중국 Sugon 8000, AI 가속기 카드 10만 장으로 뇌·우주·기상 시뮬레이션 수행

우주 입자 4조 개에서 디지털 뇌까지

암흑물질 입자 4조 개를 활용한 시뮬레이션, 뉴런 1,000억 개를 담은 디지털 뇌, 해상도 1km의 해양 예측 시스템 등이 중국 선전에서 열린 주요 학술대회에서 중국 Sugon 8000 컴퓨팅 시스템과 함께 소개됐다.

개발사가 중국 최초로 완전히 자체 개발한 AI 슈퍼클러스터라고 소개한 이 장비에는 가속기 카드 10만 장이 탑재됐다. 이 시스템은 2026년 10월 17일부터 20일까지 선전 세계전시컨벤션센터에서 열린 제22회 중국컴퓨터학회(CCF) 고성능컴퓨팅 전국학술대회에서 공개됐다. 최첨단 응용 성과 10건은 10월 18일 발표됐다.

덩펑(Dengfeng)이라고도 불리는 Sugon 8000은 허난성 정저우에서 구축돼 국가 슈퍼컴퓨팅 인터넷에 연결됐다. 핵심 설계는 수학·물리 법칙에 따라 계산하는 고성능컴퓨팅과 데이터에서 패턴을 학습하는 인공지능을 결합한다.

실용적인 목표는 연구자들이 복잡한 문제를 더 빠르게 살펴볼 수 있도록 하는 것이다. 일반 시뮬레이션으로 학습 데이터를 만들고, AI가 가능한 해답을 탐색한 뒤, 정밀 시뮬레이션으로 유력한 결과를 검증할 수 있다.

Sugon의 완공 발표에 따르면 시스템 완공 및 네트워크 연결일은 2026년 7월 10일이다. 따라서 10월 발표에서는 이미 운영 중인 시스템의 응용 성과를 중심으로 천문학, 소재, 생명과학, 기상, 농업 분야의 연구를 소개했다.

연결된 카드 10만 장의 실제 역할

AI 가속기 카드는 대량의 계산을 병렬로 수행하도록 설계된 컴퓨팅 하드웨어다. 카드 10만 장을 연결하면 클러스터가 까다로운 작업을 여러 프로세서에 나눠 맡길 수 있다. 다만 이를 위해서는 프로세서 간 데이터 교환이 충분히 빨라야 한다.

Sugon은 이 시스템이 FP64부터 INT8까지 다양한 수치 형식을 지원한다고 밝혔다. FP64는 부동소수점 수를 64비트로 표현해 과학 계산에서 높은 수치 정밀도를 제공한다. INT8은 정수를 8비트로 표현하며, 숫자 크기를 줄여 메모리 사용량과 계산 비용을 낮출 수 있는 일부 AI 연산에 유용하다.

연구 단계에 따라 필요한 정밀도는 다르다. 정밀한 물리 시뮬레이션에는 FP64가 필요할 수 있지만, 소재 후보를 선별하는 AI 모델은 더 낮은 정밀도 형식을 사용할 수 있다. Sugon 8000은 같은 컴퓨팅 플랫폼에서 이런 작업을 모두 지원하도록 설계됐다.

카드 수가 1만 장에서 10만 장으로 늘어난 것은 10배 증가다. 실제 성능은 소프트웨어가 작업을 얼마나 효율적으로 나누는지, 데이터가 얼마나 빠르게 이동하는지, 프로세서가 서로를 기다리며 보내는 시간이 얼마나 되는지에도 좌우된다.

Sugon은 이 접근법을 고성능컴퓨팅과 AI의 네이티브 통합이라고 설명한다. 실제로는 과학 시뮬레이션, 모델 학습, 추론, 즉 학습된 AI 모델을 이용해 답을 내는 작업을 모두 처리하도록 설계된 인프라다.

물리 법칙으로 AI를 검증하는 연구 과정

과학 시뮬레이션과 AI는 서로 다른 출발점에서 시작한다. 시뮬레이션은 원자의 상호작용이나 공기의 움직임을 설명하는 방정식을 사용할 수 있다. 초기 상태를 설정한 뒤, 흔히 매우 작은 단계를 거쳐 다음에 일어날 일을 계산한다.

AI 모델은 사례를 통해 학습한다. 시뮬레이션 결과가 충분히 쌓이면, 모든 세부 계산을 반복하는 것보다 훨씬 빠르게 패턴을 찾아 결과를 추정할 수 있다. 연구자가 방대한 설계안이나 분자 배열을 살펴봐야 할 때 이런 속도는 큰 이점이 된다.

Sugon 8000의 결합 접근법은 세 단계로 진행된다. 첫째, 과학 컴퓨팅으로 시뮬레이션 데이터를 생성한다. 둘째, AI가 해당 데이터를 학습해 후보를 선별한다. 셋째, 정밀한 과학 계산으로 유망한 답안을 추려 검증한다.

마지막 검증이 중요한 이유는 AI가 그럴듯하지만 부정확한 결과, 이른바 환각을 만들어낼 수 있기 때문이다. 과학 연구에서는 매력적인 예측도 연구 대상의 물리적 거동에 비춰 시험해야 한다. 결합된 작업 흐름은 초기 선별을 통과한 후보에 고비용 계산을 집중한다.

연구자 입장에서는 컴퓨팅 시간을 쓰는 방식이 달라진다는 이점이 있다. 모든 가능성에 가장 정밀한 계산을 적용하는 대신 AI로 탐색 범위를 좁히고, 더 면밀히 살펴볼 가치가 있는 사례에 정밀 계산을 배정할 수 있다.

7월 가동과 10월 공개

Sugon의 7월 발표와 10월 학술대회 발표는 시스템 도입의 서로 다른 단계를 설명한다. 회사는 먼저 완공을 발표했고, 이어 운영 지표를 공개한 뒤 더 폭넓은 과학 분야 성과를 소개했다.

• 2026년 7월 10일: Sugon은 Sugon 8000 완공과 국가 슈퍼컴퓨팅 인터넷 연결을 발표했다.
• 7월 18일: 세계인공지능대회에서 공개된 수치에 따르면 가동 첫 주에 시스템이 완전 가동됐으며, 하루 평균 15만 건이 넘는 작업을 처리했다.
• 10월 17~20일: CCF 고성능컴퓨팅 전국학술대회가 선전에서 열렸다.
• 10월 18일: Sugon은 학술대회에서 최첨단 응용 성과 10건을 발표했다.

Sugon이 공식적으로 밝힌 완공일은 7월 10일이다. 10월 발표에서는 클러스터가 8월에 정식 가동에 들어갔다고도 설명했지만, 그 시점이 7월 가동과 어떤 관계인지는 밝히지 않았다.

첫 주 운영 수치에 따르면 일일 최대 작업 건수는 50만 건을 넘었다. 이는 하루 평균 기준치로 제시된 15만 건의 3배 이상이다. 작업은 제출된 컴퓨팅 과제를 뜻하므로 규모와 처리 시간이 크게 다른 작업이 모두 합계에 포함될 수 있다.

7월 운영 현황 발표에서는 작업 유형, 데이터 위치, 자원 가용성을 고려한 스케줄링을 통해 동시 사용자 요청 수백만 건을 지원한다고도 밝혔다. 이 스케줄링은 적절한 팀에 일을 배정하는 동시에 공유 경로나 장비가 병목이 되지 않도록 관리하는 것에 비유할 수 있다.

우주와 뇌 프로젝트의 내용

첸옌(Qianyan) 우주론 시뮬레이션은 암흑물질 입자 4조 개를 사용해 우주의 진화를 모델링했다. 암흑물질은 빛을 내지 않지만 중력 효과를 관측할 수 있는 물질이다. 시뮬레이션 입자는 그 물질의 일부를 나타내며, 이를 통해 연구자들은 거대 구조가 어떻게 발달하는지 계산할 수 있다.

이 수치는 해당 기기가 시뮬레이션 우주를 담을 수 있다는 설명에 구체성을 더한다. 연구자들은 우주의 물질과 그 거동을 수학적으로 표현한 뒤, 그 표현이 어떻게 변하는지 계산한다.

푸단대 연구팀은 뉴런 1,000억 개 규모의 디지털 뇌도 발표했다. 학술대회에서는 이 규모의 디지털 뇌가 세계 최초라고 소개했다. 디지털 뇌는 신경세포와 그 상호작용을 소프트웨어로 구현해 연구자들이 집단적 거동을 살펴볼 수 있게 한다.

두 프로젝트 모두 많은 객체를 저장할 공간만 필요한 것은 아니다. 모의 시스템이 변할 때 컴퓨터는 상호작용을 반복해서 계산하고 프로세서 간 정보를 이동해야 한다.

천문학과 뇌 연구 프로젝트는 10월 발표가 카드 수 자체보다 응용 성과에 초점을 둔 이유를 보여준다. 유용한 지표는 모델이 처리할 수 있는 복잡성의 규모, 계산의 세밀함, 시뮬레이션 완료에 걸리는 시간 등이다.

소재, 기상, 해양, 가상 옥수수

기계학습 힘장 소프트웨어 패키지인 MatPL은 분자동역학 시뮬레이션을 원자 1조 개 규모로 확장했다. 정확도는 양자역학 계산에 근접하는 수준으로 소개됐다. 분자동역학은 시간에 따른 원자의 움직임을 추적하며, 힘장은 원자 사이의 힘을 추정해 그 움직임을 결정한다.

기계학습은 더 정밀한 양자 문제를 반복해서 푸는 것보다 낮은 비용으로 힘을 추정할 수 있다. 학술대회 발표는 MatPL의 성과를 시뮬레이션 규모와 수치 정확도라는 두 가지 과제가 만나는 지점에 놓았다. 이 두 요건을 동시에 충족하기는 어려운 경우가 많다.

펑칭(Fengqing) 앙상블 V1.0 단기·중기 전 세계 기상예보 시스템은 운영에 들어갔다. 앙상블 예보는 출발 조건이나 가정을 조금씩 달리한 여러 예측을 실행해 기상이 어떻게 전개될 수 있는지 살핀다.

해양 연구에서는 해상도 1km의 전 지구 해양순환 예측 시스템으로는 세계 최초라고 소개된 swLFS가 발표됐다. 해상도가 높을수록 모델이 더 작은 공간적 특징을 표현할 수 있지만, 전 세계 바다를 계산하는 데 필요한 연산량도 늘어난다.

중국농업대의 가상 옥수수 플랫폼은 품종 개발 주기를 10년 이상에서 수년으로 단축했다고 소개됐다. 이 플랫폼은 유용한 작물 형질을 찾는 과정에 컴퓨팅을 활용해, 연구자들이 육종을 통해 추구할 조합의 범위를 좁히도록 돕는다.

나머지 성과에는 에너지 탐사와 첨단 장비 개발도 포함됐다. 소개된 사례들은 이 클러스터를 기상 예측, 해양순환 모델링, 원자 거동 연구, 작물 육종 후보 선정 등 구체적인 작업과 연결한다.

계산을 뒷받침하는 네트워크와 저장장치

Sugon은 자체 인프라가 칩, 컴퓨팅 장비, 저장장치, 네트워킹, 냉각, 응용 프로그램, 서비스를 아우른다고 밝혔다. 하이곤(Hygon) 등 국내 개발 칩이 컴퓨팅 기반을 제공한다. 학술대회 관련 보도에서는 전체 아키텍처에 자체 개발 칩 6종이 포함됐다고도 설명했다.

scaleFabric 네트워크는 네이티브 원격 직접 메모리 접근, 즉 RDMA를 사용한다. 이를 통해 주 프로세서의 개입을 줄인 채 컴퓨터 간 데이터 이동이 가능해져 정보 교환 과정의 일부 오버헤드를 낮출 수 있다.

대규모 시뮬레이션이나 AI 학습에서는 중간 결과를 반복해서 공유하므로 빠른 연결이 필수적이다. 프로세서가 계산을 마친 뒤 데이터를 기다려야 한다면 설치된 컴퓨팅 용량의 일부가 유휴 상태로 남는다.

Sugon은 ParaStor 분산 저장장치도 핵심 구성 요소로 꼽는다. 분산 저장장치는 데이터를 여러 컴퓨터에 나눠 저장해 대규모 작업이 여러 경로를 통해 정보를 읽고 쓸 수 있도록 한다. 회사는 ParaStor가 2026년 IO500 순위의 프로덕션 전체 노드 및 10노드 성능 부문에서 1위를 차지했다고 밝혔다.

모델 학습 중에는 대규모 데이터 세트를 반복해서 읽어야 하고, 과학 시뮬레이션에서는 중간 결과를 저장해야 할 수 있어 저장장치 성능이 중요하다. 진행 상황을 저장하면 중단 이후 장시간 계산을 다시 이어가는 데도 도움이 된다.

이 규모에서는 네트워크 혼잡, 부하 분산, 장애 격리가 핵심 엔지니어링 과제가 된다. 스케줄러는 적절한 프로세서와 데이터가 있는 곳에 작업을 배치해야 하며, 네트워크는 국지적인 문제가 더 넓은 성능 저하로 번지지 않도록 데이터 흐름을 처리해야 한다.

냉각, 밀도, 카드 가동 비용

Sugon 8000은 상변화 과정을 이용한 액침 냉각 방식을 사용한다. 장비에서 냉각액으로 열을 전달하고, 냉각액의 상태 변화가 열을 외부로 옮기는 데 도움을 준다. Sugon은 이 설계가 메가와트급 전력 밀도의 캐비닛을 지원할 수 있다고 밝혔다.

회사는 자체 개발 냉각액과 연중 외부 환경을 활용하는 냉각 방식도 소개했다. 이는 기본적인 제약을 해결하기 위한 것이다. 제한된 공간에 더 많은 컴퓨팅 성능을 넣으면 지속적으로 제거해야 하는 열도 늘어난다.

7월 운영 현황 발표에서는 다른 슈퍼노드와 비교해 단위당 컴퓨팅 밀도가 20배 높다고 주장했다. Sugon은 7월 완공 발표에서 이 규모의 클러스터에 필요한 조건으로 에너지 효율, 메모리 접근, 네트워크 설계를 별도로 꼽았다.

전력 공급과 냉각 장비는 지속적인 고부하와 수요 변동을 모두 감당해야 한다. 과학 시뮬레이션, AI 학습, 대량 추론을 처리하는 기기는 작업량이 바뀔 때 서로 다른 트래픽과 전력 사용 패턴을 보일 수 있다.

앞으로 확인할 실용적 지표로는 작업당 에너지 소비량, 데이터 대기 시간, 작업 완료 시간, 장애 이후 복구 능력 등이 있다. 공개된 발표에는 총전력 사용량, 운영 비용, 응용 프로그램의 속도, 사용자 요금에 관한 비교 가능한 수치가 모두 제시되지는 않았다.

시스템 활용 범위

Sugon은 7월 완공 발표에서 20개가 넘는 분야의 과학 컴퓨팅·AI 융합 응용 프로그램 300여 개를 최적화했다고 밝혔다. 70개가 넘는 응용 프로그램은 카드 1만 장 규모로 확장됐다. 소개된 사례에는 단백질 접힘, 물 원자 1조 개를 다루는 분자동역학, 격자 셀 100조 개를 활용한 난류 시뮬레이션이 포함됐다.

7월 운영 현황 발표에서는 응용 프로그램을 약 1,000개로 확장했다고 설명했다. 10월 학술대회에서는 30개가 넘는 분야에서 중점 응용 프로그램 300여 개를 심층 최적화했으며, 이 가운데 20개 이상이 시스템 전체에서 실행 중이라는 수치를 제시했다. 또 다른 10월 자료에서는 26개 분야의 컴퓨팅 작업 300여 건을 집계했다. 이 수치들은 소프트웨어 적용, 중점 최적화, 컴퓨팅 작업 등 서로 다른 범주를 기준으로 한다.

국가 슈퍼컴퓨팅 인터넷은 대학, 연구기관, 기업, 개인 이용자가 클러스터를 사용할 수 있도록 하는 것을 목표로 한다. 이 네트워크는 컴퓨팅 수요와 이용 가능한 자원을 연결해, 대규모 클러스터를 직접 구축·운영할 수 있는 기관 밖으로도 접근성을 넓힌다.

Sugon 8000은 10월 18일 출범한 ‘과학을 위한 HPC+AI 최첨단 관측 프로그램’의 대표 응용 사례로도 선정됐다. 학술대회에서는 컴퓨팅 인프라, 소프트웨어, 응용 프로그램의 공동 개발을 위한 산업 협력 행동계획과 개방형 커뮤니티도 소개됐다.

Sugon은 베이징 인공지능학원과 전략적 파트너십을 맺고 카드 10만 장을 탑재한 두 번째 완전 국산 시스템을 개발한다고 발표했다. 첫 번째 시스템에 대해서는 10월 발표에서 과학적 성과와 지속적인 서비스 운영을 강조했다. 제안된 두 번째 시스템은 이러한 접근법을 단일 구축 사례에서 더 확장하게 된다.

핵심 내용

• Sugon 8000은 AI 가속기 카드 10만 장을 연결했으며, 허난성 정저우에서 운영된다.
• Sugon은 2026년 7월 10일 완공과 국가 슈퍼컴퓨팅 인터넷 연결을 발표했다.
• 최첨단 응용 성과 10건이 10월 18일 선전에서 발표됐다.
• 주요 프로젝트에는 암흑물질 입자 4조 개를 활용한 시뮬레이션, 뉴런 1,000억 개 규모 디지털 뇌, 원자 1조 개 규모 분자 시뮬레이션이 포함된다.
• 이 시스템은 하나의 플랫폼에서 정밀한 과학 계산과 AI 학습·추론을 결합한다.
• Sugon은 카드 10만 장을 탑재한 두 번째 완전 국산 클러스터 개발을 발표했다.