灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%

资讯 凤凰科技 作者:新智元 全文 4247 字 · 约 11 分钟读完 配图 11 张 分类算力存储

三个人的回答是:重要的不是一块芯片叫不叫GPU,而是它有没有高带宽内存、矩阵引擎、多精度计算这几样本事。

所属频道 算力与芯片

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 1)

新智元报道

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 2)

11月12日,黄仁勋从英伟达CEO的位置上退了下来。

仅仅四天之后,11月16日,芝加哥McCormick会展中心,SC26国际超级计算大会对外发布了新一期全球超算TOP500榜单。

榜首那个名字没换——灵晟(LineShine),成绩2.198 EFlops。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 3)

拆开这台机器,英伟达的GPU一块都见不着,Intel或AMD的处理器也一颗都没有。

芯片、网络、存储、系统软件,从头到尾全是自主可控。

今年6月它头一回登顶,把第二名美国「酋长岩」拉开了21%的差距。五个月过去,这个距离一点没变。放到衡量真实科学计算能力的HPCG榜上,第一名照样是它。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 4)

掌舵英伟达三十三年的人走了,一台不带GPU的超算却继续稳坐全球头把交椅。没有谁事先写好了剧本,可2026年的超算史偏偏就这么翻出了最有戏剧性的一页。

巧合归巧合,另有一篇文章也值得一看。灵晟系统问世后,图灵奖得主、TOP500联合创始人唐加拉,联合ETH苏黎世的Hoefler和日本RIKEN的松冈聪,在今年发表了一篇措辞相当尖锐的文章。

文章标题翻成大白话就是《我们还需要GPU吗?》。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 5)

三人给出的回答是:一块芯片是否被称作GPU并不关键,关键在于它是否具备高带宽内存、矩阵引擎、多精度计算这几项能力。CPU要是自己把这些能力长了出来,那么过去非GPU不可的许多理由,自然就站不住脚了。

灵晟系统总设计师、国家超级计算深圳中心主任、中山大学计算机学院卢宇彤教授所说的设计原则之一「回归加速计算的本质」,讲的正是这件事:不往CPU边上再挂一颗芯片,而是让CPU自身具备加速能力。

按这个思路造出来的在线加速全CPU超算系统,灵晟在国际上是头一台,而且一造出来就坐上了世界第一的位置。

不用GPU,凭什么还能赢?

外人看个热闹会觉得纳闷:全球超算都在往GPU上堆,你偏偏不堆,靠什么跑到第一?

GPU在超算领域冒头的道理并不复杂:大规模并行矩阵运算它拿手,内存带宽也高,这两样本事传统CPU都提供不了。于是「CPU负责调度、GPU提供算力」成了通行做法,美国三台E级超算全走这条路。

代价也是有的。唐加拉等人在文章里指出:现代计算中,真正烧钱的往往是数据搬运。数据在CPU内存和GPU内存之间来回折腾,既费时间又耗电,程序员还得同时照看两块内存。较新的设计让两边共享内存,可文章的判断是:有改善,问题没除根。

另有一笔「翻译费」要付。大量科学计算软件是物理、化学、气象团队写了几十年的老代码,这些人的本事在学科本身,不在GPU编程。想上GPU,核心部分通常得按GPU的路子重写一遍。

话说回来,「不用GPU」这条路此前也有人试过。日本的「富岳」走了一半:纯CPU加高带宽内存,2020年到2022年拿过TOP500第一,但它的芯片里没装矩阵引擎。

灵晟把AI加速这块短板补上了。处理器LX2拥有304个核心,基于Armv9指令集,每个核心都内置向量和矩阵加速指令,双精度到INT8等多种计算精度都支持;高带宽内存直接封装进处理器,每颗32GB、带宽4TB/s,达到传统CPU的10倍。整机核心数约1379万个。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 6)

这么一来,加速单元进了核里,高带宽内存进了封装里,数据不用再在两块芯片间倒手;写程序仍按CPU的老办法来,OpenMP、MPI这些工具照常能用。

这条路有什么特点,成绩单上看得清楚:

HPL比的是稠密矩阵,灵晟领先第二名21%;换成更贴近真实科学计算、更吃内存带宽的HPCG,灵晟22.00 PFlops,酋长岩17.41 PFlops,领先优势扩大到26%。

负载越接近真实场景,它的优势就越突出。

两亿个原子的量子力学:XLSDFT和戈登贝尔奖

成绩单只是入场券。真正让同行多看灵晟一眼的,是它上面跑出了什么。

2026年国际ACM戈登贝尔奖最终入围 6 项,灵晟独占 2 项,其中 1 项拿下奖项。

在超算圈子里,ACM戈登贝尔奖的分量相当于诺贝尔奖。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 7)

翻看戈登贝尔奖的历史,中国团队拿过 4 次主奖,分别是2016 年、2017 年、2020年、2021年。2020 年那次颁给 DeePMD,是中美团队合作,机器用的是美国的 Summit。

今年的主奖,隔了 5 年重新回到中国团队手里——

《利用E级超级计算机弥合铁钼辅基计算中的「量子优势」鸿沟》这一「灵晟」系统创新应用,摘得2026年ACM戈登·贝尔奖。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 8)

在灵晟上,应用跑出了FP64性能1.456EF、BF16性能5.626EF,浮点效率达到58.9%。这个效率是CPU+GPU架构系统CNIS(曙光8000)的两倍。

团队走的是超智融合计算的路子,首次完成固氮酶铁钼辅基标准模型的E级经典计算求解。在「灵晟」系统上,高精度基态计算用1.75小时跑完,耗时大约是目前容错量子计算最佳理论预估用时的1/5。量子计算在这个问题上到底有多大潜在优势,由此多了一个新的参照。

另一项进入ACM戈登贝尔奖最终名单的,是基于灵晟的「线性标度密度泛函理论」XLSDFT计算成果。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 9)

XLSDFT解决的究竟是什么问题?

说白了,量子力学级别的材料计算,头一回摸到了真实世界的尺度。

搞材料研究的人,手里少不了一个叫「密度泛函理论」(DFT)的工具。

材料里电子怎么活动,它能从量子力学层面算出来。电池为什么衰减、合金为什么坚硬、催化剂为什么高效,答案的根子都在电子结构里。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 10)

可常规DFT有个要命的数学特性:计算量跟原子数的三次方成正比。原子数翻一倍,计算量就乘8。于是DFT精度虽高,能应付的却只有几百到几千个原子,也就是几纳米大小。真实电池里决定性能的界面层,厚度在几十纳米以上,牵扯的原子是百万、千万量级。算得动的尺度和看得见的尺度之间,差着好几个数量级。

跨过这道沟的方法,由灵晟系统总设计师、国家超级计算深圳中心主任、中山大学计算机学院卢宇彤教授,以及副主任付昊桓教授、徐奇门副研究员、张羽副研究员团队自主研发,联合中山大学、清华大学等单位共同完成。

他们抓住的是量子力学里一个叫「近视原理」的性质:一个原子周围的电子状态,主要由附近一小片区域说了算,远处的影响随距离指数衰减。

XLSDFT利用这一点,把整个巨大的计算域像切蛋糕一样切成小块,每块只算自己那片区域,最后拼成完整的全局图景。再配上一种叫「切比雪夫滤波子空间迭代」的高效求解方法,计算量和内存占用都压到了线性——原子翻倍,计算量也只翻倍,DFT的精度照样保住。

算法解决的是「少算」,接下来要解决的是「算快」。

这一步,XLSDFT是照着灵晟的芯片量身改的,论文里讲了三招。

先说第一招:把数据的摆放方式重排。取数是程序里最费时间的一类运算——芯片的算力够用,数据却供不上。团队重新安排了数据在内存中的存放位置和读取次序,使芯片一次能取到更多数据,也减少了来回折返。

第二招是让草稿不必写得规整。计算靠一轮轮迭代逐步逼近答案,而每一轮都以上一轮的结果为起点。既然这个起点后面还要再改,团队就用半精度把它存成「草稿」,这样每轮开头进出内存的数据量少了一半;到了真正参与运算的环节,全程仍是双精度,结果不会打折扣。这套改法落地后,该类运算在每个节点上的速度由1.66 TFlops升至5.25 TFlops,达到常规写法的3.2倍。

第三招是让专门的单元干专门的活。计算中还有一类大块矩阵相乘,恰好是LX2内置矩阵加速单元的强项。团队没有采用现成的通用数学库,而是按照自己的矩阵尺寸另写了一套,直接交给加速单元执行。在1亿原子的计算中,其中最快的一步达到1.31 EFlops,即每秒131亿亿次。

三招说到底是一件事:让内存跟得上芯片。改完之后再跑1亿原子,最吃内存的那类运算能把全机的高带宽内存用到峰值的89%。

单个节点跑顺了,还得看机器一大会不会掉链子。很多程序在小规模上跑得欢,节点一多就开始互相等。

团队从1024个节点做起,逐步扩到20480个节点,原子数同步放大了20倍。每一步迭代耗时由68.8秒升到71.2秒,只慢了两秒出头,换算成弱扩展效率为96.6%。扩展性这一关过了之后,他们又在同样的20480个节点上,把硅晶体的原子规模推到2亿个——此前同类纪录是1000万。

硅晶体结构规整,成分只有一种元素,拿它来算,主要是想探一探程序的能力边界。

真正难办的是电池界面:锂金属与LGPS固态电解质相接的那一层,尺寸57×44×90纳米,约1133万个原子,金属和绝缘体搅在一起。论文称,这是头一回在实验可表征的尺度上对这类界面做DFT计算,规模达到此前同类研究的1000倍。

想算反应后的界面,前提是知道反应后原子各自落在哪。这一步纯靠量子力学硬解扛不住,团队于是引入AI:先在几百个原子的小模型上做精确计算,拿结果训练出DeepMD,再让它带着这1133万个原子跑分子动力学模拟,搭出一个90×57×44纳米的Li/LGPS界面模型,把锂金属与电解质接触、反应之后的形貌模拟出来。不过DeepMD只负责原子怎么动,电子的状态它给不了。

随后轮到XLSDFT出场,把反应后的界面电子结构完整算一遍。AI管原子、超算管电子,这种接力式的打法就是「超智融合」(HPC+AI)。算完的结果,最后要和X射线光电子能谱(XPS)的实验数据摆在一起比对。

灵晟超算守住TOP500第一:无GPU全CPU路线,领先酋长岩21%(配图 11)

有一点要说明:TOP500和HPCG考的都是64位浮点,那是科学计算的主场,不是AI训练的主场。更贴近AI的混合精度榜HPL-MxP上,灵晟为7.92 EFlops,列第四;排第一的酋长岩是16.7 EFlops。

路是自己修的。2015年、2019年、2021年,美国先后三次把中国的超算机构和芯片企业列入出口管制清单。打那以后,中国不再向TOP500提交新的旗舰机器,榜首一空就是九年。

2026年4月,灵晟在深圳全面点亮;6月在汉堡登顶;11月在芝加哥蝉联世界第一。

6月首次登顶时,唐加拉评价说:中国的「灵晟」系统让世界看到了超算通向AI4Science新型系统架构的希望之光。在那篇文章里,他和另外两位作者给出的判断是一致的:未来与其说是GPU对CPU,不如说是融合。GPU让行业看清了高吞吐数值硬件该长什么样,CPU正把其中一部分学到手——更宽的向量、矩阵引擎、封装内的高带宽内存、低精度运算。

眼下,这条路上灵晟跑得最远。从第一轮禁售算起走到第十一年,一台不用GPU的中国超算不光拿到并守住了世界第一,还在上面跑通了2亿原子的量子力学问题,把一块电池界面算到了能与实验对照的程度,拿到2张戈登贝尔奖决赛的入场券,甚至还有一款应用夺魁。

它代表超算的一种新范式:在HPC与AI深度融合的时代,片上超智融合的纯CPU路线,正成为兼顾性能、精度、能效与自主可控的优选技术路径之一。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 灵晟超算蝉联全球第一:无GPU全栈国产,黄仁勋辞任英伟达CEO

    新智元报道 11月12日,黄仁勋辞去英伟达CEO职位。 四天后的11月16日,芝加哥McCormick会展中心,SC26国际超级计算大会公布了最新一期全球超算TOP500。排在最上面的名字没有变——灵晟(LineShine),2.198 EFlops。这台机器里找不到一块英伟达的GPU,也找不到一颗Intel或AMD的

    来源 腾讯网
  2. 灵晟超算再登顶:无英伟达GPU,全栈国产守住全球第一

    新智元报道 11月12日,黄仁勋辞去英伟达CEO职位。 四天后的11月16日,芝加哥McCormick会展中心,SC26国际超级计算大会公布了最新一期全球超算TOP500。排在最上面的名字没有变——灵晟(LineShine),2.198 EFlops。这台机器里找不到一块英伟达的GPU,也找不到一颗Intel或AMD的

    来源 腾讯网
  3. AI硬件的牛市结束了

    最强势的市场,也顶不住这轮AI回调了。 从10月的高点算起,涵盖AI硬件全链条的费城半导体指数跌去27.8%。其中,算力龙头英伟达跌去36.1%、存储龙头美光跌去43%,就连给他们供货的寡头台积电也跌去26.2%。看下来,逻辑最硬、订单最多的AI硬件龙头,也没能躲过这轮回撤。 AI硬件这波回撤,是投资逻辑变了:从跟踪大

    来源 AI 行业观察
  4. 苹果拟与三星签四至五年DRAM长约:2027年生效,锁定最低采购量

    11月18日报道,受人工智能算力基础设施需求激增引发的芯片供应紧张影响, 苹果公司 拟与三星电子达成一项罕见的四至五年期DRAM内存供应协议,于2027年上半年生效并延续至2031或2032年,以锁定最低采购量、保障未来 iPhone 与 MacBook 等终端产能。 长期以来,苹果依赖庞大订单量与

    来源 AI 开发者社区
  5. 阿里云Q2收入609.73亿增53%:算力紧缺成长期现实

    另外,吴泳铭判断:算力紧张是行业中长期要面对的现实,2027至2028年国内算力供给仍存在缺口,阿里会持续补齐自研算力供给,同时通过多元化采购保障供给。吴泳铭表示,全球各个区域的算力政策出现了非常大的变化,将对阿里云的数据中心建设产生影响。根据目前的初步评估,阿里此前制定的到2032年全球数据中心规模超过20GW的目标

    来源 TechWeb
  6. 机器人训练降本新路径:1张GPU如何叫板128张?

    中经记者 杨让晨 李正豪 上海报道机器人训练成本能否大幅下降是具身智能行业长期关注的一个问题。在近日举行的2026年机器人学习大会(CoRL 2026)上,加州大学伯克利分校研究团队展示了SuperMimic研究成果。通过引入可微世界模型,该研究在单张GPU上训练约3小时,便在特定人形机器人动作跟踪基准上超越了使用12

    来源 腾讯网
  7. Anthropic上市:发行价83美元,阿莫迪从GPT-2警示到敲钟

    美国时间11月19日,Anthropic正式登陆纳斯达克,以“ANT”为股票代码挂牌,创下了全球史上最大规模IPO纪录。就在上市前一天,Anthropic将发行价定在每股83美元,并将发行数量从8.25亿股增加到9.8亿股,最终公开发行规模达到813.4亿美元。按发行价计算,这家成立不到六年的AI公司,完全稀释估值约为

    来源 腾讯网
  8. 黄仁勋卸任英伟达,算力租赁管制收紧:国产芯片询价升温

    黄仁勋离开英伟达的方式,比市场预想的更突然。 当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利…,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在2027财年第三季度财报电话会上明确表态,董事会“不打算恢复他的CEO职务”。 一位掌舵3

    来源 AI 行业观察
  9. 曙光8000支撑成果:国产超集群拿下戈登·贝尔奖

    【TechWeb】11月20日消息,2026年国际超级计算大会(SC26)传来重磅喜讯:由全国产十万卡AI超集群曙光8000提供算力支撑的中国科研成果闪耀国际舞台,一项斩获被誉为“高性能计算领域诺贝尔奖”的ACM戈登·贝尔奖,另一项成功入围戈登·贝尔气候建模奖决赛。 从今年7月正式投用至今,短短四个多月,曙光8000再

    来源 AI 行业观察
  10. 全球算力进入“后黄仁勋时代”

    国产算力需求升温,资本从具身智能向半导体转移作者/ IT时报 毛宇编辑/ 郝俊慧 孙妍黄仁勋离开英伟达的方式,比市场预想的更突然。当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利益,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在20.

    来源 腾讯网
  11. 阿里巴巴 CEO 吴泳铭:2027、2028 年将是中国算力最紧缺的两年

    据界面新闻今日报道,在 2027 财年第二季度财报分析师电话会上,#阿里巴巴#集团 CEO 吴泳铭表示,2027 年和 2028 年,将是中国算力最紧缺的两年。2027 年以后,阿里云的芯片供给都会以国产平头哥芯片为主,同时也会采购其他国产芯片来支持内部的推理需求。

    来源 IT之家
  12. Anthropic上市即遭联名信炮轰:2万亿市值与半个硅谷的怒火

    Anthropic于2026年11月19日上市,成为规模最大的IPO,首日收盘市值约1.77万亿美元。七位联合创始人通过F类股票掌握50.1%投票权,员工首日即可套现;同时其9009亿美元算力采购承诺被指“循环融资”,上市当日遭近百名AI人士公开信批评“言行不一”。

    来源 凤凰科技
  13. 谷歌工程师让打印机跑2.7亿参数模型:每词元约60秒

    IT之家 11 月 20 日消息,谷歌 DeepMind 技术团队成员奥马尔 · 圣塞维耶罗(Omar Sanseviero)于 11 月 17 日在 X 平台发布推文,在只占用 14.1MB 内存的情况下,成功让办公激光打印机运行 2.7 亿参数的 Gemma 3 270M 模型,每输出一个词元(Token)消耗约

    来源 腾讯网
  14. 海淀两个动作:科学家创业从工位到夜话如何接得住

    11月18日,未名·AIPark人工智能创新街区在北大西门旁正式揭牌。依托中关村国际创新大厦、未来科技大厦两大核心载体,这个“从实验室到公司”的新空间开门迎客——教授在实验室里做出成果,出门走一公里,就能找到拎包入驻的办公室,还能对接算力、政策、资本和客户。这是海淀为科学家打开空间。

    来源 AI 行业观察
  15. 智能体AI架构:挑战与机遇并存,工程师如何应对

    大多数软件工程师和架构师对微服务和云原生架构早已耳熟能详,多年来也一直参与构建基于这些架构的系统。基于微服务的系统通常由数十、数百甚至数千个服务组成,负责不同类型的数据处理任务——API 端点、数据管道、后台工作流,以及各类中间场景——但它们都有一个共同点:按照代码确定的逻辑或基于从数据存储中检索到的数据来处理数据。这

    来源 AI 行业观察
  16. 阿里平头哥启动上市:百亿营收芯片业务待独立估值

    11月19日晚,阿里巴巴CEO吴泳铭在财报电话会上透露,千问已经在平头哥芯片上训练下一代模型,百炼也已基于国产芯片提供模型推理服务。 三个月前,阿里公布了一次业务调整:云智能集团与平头哥整合为“AI云与算力服务”。两项业务被放进同一个财务分部,阿里希望芯片与云计算更加紧密地配合。 9月11日,平头哥向港交所秘密递交了上

    来源 AI 行业观察
  17. 英伟达投的AI Infra创企发模型工厂!支持数千卡集群训练万亿MoE

    智东西11月20日消息,昨日,美国AI Infra创企Prime Intellect宣布推出模型训练平台Model Factory,企业可根据平台支持的模型和算力配置,更新现成模型的全部参数,或从零训练新模型。该公司称,其底层强化学习框架prime-rl支持在千张以上GPU集群上训练万亿参数以上的MoE模型。

    来源 智东西
向下滚动自动加载更多