
Courtesy of SCMP
China Luncurkan Node Superkomputer 15 Eflops untuk AI Skala Besar
Menjelaskan peluncuran node superkomputer baru yang sangat kuat di China, yang ditujukan untuk mempercepat pelatihan model AI skala besar dan inferensi throughput tinggi, serta menunjukkan perkembangan teknologi AI domestik China yang unggul.
06 Feb 2026, 14.33 WIB
238 dibaca
Share
Ikhtisar 15 Detik
- SCNet meluncurkan node baru untuk pengujian beta yang mendukung AI berskala besar.
- Platform Sugon scaleX mendukung penggunaan lebih dari 30.000 kartu akselerasi AI.
- Node baru ini memiliki potensi performa komputasi hingga 15 eflops.
Zhengzhou, China - China telah meluncurkan sebuah node superkomputer baru yang didedikasikan untuk kebutuhan kecerdasan buatan (AI) berskala besar, termasuk pelatihan model AI yang memiliki triliunan parameter dan inferensi AI dengan kecepatan tinggi. Node ini mulai diuji coba di kota Zhengzhou, dan menjadi dorongan besar bagi infrastruktur AI domestik di China.
Node superkomputer ini terdiri dari tiga platform ScaleX yang dikembangkan oleh Sugon, sebuah perusahaan superkomputer asal China yang terdaftar di Shanghai. Ketiga platform ini mendukung penggunaan lebih dari 30.000 kartu akselerasi AI, alat penting untuk meningkatkan kecepatan dan efisiensi pengolahan data AI.
Meski SCNet tidak menyebutkan kekuatan komputasi total secara langsung, berdasarkan kemampuan satu platform ScaleX, ketiga platform yang terpasang ini bisa menghasilkan sekitar 15 eflops. Eflops adalah ukuran kecepatan komputasi superkomputer yang berarti melakukan satu kuintiliun operasi floating-point per detik.
Untuk perbandingan, superkomputer terkuat dunia saat ini, El Capitan dari Hewlett Packard Enterprise, memiliki kekuatan maksimal sekitar 1,8 eflops. Dengan demikian, node superkomputer China ini memiliki kapasitas komputasi yang jauh lebih besar, yang memungkinkan kemajuan besar dalam pengembangan teknologi AI.
Pengembangan dan penggunaan node ini menunjukkan ambisi China untuk memimpin dunia dalam teknologi AI dan superkomputasi, yang dapat berdampak besar pada riset, industri, dan aplikasi teknologi cerdas masa depan di seluruh dunia.
Referensi:
[1] https://www.scmp.com/tech/article/3342636/china-trials-its-largest-locally-made-ai-computing-resource-major-infrastructure-push?module=top_story&pgtype=section
[1] https://www.scmp.com/tech/article/3342636/china-trials-its-largest-locally-made-ai-computing-resource-major-infrastructure-push?module=top_story&pgtype=section
Analisis Ahli
Andrew Ng
"Peningkatan kapasitas komputasi yang besar sangat penting untuk mempercepat kemajuan AI, tapi integrasi perangkat keras dengan perangkat lunak yang optimal adalah kunci keberhasilan nyata."
Yann LeCun
"Superkomputer dengan kemampuan tinggi membuka peluang besar untuk eksperimen model AI yang lebih kompleks, dan ini bisa mempercepat inovasi dalam pemahaman AI generatif."
Analisis Kami
"Penggunaan tiga platform ScaleX dengan kapasitas hingga 30.000 kartu akselerasi AI menandakan langkah maju signifikan teknologi domestik China. Namun, terlepas dari angka eflops yang impresif, keberhasilan praktisnya akan sangat bergantung pada bagaimana sistem ini dioptimalkan untuk berbagai jenis beban kerja AI nyata."
Prediksi Kami
Dalam waktu dekat, China kemungkinan besar akan semakin menonjol dalam riset dan pengembangan AI skala besar dan dapat menggeser dominasi global dalam infrastruktur komputasi berkinerja tinggi.
Pertanyaan Terkait
Q
Apa yang dilakukan SCNet dengan node baru ini?A
SCNet telah meluncurkan pengujian beta untuk node baru yang dirancang untuk skenario AI berskala besar.Q
Berapa banyak kartu akselerasi AI yang didukung oleh platform scaleX?A
Platform scaleX mendukung lebih dari 30.000 kartu akselerasi AI.Q
Apa itu eflops dan mengapa itu penting?A
Eflops adalah ukuran performa superkomputer yang menunjukkan kemampuan menghitung satu quintillion operasi floating-point per detik.Q
Siapa yang mengembangkan superkomputer El Capitan?A
Superkomputer El Capitan dikembangkan oleh Hewlett Packard Enterprise.Q
Apa tujuan dari pengujian beta yang dilakukan oleh SCNet?A
Tujuan dari pengujian beta adalah untuk menguji kemampuan node dalam pelatihan model AI dan inference berkecepatan tinggi.




