fr.wedoany.com Rapport : Récemment, Sugon (Sugon Information Industry Co., Ltd.) a annoncé trois projets de mise à niveau de l'intelligence artificielle et des infrastructures, couvrant un système de cluster de calcul avancé dédié à l'IA, une nouvelle génération de serveurs intégrés d'entraînement et d'inférence haute performance, et un système de stockage avancé localisé. Les trois projets seront mis en œuvre par Sugon sur ses sites existants, sans ajout de nouveaux terrains, et visent à intégrer les chaînes technologiques entre les super-nœuds, les interconnexions haute vitesse, l'ordonnancement des ressources de calcul hétérogènes, les équipements d'entraînement et d'inférence de grands modèles, et le stockage haute performance.
Il ne s'agit pas d'une simple expansion de serveurs. La construction du système de cluster de calcul avancé s'étend sur quatre ans, avec pour mission principale le développement d'un système matériel de super-nœud de nouvelle génération, d'un système d'interconnexion haute vitesse, d'une pile logicielle de base au niveau système, et d'une plateforme de gestion et d'exploitation des ressources de calcul hétérogènes. Sugon prévoit d'augmenter la densité et l'efficacité de calcul des super-nœuds individuels, d'élargir l'échelle d'interconnexion entre les cartes accélératrices, tout en réservant des interfaces de mise à niveau pour les futures puces haute performance et les nouvelles architectures matérielles, permettant ainsi au cluster de s'adapter en continu aux tâches d'entraînement de grands modèles, d'inférence et de calcul scientifique.
L'interconnexion haute vitesse sera un facteur clé pour déterminer si l'ensemble du système peut être étendu. Selon le plan du projet, le nouveau système d'interconnexion sera conçu pour des scénarios à forte charge de communication, tels que l'entraînement distribué, le calcul parallèle et l'échange massif de données, avec pour objectif de réaliser une capacité d'extension linéaire au niveau de cent mille cartes, tout en réservant une marge technique pour des clusters dépassant le million de cartes. À mesure que le nombre de cartes accélératrices augmente, les tâches de calcul ne dépendent plus uniquement des performances d'une seule carte ; la latence de communication entre cartes, l'efficacité des échanges de données et la capacité de coordination entre nœuds affectent directement le taux d'utilisation global de la puissance de calcul. Ce projet développe donc le réseau d'interconnexion et le matériel des super-nœuds dans un même cadre, plutôt que de simplement assembler différents équipements en un cluster.
La partie logicielle sera également modernisée en parallèle. Sugon prévoit d'uniformiser l'environnement logiciel de base pour masquer les différences matérielles sous-jacentes, d'optimiser la gestion de la mémoire, les entrées-sorties et les communications parallèles, et de gérer de manière unifiée différents types de matériel de calcul, tels que les CPU, GPU et NPU. Une fois le système construit, il permettra un ordonnancement dynamique pour les tâches d'entraînement de grands modèles, d'inférence, de calcul scientifique et de services cloud, réduisant ainsi les coûts d'adaptation entre différentes puces, serveurs et plateformes logicielles. Le projet indique qu'après une optimisation conjointe du matériel et du logiciel, le coût total d'utilisation par carte sera réduit de plus de 30 % par rapport aux solutions existantes, et la consommation d'énergie par Token pour le traitement de modèles à centaines de milliards de paramètres sera réduite de 50 %. Ces indicateurs devront encore être validés lors des phases ultérieures de développement, de test et de déploiement à grande échelle.
Le cluster de calcul résout le problème de l'organisation des ressources à grande échelle, tandis que le serveur intégré d'entraînement et d'inférence est destiné aux salles informatiques d'entreprise et aux scénarios d'application individuels. Ce projet de construction s'étend sur trois ans et les produits couvriront un serveur IA intégré à 8 cartes, un serveur IA intégré à 16 cartes et une station de travail refroidie par liquide de bureau. Les équipements à 8 et 16 cartes peuvent être déployés comme unités de calcul de base dans les salles informatiques ou les centres de calcul, tandis que la station de travail refroidie par liquide de bureau est destinée aux applications de modèles à plus petite échelle et plus dispersées. Le matériel utilisera des CPU et des cartes accélératrices IA localisés, améliorant l'efficacité de coordination entre les processeurs et les cartes accélératrices grâce à un cadre de calcul unifié.
Le mode de livraison des équipements changera également. Actuellement, certains serveurs IA sont principalement livrés sous forme de matériel seul, avec une intégration limitée des modèles et des outils logiciels. La prochaine génération de produits intégrera la plateforme matérielle, les logiciels système, les moteurs d'entraînement et d'inférence, les kits de développement de modèles, les outils d'optimisation des performances et les capacités de surveillance et de maintenance dans un seul équipement, accompagné d'une plateforme de déploiement et de gestion de grands modèles clé en main, d'une chaîne d'outils d'accélération d'entraînement et d'inférence, et d'une plateforme de services pour serveurs intégrés. L'objectif est de centraliser l'importation, l'adaptation, le débogage, le déploiement et la gestion opérationnelle des modèles dans un seul système, réduisant ainsi les barrières techniques pour les entreprises lors de la création d'environnements de grands modèles privés.
Le stockage localisé est l'autre axe principal des trois projets. Ce projet de construction, également d'une durée de trois ans, utilisera des CPU, des contrôleurs d'entrée-sortie et des contrôleurs réseau localisés comme base pour développer des baies de stockage tout-flash localisées, et remplacera certains composants non localisés par des PCIe Switch localisés. Le système matériel ajustera également la topologie PCIe, introduira des processeurs de nouvelle génération, améliorant la capacité d'extension du stockage tout en réduisant la consommation électrique globale. Pour l'entraînement de grands modèles et le traitement de données multimodales, le système de stockage doit non seulement conserver des données massives, mais aussi fournir en continu aux nœuds de calcul une capacité de lecture de données à haute bande passante et faible latence, sinon les cartes accélératrices risquent de rester inactives en attendant les données.
Le logiciel de stockage ne se limitera pas à une simple mise à niveau des lectures et écritures de fichiers traditionnelles. Le projet ajoutera la prise en charge des protocoles SMB, NFS et des protocoles propriétaires IA, mettra à niveau les technologies de « super tunnel » et de gestion d'index efficace, tout en renforçant la conception de la fiabilité des systèmes de fichiers, des données persistantes, des données d'application et des données en cache. Les produits ultérieurs couvriront le stockage distribué de nouvelle génération, le stockage de fichiers parallèles haute vitesse, le stockage intelligent et le stockage natif cloud, afin de s'adapter aux appels fréquents de données, au traitement massif de données non structurées et à l'accès concurrentiel multi-nœuds lors de l'entraînement de grands modèles.
Les trois projets ont déjà été enregistrés sous les numéros Jin Gao Xin Shen Tou Bei [2026] 124, 125 et 126, et seront mis en œuvre sur les sites existants de Sugon. Selon les plans actuels, la construction du système de cluster de calcul a une durée relativement longue, tandis que les projets de serveur intégré d'entraînement et d'inférence et de stockage localisé ont des cycles plus concentrés. Les étapes suivantes porteront principalement sur le développement des équipements de base, le développement de plateformes logicielles, les tests de prototypes, l'adaptation des systèmes complets et la validation des applications à grande échelle.
D'un point de vue structurel, Sugon intègre les super-nœuds, les interconnexions haute vitesse, l'ordonnancement des ressources de calcul, les serveurs intégrés et les systèmes de stockage dans un même cadre d'infrastructure IA. Les nœuds de calcul sont responsables de l'exécution des tâches, le réseau d'interconnexion assure les échanges massifs de données, la plateforme logicielle unifiée gère les ressources hétérogènes, le serveur intégré d'entraînement et d'inférence prend en charge le déploiement de modèles côté entreprise, et le stockage localisé fournit en continu des données pour l'entraînement et l'inférence. Ce n'est qu'avec une mise à niveau simultanée de tous ces éléments que la puissance de calcul d'un cluster de cent mille cartes pourra être transformée en une capacité de calcul réelle, exploitable, gérable et durable.
