelle publiée en juillet indique également que le système peut gérer des millions de demandes simultanées d’utilisateurs grâce à une planification qui tient compte du type de tâche, de l’emplacement des données et des ressources disponibles. Cette planification revient, en informatique, à confier le travail aux bonnes équipes tout en évitant que les voies de circulation et les équipements partagés ne deviennent des goulots d’étranglement.

Ce que recouvrent les projets sur l’Univers et le cerveau

La simulation cosmologique Qianyan a utilisé quatre mille milliards de particules de matière noire pour modéliser l’évolution de l’Univers. La matière noire est une matière dont on peut observer les effets gravitationnels, bien qu’elle n’émette pas de lumière. Les particules simulées représentent des fragments de cette matière et permettent aux chercheurs de calculer la formation de grandes structures.

Cette échelle numérique donne un sens concret à la description de la machine comme capable de contenir un univers simulé. Les chercheurs élaborent une représentation mathématique de la matière cosmique et de son comportement, puis calculent l’évolution de cette représentation.

Une équipe de l’université Fudan a également présenté un cerveau numérique de 100 milliards de neurones, décrit lors de la conférence comme le premier au monde à cette échelle. Un cerveau numérique représente les cellules nerveuses et leurs interactions dans un logiciel afin que les chercheurs puissent étudier leur comportement collectif.

Ces deux projets ne nécessitent pas seulement de stocker un grand nombre d’objets. L’ordinateur doit recalculer leurs interactions et transférer des informations entre processeurs au fil de l’évolution du système simulé.

Les projets en astronomie et sur le cerveau montrent pourquoi la présentation d’octobre portait sur les applications, et pas seulement sur le nombre de cartes. Les indicateurs utiles comprennent la complexité qu’un modèle peut prendre en charge, le niveau de détail des calculs et la durée nécessaire à une simulation.

Matériaux, météo, océans et maïs virtuel

MatPL, un logiciel de champ de force basé sur l’apprentissage automatique, a permis d’étendre la simulation de dynamique moléculaire à mille milliards d’atomes, avec une précision annoncée comme proche de celle des calculs de mécanique quantique. La dynamique moléculaire suit le déplacement des atomes au fil du temps. Un champ de force estime les forces qui s’exercent entre eux et déterminent ce mouvement.

L’apprentissage automatique peut rendre le calcul de ces forces moins coûteux que la résolution répétée d’un problème quantique plus détaillé. La présentation à la conférence a situé la réalisation de MatPL à la croisée de la taille des simulations et de la précision numérique, deux exigences souvent difficiles à satisfaire simultanément.

Le système Fengqing Ensemble V1.0 de prévisions météorologiques mondiales à court et moyen terme est entré en service. Une prévision d’ensemble exécute plusieurs versions d’une prédiction pour explorer différentes évolutions possibles de la météo à partir de conditions initiales ou d’hypothèses légèrement différentes.

Dans le domaine de la recherche océanique, swLFS a été présenté comme le premier système mondial de prévision de la circulation océanique doté d’une résolution d’un kilomètre. Une résolution plus fine permet de représenter des phénomènes spatiaux de plus petite taille, mais augmente la quantité de calcul nécessaire à l’échelle des océans du globe.

La plateforme Virtual Maize de l’université agricole de Chine a, selon les présentations, permis de réduire les cycles de sélection de plus de dix ans à quelques années. Elle met le calcul au service de la recherche de caractères utiles pour les cultures et aide les chercheurs à réduire le nombre de combinaisons à explorer par sélection.

Les dix réalisations couvrent également l’exploration énergétique et le développement d’équipements de pointe. Ensemble, ces exemples relient le cluster à des travaux concrets : prévoir le temps, modéliser la circulation océanique, étudier le comportement des atomes et sélectionner des options pour l’amélioration des cultures.

Les réseaux et le stockage au service des calculs

Sugon affirme que son infrastructure nationale couvre les puces, les équipements informatiques, le stockage, les réseaux, le refroidissement, les applications et les services. Hygon et d’autres puces développées dans le pays fournissent la base de calcul. Des comptes rendus de la conférence ont également mentionné six puces conçues en interne dans l’architecture globale.

Le réseau scaleFabric utilise le RDMA natif, ou accès direct à la mémoire à distance. Cette technologie permet aux données de circuler entre les machines en sollicitant moins leurs processeurs principaux, ce qui réduit une partie des coûts liés aux échanges d’informations.

Des connexions rapides sont indispensables, car les grandes simulations et les entraînements d’IA partagent régulièrement des résultats intermédiaires. Si les processeurs terminent leurs calculs mais doivent attendre les données, une partie de la capacité informatique installée reste inutilisée.

Sugon présente le stockage distribué ParaStor comme un autre composant essentiel. Le stockage distribué répartit les données sur plusieurs machines afin que les charges de travail volumineuses puissent lire et écrire des informations en empruntant plusieurs voies. L’entreprise affirme que ParaStor s’est classé premier dans les catégories « production full node » et « 10 node performance » du classement IO500 2026.

Les performances du stockage sont importantes lors de l’entraînement des modèles, qui nécessite de lire plusieurs fois de grands jeux de données, comme dans les simulations scientifiques, où les résultats intermédiaires doivent parfois être sauvegardés. Enregistrer l’avancement permet aussi de reprendre un long calcul après une interruption.

À cette échelle, la congestion du réseau, l’équilibrage de charge et l’isolement des pannes deviennent des enjeux techniques majeurs. Le planificateur doit attribuer le travail à des processeurs disposant des données nécessaires, tandis que le réseau doit transporter le trafic sans qu’un problème local ne provoque un ralentissement plus général.

Refroidissement, densité et coût d’une utilisation intensive

Sugon 8000 utilise un refroidissement par immersion avec changement de phase. Les équipements transmettent la chaleur à un liquide de refroidissement, dont le changement d’état contribue à évacuer cette chaleur. Sugon indique que cette conception permet de prendre en charge des baies dont la densité de puissance se situe dans la classe du mégawatt.

L’entreprise mentionne également des liquides de refroidissement développés dans le pays et un système tirant parti des conditions extérieures tout au long de l’année. Ces caractéristiques répondent à une contrainte fondamentale : concentrer davantage de puissance de calcul dans un espace réduit produit plus de chaleur, qu’il faut évacuer en permanence.

La mise à jour opérationnelle de juillet revendiquait une densité de calcul par unité multipliée par vingt par rapport à d’autres supernœuds. Dans un communiqué distinct publié en juillet sur l’achèvement du système, Sugon avait aussi souligné que l’efficacité énergétique, l’accès à la mémoire et la conception du réseau étaient des critères essentiels pour un cluster de cette échelle.

L’alimentation électrique et les équipements de refroidissement doivent supporter aussi bien une utilisation intensive et prolongée que les fluctuations de la demande. Une machine qui exécute des simulations scientifiques, entraîne des modèles d’IA et traite un grand volume de requêtes d’inférence peut connaître des variations de trafic et de consommation électrique selon les charges de travail.

Parmi les prochains indicateurs pratiques figurent l’énergie consommée par tâche achevée, le temps d’attente des données, les délais de traitement et la reprise après une panne. Les communiqués publiés ne fournissent pas de série complète de chiffres comparables sur la consommation électrique totale, les coûts d’exploitation, la vitesse des applications ou les tarifs facturés aux utilisateurs.

Quelle est l’ampleur de l’utilisation du système

Dans son communiqué de juillet annonçant l’achèvement du système, Sugon indiquait que plus de 300 applications combinant calcul scientifique et IA avaient été optimisées dans plus de 20 domaines. Plus de 70 applications avaient été portées à l’échelle de 10 000 cartes. Parmi les exemples cités figuraient le repliement des protéines, la dynamique moléculaire impliquant mille milliards d’atomes d’eau et la simulation de la turbulence à l’aide de 100 mille milliards de cellules de maillage.

La mise à jour opérationnelle de juillet faisait état de près de 1 000 adaptations d’applications. Lors de la conférence d’octobre, les chiffres mentionnaient plus de 300 applications prioritaires optimisées en profondeur dans plus de 30 domaines, dont plus de 20 fonctionnaient sur l’ensemble du système. Un autre bilan publié en octobre faisait état de plus de 300 tâches informatiques réparties dans 26 domaines. Ces totaux correspondent à des catégories différentes : adaptation logicielle, optimisation des applications prioritaires et tâches informatiques.

L’Internet national du calcul haute performance doit permettre aux universités, aux instituts de recherche, aux entreprises et aux particuliers d’accéder au cluster. Son rôle est de mettre en relation la demande de puissance de calcul et les ressources disponibles, afin d’étendre l’accès au-delà des organisations capables de construire et d’exploiter leur propre grand cluster.

Sugon 8000 a également été retenu comme cas d’application représentatif dans le cadre du programme d’observation des technologies de pointe « HPC+AI for Science », lancé le 18 octobre. La conférence a présenté un plan d’action pour la collaboration industrielle ainsi qu’une communauté ouverte consacrée au développement conjoint des infrastructures informatiques, des logiciels et des applications.

Sugon a annoncé un partenariat stratégique avec l’Académie de l’intelligence artificielle de Pékin et le développement d’un deuxième système entièrement national, doté de 100 000 cartes. Pour la première machine, les résultats présentés en octobre mettent l’accent sur les travaux scientifiques achevés et la continuité du service. Le deuxième système envisagé étendrait cette approche au-delà d’une installation unique.

À retenir

• Sugon 8000 relie 100 000 cartes accélératrices d’IA et est installé à Zhengzhou, dans la province du Henan.
• Sugon a annoncé l’achèvement du système et sa connexion à l’Internet national du calcul haute performance le 10 juillet 2026.
• Dix réalisations d’applications de pointe ont été présentées à Shenzhen le 18 octobre.
• Parmi les projets cités figurent une simulation utilisant quatre mille milliards de particules de matière noire, un cerveau numérique de 100 milliards de neurones et une simulation moléculaire portant sur mille milliards d’atomes.
• Le système associe sur une même plateforme des calculs scientifiques détaillés à l’entraînement et à l’inférence de modèles d’IA.
• Sugon a annoncé le développement d’un deuxième cluster entièrement national, doté de 100 000 cartes.