2.198EFlops！時隔8年，中國超算重回全球第一！

6月23日，在德國漢堡舉行的ISC 2026會議上公布的2026年6月期TOP500超級計算機榜單中，中國超算“靈晟”（LineShine）以2.198 ExaFLOPS的高性能 Linpack (HPL) 基準(zhǔn)測試成績成功登頂，力壓美國勞倫斯·利弗莫爾國家實驗室的El Capitan系統(tǒng)。這也是中國超算時隔8年來真正意義上的再次重回全球超算TOP500榜單第一的位置。

中國超算（“天河1-A”）在2010年11月首次登上TOP500榜首，之后“天河二號”接棒，自2013年6月至2015年11月連續(xù)6期占據(jù)TOP500榜首。“神威·太湖之光”則是從2016年6月后連續(xù)兩年霸榜。直到2018年6月，美國橡樹嶺國家實驗室的“Summit”超算以122.3 PFLOPS的性能問世，超越了中國的“神威·太湖之光”（93.0 PFLOPS），終結(jié)了中國超算的榜首時代。

需要指出的是，此后多年中國超算排名持續(xù)下滑，并不是完全是因為高性能芯片對華禁運導(dǎo)致超算實力下滑，而是在中美貿(mào)易戰(zhàn)爆發(fā)后，中國自2021年開始就不再將新一代的、性能更強的超算（如“神威”新型號、“天河”新型號）提交給TOP500進(jìn)行測試。雖然之后的TOP500榜單中，我們還能看到“神威·太湖之光，但那一直都是之前的未更新的數(shù)據(jù)。

此次，中國超算“靈晟”重回TOP500榜首，不僅是中國再次證明自身在超算領(lǐng)域的頂尖實力，更為關(guān)鍵的是，“靈晟”是一臺全國產(chǎn)、軟硬件全棧自主可控的中國超算。

不過，位列TOP500榜首并不等同于在人工智能（AI）領(lǐng)域處于領(lǐng)先地位。因為，LineShine并未配備AI芯片，它采用的是純CPU計算架構(gòu)，因此它并不是全球最強的AI超算，不過它在模擬AI計算的基準(zhǔn)測試當(dāng)中排名第四。

245萬個CPU核心，峰值性能達(dá)2.198ExaFlops

今年5月，芯智訊就曾發(fā)文深度介紹過這款由深圳國家超級計算中心（NSCC-SZ）開發(fā)的超算LineShine。

LineShine系統(tǒng)由20,480個計算節(jié)點構(gòu)成，每個節(jié)點搭載2顆基于ARMv9架構(gòu)的LX2處理器，主頻 1.55 GHz，全系統(tǒng)總計40,960顆處理器、超過245萬個CPU核心。

具體來說，每個LX2處理器內(nèi)集成了兩個計算芯粒，總共304個CPU核心，分為8個集群，每個集群擁有38個CPU核心，每個核心配備32 KB的L1指令緩存和32 KB的L1數(shù)據(jù)緩存，而每個集群則共享一個28.5 MB的L2緩存和4GB的高帶寬內(nèi)存(HBM)。

所有CPU核心均支持Arm SVE（可伸縮向量擴展）和SME（可伸縮矩陣擴展），可直接高效處理FP64、FP32、BF16、FP16、INT8等多種數(shù)據(jù)格式的AI訓(xùn)練與推理任務(wù)。每個LX2處理器在FP64/FP32精度下分別可提供高達(dá)60.3/120.6 TFLOPS的算力，在BF16/FP16精度下可提供240 TFLOPS算力，在INT8精度下可特供960 TOPS算力。

LX2還采用了類似日本“富岳”超算A64FX處理器的混合內(nèi)存設(shè)計：每個LX2處理器集成了8個總計32GB容量HBM高帶寬內(nèi)存，總帶寬達(dá)到4TB/s，同時支持最高256GB的片外DDR5內(nèi)存。這種設(shè)計使得CPU可以在同一內(nèi)存空間內(nèi)處理海量科學(xué)數(shù)據(jù)集，避免傳統(tǒng)CPU-GPU異構(gòu)架構(gòu)中頻繁的數(shù)據(jù)搬運開銷。

此外，每個裸片內(nèi)置專用的智能直接內(nèi)存訪問（SDMA）引擎，用于在HBM和128 GB片外DDR內(nèi)存之間移動數(shù)據(jù)，這對于需要精細(xì)內(nèi)存管理的AI訓(xùn)練負(fù)載尤為關(guān)鍵。節(jié)點之間通過中國自研的“靈渠”（LingQi）高速互連網(wǎng)絡(luò)連接，該網(wǎng)絡(luò)采用雙平面、多軌胖樹拓?fù)浣Y(jié)構(gòu)，每個節(jié)點的帶寬為1.6 Tb/s。

整個LineShine系統(tǒng)包括40,960顆處理器，超過245萬個CPU核心，分布在92個計算機柜中，擁有100萬端口互連，36個網(wǎng)絡(luò)機柜，67個存儲柜，428個存儲節(jié)點，10 TB/s存儲帶寬，總存儲容量650 PB。

據(jù)TOP500官方數(shù)據(jù)顯示，LineShine系統(tǒng)總功耗約為42.2兆瓦，能效比達(dá)到52.07 Gigaflops/w，高性能 Linpack (HPL) 基準(zhǔn)測試以2.198 ExaFLOPS成績位居第一。

同時，它在高性能共軛梯度（HPCG）基準(zhǔn)測試排名中以22.00 HPCG-Petaflop/s的成績位列第一。在HPL-MxP混合精度基準(zhǔn)測試中，它取得每秒7.92 Exaflops的成績，排名第四。

TOP500組織表示，其相對于HPL分?jǐn)?shù)僅3.6倍的適度加速比，“表明這是一個純CPU設(shè)計，沒有配備專用的低精度加速器”。

另外需要指出的是，隨著生成式AI的爆發(fā)，亞馬遜、微軟、谷歌等云巨頭都構(gòu)建了自己的龐大的AI數(shù)據(jù)中心，并將其調(diào)整為人工智能應(yīng)用，而非傳統(tǒng)的科學(xué)計算方法，但是大多數(shù)公司的AI數(shù)據(jù)中心卻從未躋身TOP500強，因為他們并沒有向TOP500組織提交它們的系統(tǒng)。

“如果超大規(guī)模數(shù)據(jù)中心運營商提交他們的系統(tǒng)，這個‘世界上最快的系統(tǒng)’甚至都進(jìn)不了前五名，”加州大學(xué)全球沖突與合作研究所高級研究員吉米·古德里奇說。

“靈晟”為什么選擇純CPU架構(gòu)？

當(dāng)前超算系統(tǒng)普遍采用CPU+GPU異構(gòu)計算架構(gòu)。以馬斯克旗下xAI的Colossus集群為參考，其理論峰值性能高達(dá)約498 ExaFLOPS，即使按照約15%的實際利用率，也能提供約75 ExaFLOPS的有效算力，遠(yuǎn)超LineShine系統(tǒng)的1.54 ExaFLOPS。此外，分析指出CPU-only系統(tǒng)在進(jìn)行稠密AI計算時，其能效比和絕對算力密度通常低于專門的GPU加速器，這也是行業(yè)主流選擇“CPU+GPU”異構(gòu)路線的主要原因。

但是，基于CPU-only系統(tǒng)的AI和高性能計算超級計算機相比傳統(tǒng)的異構(gòu)CPU+GPU系統(tǒng)也有著多項優(yōu)勢，尤其是在結(jié)合AI訓(xùn)練與大規(guī)模數(shù)據(jù)攝取、預(yù)處理、存儲交互、仿真和編排的復(fù)雜科學(xué)任務(wù)中。

具體來說，由于CPU-only系統(tǒng)都運行在同一處理器和內(nèi)存空間上，它們避免了異構(gòu)計算帶來的許多復(fù)雜問題，比如昂貴且耗費帶寬的CPU到GPU數(shù)據(jù)傳輸、復(fù)雜的編程模型、GPU內(nèi)存限制以及加速器專用的軟件棧。

CPU-only系統(tǒng)系統(tǒng)通過結(jié)合HBM和大容量DDR能力，可以擁有更大的連貫內(nèi)存池，這對于處理海量的科學(xué)數(shù)據(jù)集、檢索增強生成和長上下文窗口非常有用。

CPU-only系統(tǒng)也適合涉及不規(guī)則控制流、分布式I/O、通信密集流水線以及執(zhí)行模式不高效映射到GPU的科學(xué)人工智能應(yīng)用。

此外，CPU-only系統(tǒng)可以更自然地與傳統(tǒng)高性能計算環(huán)境集成，執(zhí)行常規(guī)超級計算機任務(wù)（如仿真），這對需要同時進(jìn)行AI訓(xùn)練/推理和高性能計算的需求尤為有用。

最后，在美國持續(xù)限制高端GPU對華出口的背景下，中國轉(zhuǎn)而發(fā)展CPU-only系統(tǒng)，擺脫了對英偉達(dá)GPU和CUDA軟件生態(tài)系統(tǒng)等國外加速器和平臺的依賴，實現(xiàn)了完全的自主可控。

深圳市科技創(chuàng)新局有關(guān)負(fù)責(zé)人在今年4月底介紹“靈晟”國產(chǎn)E級超級計算機系統(tǒng)時也表示，“靈晟”國產(chǎn)E級超算系統(tǒng)全面點亮并完成全機測試，是我國高端計算領(lǐng)域全棧自主可控的標(biāo)志性成果。深圳正深入實施算力強基行動，構(gòu)建全球領(lǐng)先的“通用算力+智能算力+超級算力”一體化體系。

需要指出的是，LineShine系統(tǒng)并非意在取代GPU超算集群，而是在特殊技術(shù)封鎖背景下，為保障國家戰(zhàn)略計算需求、探索自主技術(shù)路線而打造的關(guān)鍵“備份”與補充系統(tǒng)，尤其適用于將AI與大規(guī)模科學(xué)模擬、數(shù)據(jù)分析深度融合的“AI for Science”場景。

編輯：芯智訊-浪客劍