China heeft 2026 begonnen met een opvallende mijlpaal in wetenschappelijke computing: Tianqiong, een systeem dat door zijn ontwikkelaars wordt omschreven als een 3D-supercomputer en dat een zeer specifiek doel voor ogen heeft: de knelpunten in simulaties doorbreken — vooral op het gebied van moleculaire dynamica, computationele chemie en materiaalwetenschap — zonder per se in dezelfde league te spelen als algemene supercomputers die bedoeld zijn om te scoren op universele benchmarks.
Het project is verbonden aan Shanghai Silang Technology (思朗科技), een bedrijf opgericht in 2016 dat al jaren beweert dat de grootste rem op moderne wetenschappelijke computing niet altijd ligt aan een gebrek aan FLOPS, maar aan de fysieke en logische afstand tussen berekening, geheugen en interne communicatie. Met andere woorden: dataverkeer kost tijd en energie, en in bepaalde simulaties is dat hetgeen de meeste tijd in beslag neemt.
Wat betekent “3D” in Tianqiong (en wat betekent het niet)
De term “3D” kan voor verwarring zorgen. Het gaat niet over grafische voorstellingen, niet over rendering, en zeker niet over “3D maken”. Het betekent ook niet simpelweg “geheugen stapelen” zoals bij HBM. De essentie van de beschrijvingen publiekelijk is iets anders: het systeem organiseren als een driedimensionale ruimtelijke topologie, waarmee interne trajecten en latentie worden verminderd, vooral bij workloads waarbij dataverkeer de totale verwerkingstijd domineert.
Deze aanpak is vooral relevant voor wetenschappelijke simulaties met veel interactie tussen deeltjes of moleculen, waarbij de kosten voor “heen en weer” gaan naar het geheugen en het coördineren van berekeningen een grote rol spelen, waardoor het voordeel van meerdere cores, hogere kloksnelheid of zelfs GPU’s soms verloren gaat.
MaPU: een architectuur ontworpen voor specifieke wiskundige patronen
Centraal in deze benadering staat MaPU, een eigen ontwikkelde architectuur gericht op lineaire algebraïsche bewerkingen en het efficiënt uitvoeren van terugkerende computationele patronen in wetenschappelijke simulaties. Volgens de publieke informatie uit China probeert het systeem een middenweg te vinden: programmeervriendelijk, maar met een minder “algemene doelstelling” dan een standaard CPU, om inefficiënties te vermijden wanneer de problemen heel specifiek zijn.
Praktisch betekent dit dat Tianqiong wordt gepositioneerd als een systeem dat de prestaties voor bepaalde taken aanzienlijk kan verhogen, zonder de ambitie om “de beste voor alles” te zijn. In de publieke communicatie wordt benadrukt dat het rendement afhankelijk is van het domein: waar de architectuur aansluit bij het probleem, is de verbetering groot; daarbuiten wordt de vergelijking minder relevant.
Prestaties: van “snelheid” naar “orden van grootte”, maar vooral in specifieke gevallen
Een veel genoemd feit in de Chinese berichtgeving is dat, bij bepaalde 3D-simulaties, Tianqiong verbeteringen heeft behaald van tussen 2 en 4 ordegroottes ten opzichte van traditionele systemen (de kern hier is “bij specifieke taken”). Ook worden indicaties gegeven over simulatiecapaciteit in moleculaire dynamica (microseconden simulatie per dag), een terrein dat al langer bekend is dankzij systemen als Anton van D. E. Shaw Research, die specifiek voor moleculaire dynamica zijn ontworpen en bekend staan om hun snelle prestaties vergeleken met meer algemene platformen.
De vergelijking met Anton wordt vaak aangehaald als een voorbeeld van gespecialiseerde systemen voor een bepaald wetenschapsgebied, waar de retour op een algemene aanpak door de data-beweging en interne synchronisatie simpelweg te duur is.
Van prototype tot realiteit: 2022, 2023… en meer zichtbaarheid in 2025–2026
Volgens de publieke planning zou het eerste werkbare prototype in 2022 klaar zijn, gevolgd door verdere ontwikkeling richting inzet in echte onderzoeks- en bedrijfsomgevingen. In 2023 wordt gesproken over het opzetten van een 3D-computatiecentrum in Xiaogan (Hubei), bedoeld om capaciteit te bieden aan onderzoeksteams en bedrijven, met als doel het uit te bouwen tot een knooppunt voor geavanceerde wetenschappelijke simulaties.
Dit detail is belangrijk: de ontwikkeling van Tianqiong wordt niet gepresenteerd als een “geheim laboratorium” of een tijdelijke demonstratie, maar als een infra-structuur die gebruikers en toepassingen wil aantrekken. En dat is waar het om draait: als er een ecosysteem ontstaat van software, tools en methodes rondom MaPU en de topologie, wordt de aanpak niet meer slechts een technische curiositeit, maar een strategische keuze.
Waarom dit verder relevant is dan China: de verschuiving naar gespecialiseerde supercomputers
De onderliggende trend is helder: de sector beweegt naar een splitsing.
- HPC/AI voor algemeen gebruik, aangedreven door GPU’s, snellere interconnecties, hoog-bandwijdte geheugen en modulaire racks voor grootschalige training en inferentie.
- Gespecialiseerde wetenschappelijke HPC, waar het niet gaat om winnen in ranglijsten, maar om meer wetenschap leveren per watt en euro binnen een beperkt, maar cruciaal domein: materialen, geneesmiddelen, chemie, structurele biologie, enzovoort.
Tianqiong sluit aan bij de tweede richting. En in een context van technologische beperkingen, geopolitieke spanningen en een race naar autonomie in halfgeleiders, wordt hiermee ook een industrieel signaal afgegeven: als je niet (of niet wilt) concurreren op de klassieke schaalvergroting, dan doe je dat door de architectuur te veranderen.
De echte uitdaging: software, adoptie en “technologische overdracht”
Het minst glanzende — en waarschijnlijk meest kritische — onderdeel is niet het hardware, maar de software: toolchains, bibliotheken, draagvlak, wetenschappelijke validatie, reproduceerbaarheid, en vooral de mogelijkheid voor laboratoria om methodes te migreren zonder resultaten te “breken”.
In farmacie en materiaalwetenschap is een platform-switch niet zomaar “ompakkelen en starten”: het vereist calibraties, validaties, vergelijkingen met bestaande literatuur en operationele risico’s. Wil Tianqiong een realistische infrastructuur worden, dan moet het project meer bieden dan snelheid: consistentie, traceerbaarheid en gebruiksgemak.
Veelgestelde vragen
Welke onderzoeken profiteren het meest van een 3D-supercomputer zoals Tianqiong?
Vooral Moleculaire dynamica, computationele chemie en materiaalkunde, waar dataverkeer en interne synchronisatie vaak de bottleneck vormen.
Hoe onderscheidt een gespecialiseerd systeem zich van een klassieke CPU/GPU-supercomputer?
In plaats van te maximaliseren op “gemiddelde” prestaties voor veel verschillende workloads, is het gericht op optimalisatie van specifieke patronen (bewerking en communicatie binnen het systeem) voor een beperkte set problemen waar efficiëntie enorm toeneemt.
Kan Tianqiong concurreren met GPU-gestuurde infrastructuren voor generatieve AI?
Daar ligt niet de focus. Het publieke doel ligt bij wetenschappelijke simulaties. Voor generatieve AI wegen het ecosysteem en software, plus de schaalvoordelen van GPU’s, vaak zwaarder.
Waarom wordt Anton vaak genoemd als referentie voor moleculaire dynamica?
Omdat Anton een bekend voorbeeld is van gespecialiseerde supercomputing voor een specifiek domein (moleculaire dynamica), met grote voordelen daarin ten opzichte van algemene platforms.