Cluster chinês com 100 mil placas de IA sinaliza a era da computação como infraestrutura nacional

A entrada em operação do primeiro supercluster chinês de inteligência artificial totalmente doméstico com 100 mil placas, no nó central de Zhengzhou, deve ser lida como um marco de arquitetura — e não apenas como um recorde de contagem de chips.

O sistema está sendo conectado a uma estrutura nacional mais ampla, com centros de computação regionais, rotas ópticas, monitoramento e agendamento de cargas. A questão estratégica agora é saber se a China conseguirá fazer com que uma capacidade distribuída, formada por diferentes tipos de hardware e localizada em várias regiões, funcione como um supercomputador compartilhado e confiável.

Zhengzhou é a prova de escala

O Dawning 8000, também chamado de Dengfeng em reportagens, é descrito como o primeiro supercluster de IA totalmente doméstico da China na faixa de 100 mil placas. Instalado no nó central de Zhengzhou da Internet Nacional de Supercomputação, ele combina computação científica e capacidade voltada à inteligência artificial.

Segundo as reportagens, o sistema dá suporte a mais de 300 cargas de trabalho em 26 áreas, incluindo pesquisa de materiais, desenvolvimento de medicamentos e inteligência artificial. 158

A imprensa chinesa também comparou o pico de capacidade do sistema ao equivalente a dois séculos de cálculos humanos contínuos. Trata-se de uma analogia de vazão máxima, e não de uma métrica padronizada de desempenho em treinamento de modelos. Portanto, ela não significa que todo tipo de tarefa de IA terá um ganho semelhante de velocidade. 58

A importância mais duradoura está na arquitetura: um conjunto doméstico de 100 mil placas oferece uma base para organizar o acesso à computação em grande escala, em vez de obrigar cada laboratório ou empresa a montar seu próprio cluster isolado.

De data centers individuais a uma camada compartilhada de computação

A instalação de Zhengzhou vem sendo combinada com capacidade de outras regiões. Reportagens sobre um cluster doméstico na Grande Baía Guangdong–Hong Kong–Macau afirmam que o sistema foi projetado para atender às necessidades de treinamento de modelos de próxima geração com trilhões de parâmetros.

Juntos, esses projetos apontam para um modelo no qual cargas de trabalho de grande porte podem usar recursos regionais coordenados, em vez de depender exclusivamente de uma única instalação local. 37

Isso não significa que a distância deixou de importar. O treinamento distribuído de IA exige muita largura de banda, latência previsível, aceleradores sincronizados e recuperação rápida quando máquinas ou conexões falham.

Por isso, uma rede nacional de computação precisa de mais do que um inventário de placas disponíveis. Ela necessita de uma camada de controle capaz de identificar quais aceleradores são compatíveis, onde os dados estão armazenados, quanta capacidade contínua uma tarefa exige e se a rede consegue sustentar o fluxo de trabalho.

A rede óptica é a ponte entre os clusters regionais

Pesquisadores do Laboratório Pengcheng estão desenvolvendo uma fibra óptica extremamente fina, com quatro canais internos de transmissão. O projeto pretende oferecer quatro vezes a capacidade de transmissão de uma fibra convencional comparável, ajudando a enfrentar o gargalo de rede criado pela distribuição regional dos recursos computacionais. 1718

A rota planejada entre Shenzhen e Guizhou para computação e transmissão de dados, assim como o uso de caminhos mais diretos e sensíveis à latência, tem o mesmo objetivo: reduzir a perda de desempenho provocada pelo deslocamento de dados e pela sincronização do trabalho entre centros de computação. 1719

Essa infraestrutura é especialmente importante para treinamentos distribuídos fortemente acoplados. Neles, uma comunicação lenta ou instável pode deixar aceleradores caros parados enquanto aguardam dados ou instruções.

A diferença entre os tipos de carga de trabalho é fundamental. Recursos remotos podem ser relativamente simples de usar em tarefas em lote pouco acopladas. Já fazer instalações distantes funcionarem como uma única máquina durante um treinamento sincronizado de grande escala é muito mais difícil.

As informações disponíveis descrevem a direção do esforço de engenharia, mas não comprovam que todos os clusters conectados já ofereçam desempenho uniforme, equivalente ao de um único data center local.

A capacidade cresce mais rápido que as evidências de uso eficiente

Dados oficiais divulgados pelo Ministério da Indústria e Tecnologia da Informação da China indicam que a capacidade nacional de computação inteligente chegou a 2.185 EFLOPS no fim de junho de 2026, alta de 177% em relação ao ano anterior. A mesma divulgação apontou uma taxa geral de utilização — ou ocupação dos racks — de 71,4%. 344041

A unidade é importante: o número informado é 2.185 EFLOPS, e não 218,5 EFLOPS. EFLOPS mede o desempenho teórico em operações de ponto flutuante. O total nacional, por si só, não revela quanta capacidade está disponível para um laboratório específico, se os aceleradores são compatíveis entre si ou com que eficiência um treinamento distribuído é executado.

É por isso que a próxima fase da expansão chinesa de infraestrutura de IA provavelmente será avaliada menos pela computação agregada e mais pela computação efetivamente utilizável.

Um total nacional elevado ainda pode esconder gargalos se a capacidade estiver fragmentada entre diferentes tipos de aceleradores, reservada para usuários distintos, limitada pela movimentação de dados ou indisponível quando surgirem restrições de energia e refrigeração.

Começa a surgir um plano nacional de controle

A China também está construindo a camada de gestão necessária para coordenar essa oferta. Uma plataforma unificada de monitoramento e agendamento entrou em operação experimental com visibilidade sobre mais de 60% da capacidade de computação de IA do país. Esse é um primeiro passo para combinar cargas de trabalho com recursos disponíveis e tecnicamente adequados. 618

O objetivo está ligado ao programa “Dados do Leste, Computação do Oeste”, que organiza hubs nacionais e clusters de data centers para instalar parte da infraestrutura intensiva em energia e território nas regiões ocidentais, enquanto atende à demanda concentrada no leste.

O plano nacional chinês prevê um sistema de infraestrutura computacional em vários níveis e uma rede integrada de computação em todo o país. 485356

Na prática, essa camada de controle terá de resolver problemas complexos:

• Compatibilidade de recursos: direcionar cada tarefa para aceleradores domésticos e pilhas de software compatíveis.
• Posicionamento: decidir se o trabalho deve ser executado localmente, em uma região metropolitana ou entre hubs distantes.
• Movimentação de dados: reduzir o custo e o atraso no envio de dados de treinamento e pontos de restauração.
• Tolerância a falhas: manter grandes tarefas produtivas quando conexões, racks ou placas individuais apresentarem problemas.
• Coordenação energética: alinhar a demanda computacional à disponibilidade de eletricidade e às restrições operacionais de cada região.

Quanto melhor essas funções funcionarem, mais a capacidade nacional poderá ser tratada como um serviço integrado — e não como uma coleção de máquinas desconectadas.

O investimento confirma que o projeto é uma rede

A Comissão Nacional de Desenvolvimento e Reforma informou que as redes de capacidade computacional devem receber cerca de 4 trilhões de yuans em novos investimentos diretos entre 2026 e 2030, período coberto pelo 15º Plano Quinquenal da China. A estimativa se refere à construção dessas redes e à infraestrutura relacionada, com grande parte dos recursos esperados de fontes não governamentais. 4754

A escala do investimento planejado reforça a principal interpretação do lançamento de Zhengzhou: a China não está apenas ampliando a oferta de aceleradores. O país também investe em transmissão, hubs, agendamento, monitoramento e infraestrutura de apoio para transformar computação em uma utilidade nacional.

O que o lançamento mostra — e o que ainda não prova

O modelo em formação tem três camadas:

1. Hardware doméstico: grandes clusters construídos com placas de computação chinesas.
2. Interconexão: sistemas ópticos e de transmissão de dados destinados a conectar conjuntos regionais.
3. Coordenação: monitoramento e agendamento nacionais para distribuir a capacidade entre esses conjuntos.

Essa arquitetura pode reduzir a importância de ter acesso a um único supercluster local, tornando uma parcela maior da capacidade chinesa acessível por meio de um sistema comum. Ela também pode ajudar o país a aproveitar recursos de energia e território no oeste, mantendo a computação disponível para os centros de demanda no leste. 4856

Mas as evidências ainda não justificam tratar essa rede como um supercomputador universal, no qual todos os recursos sejam intercambiáveis. A disponibilidade de hardware doméstico, as interconexões entre aceleradores, a maturidade do software, a energia, a confiabilidade e o agendamento continuam sendo limitações importantes.

As afirmações de que o treinamento de modelos de fronteira poderia cair de aproximadamente um ano para seis meses devem ser consideradas projeções dependentes da carga de trabalho, a menos que sejam demonstradas de forma independente.

O gargalo estratégico está mudando, mas não desapareceu. A China passa da pergunta sobre conseguir construir hardware doméstico suficiente para uma questão mais difícil: conseguir coordenar esse hardware com eficiência.

Se a camada de agendamento funcionar, a expansão computacional chinesa poderá se transformar em uma plataforma nacional flexível. Se não funcionar, o país ainda poderá divulgar números impressionantes de EFLOPS enquanto laboratórios de IA enfrentam acesso fragmentado, capacidade ociosa e desempenho desigual no mundo real.