China ha empezado 2026 con una carta llamativa en computación científica: Tianqiong, un sistema que sus impulsores describen como un superordenador 3D y que apunta a un objetivo muy concreto: romper los cuellos de botella de la simulación —especialmente en dinámica molecular, química computacional y ciencia de materiales— sin jugar necesariamente a la misma liga que los superordenadores generalistas diseñados para “ganar” en benchmarks universales.
El proyecto está vinculado a Shanghai Silang Technology (思朗科技), una empresa fundada en 2016 que lleva años defendiendo que el gran freno del cómputo científico moderno no siempre es “falta de FLOPS”, sino la distancia (física y lógica) entre cálculo, memoria y comunicaciones internas. En otras palabras: mover datos cuesta tiempo y energía, y en determinadas simulaciones eso es lo que manda.
Qué significa “3D” en Tianqiong (y qué no significa)
El término “3D” puede llevar a equívoco. No se refiere a gráficos, ni a renderizado, ni a “hacer 3D”. Tampoco es simplemente “apilar memoria” al estilo HBM. La idea que se transmite en las descripciones públicas es otra: organizar el sistema como una topología espacial tridimensional, reduciendo trayectos y latencias internas para cargas donde el intercambio de datos domina el tiempo total de ejecución.
Esa aproximación es relevante en simulaciones científicas con mucha interacción entre partículas o moléculas, donde el coste de “ir y volver” a memoria y de coordinar el trabajo entre unidades de cálculo puede comerse cualquier ventaja de escalar núcleos, frecuencia o incluso GPUs.
MaPU: una arquitectura pensada para patrones matemáticos concretos
En el corazón del enfoque aparece MaPU, descrita como una arquitectura propia orientada a operaciones algebraicas y a ejecutar con alta eficiencia patrones computacionales recurrentes en simulación científica. El planteamiento —según las informaciones publicadas en China— intenta situarse en un punto intermedio: programable, pero con un diseño menos “de propósito general” que una CPU clásica, con el objetivo de evitar ineficiencias cuando el problema es muy específico.
La consecuencia práctica es que Tianqiong se vende como un sistema que puede disparar el rendimiento en tareas concretas, pero que no necesariamente busca ser “el mejor para todo”. De hecho, en la narrativa pública se insiste en que el rendimiento depende del dominio: donde la arquitectura encaja con el problema, el salto es notable; fuera de ahí, la comparación pierde sentido.
Rendimiento: de “más rápido” a “órdenes de magnitud”, pero en casos concretos
Uno de los datos más repetidos en las coberturas chinas es que, en determinadas simulaciones 3D, el sistema habría logrado mejoras de entre 2 y 4 órdenes de magnitud frente a enfoques tradicionales (la clave aquí es “en tareas específicas”). También se citan cifras orientativas de capacidad de simulación en dinámica molecular (microsegundos de simulación por día), un terreno donde existen precedentes muy conocidos: los superordenadores Anton de D. E. Shaw Research, diseñados específicamente para dinámica molecular y célebres por acelerar este tipo de cargas frente a plataformas más generalistas.
La comparación con Anton aparece como referencia conceptual: máquinas especializadas para un tipo de ciencia donde el retorno de propósito general se desploma por la fricción del movimiento de datos y la sincronización interna.
De prototipo a despliegue: 2022, 2023… y más visibilidad en 2025–2026
En el calendario que se ha hecho público, el primer prototipo funcional habría estado listo en 2022, y posteriormente se habría avanzado hacia despliegues en entornos reales. En 2023 se menciona la puesta en marcha de un centro de computación 3D en Xiaogan (Hubei) como paso para ofrecer capacidad a equipos de investigación y empresas, con la ambición de convertirlo en un polo de servicio para simulación científica avanzada.
Este detalle importa: la historia de Tianqiong no se cuenta como la de un “laboratorio secreto” o una demo puntual, sino como la de una infraestructura que busca usuarios y casos reales. Y ahí está el punto: si se consolida un ecosistema de software, herramientas y metodologías alrededor de MaPU y su topología, la propuesta deja de ser una rareza técnica y se convierte en una opción estratégica.
Por qué esto importa más allá de China: el giro hacia supercomputación especializada
La lectura de fondo es clara: el sector parece moverse hacia una bifurcación.
- HPC/IA generalista, impulsado por GPUs, interconexiones cada vez más rápidas, memoria de alto ancho de banda y racks “acoplados” para entrenamiento e inferencia masiva.
- HPC científico especializado, donde el objetivo no es ganar en un ranking, sino resolver más ciencia por vatio y por euro en un dominio estrecho pero crítico: materiales, fármacos, química, biología estructural, etc.
Tianqiong se alinea con el segundo camino. Y en un contexto de restricciones tecnológicas, tensiones geopolíticas y carrera por la autonomía en semiconductores, también encaja como mensaje industrial: si no puedes (o no quieres) competir solo en la escalada clásica, compite cambiando la arquitectura.
El reto real: software, adopción y “transferencia tecnológica”
La parte menos glamourosa —y probablemente la más decisiva— no es el hardware. Es el software: toolchains, bibliotecas, portabilidad, validación científica, reproducibilidad y, sobre todo, la capacidad de que un laboratorio pueda migrar métodos sin “romper” resultados.
En farmacéutica y ciencia de materiales, un salto de plataforma no es un simple “compila y corre”: hay calibraciones, validaciones, comparaciones con literatura previa y riesgos operativos. Si Tianqiong quiere convertirse en infraestructura habitual, el proyecto tendrá que demostrar algo más que velocidad: consistencia, trazabilidad y facilidad de adopción.
Preguntas frecuentes
¿Qué tipo de investigación se beneficia más de un superordenador 3D como Tianqiong?
Especialmente dinámica molecular, química computacional y ciencia de materiales, donde el movimiento de datos y la sincronización interna suelen ser el cuello de botella.
¿En qué se diferencia un sistema especializado de un superordenador clásico con CPU y GPU?
En lugar de maximizar rendimiento “promedio” para muchas cargas, busca optimizar patrones concretos (operaciones y comunicaciones internas) para un conjunto reducido de problemas donde la eficiencia se dispara.
¿Puede Tianqiong competir con infraestructuras GPU para IA generativa?
No es su objetivo principal. Su posicionamiento público se centra en simulación científica. Para IA generativa, el ecosistema y el software (y la economía de escala GPU) suelen pesar más.
¿Por qué se menciona Anton como referencia en dinámica molecular?
Porque Anton es un ejemplo reconocido de supercomputación diseñada para un único dominio (dinámica molecular) con ventajas enormes en ese campo frente a plataformas generalistas.
