灵晟超算再登TOP500榜首:全栈国产,领先第二名21%
全国产!超算「诺奖」5年再回中国队
新智元报道
新智元报道

11月12日,黄仁勋从英伟达CEO的位置上退了下来。
11月16日,也就是四天之后,SC26国际超级计算大会在芝加哥McCormick会展中心放出了最新一期全球超算TOP500榜单。
榜首的名字没换,还是灵晟(LineShine),成绩2.198 EFlops。

这台机器上既没有英伟达的GPU,也没有Intel或AMD的处理器。芯片、网络、存储、系统软件,整条栈都是自主可控的。
它第一次坐上头名是在今年6月,当时把第二名美国「酋长岩」拉开21%。五个月过去,这个差距一点没变。放到衡量真实科学计算能力的HPCG榜上,灵晟照样排第一。

英伟达的掌门人执掌公司三十三年后离场,一台没有GPU的超算却守住了全球第一的位子。这故事没人事先写剧本,2026年的超算史偏偏就这么翻出了最具戏剧性的一页。
巧事之外,还有一篇论文。灵晟系统亮相之后,图灵奖得主、TOP500联合创始人唐加拉,与ETH苏黎世的Hoefler、日本RIKEN的松冈聪一道,在今年发表了一篇文章,字里行间火药味不小。
文章的标题翻成中文就是《我们还需要GPU吗?》。

这三位给出的答复是:一块芯片叫不叫GPU并不打紧,真正要紧的是它有没有高带宽内存、矩阵引擎、多精度计算这几样本事。CPU若自己把这些本事长了出来,那么当初非GPU不可的许多理由,也就站不住了。
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把这条思路讲成「灵晟」的设计原则之一——「回归加速计算的本质」:不是往CPU边上再挂一颗芯片,而是让CPU自己长出加速的能力。
按这个路子造出来的灵晟,是国际上第一台在线加速的全CPU超算系统,而且已经坐上了世界第一的宝座。
在外行眼里这事透着奇怪:全球的超算都在往GPU上堆,你偏不走这条路,怎么就还能跑到第一?
GPU能在超算里站稳脚跟,道理不复杂:大规模并行的矩阵运算它拿手,内存带宽又高,这两样恰恰是CPU的短板。于是「CPU负责调度、GPU负责出算力」成了通行做法,美国三台E级超算都沿用了这个思路。
代价也随之而来。唐加拉等人在文章里说得很清楚:现代计算中,开销大头的往往是数据搬运。数据在CPU内存和GPU内存之间反复倒腾,既费时间又费电,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,可文章给出的判断是:有改善,问题却没能彻底解决。
另有一笔「翻译费」。许多科学计算软件出自物理、化学、气象团队之手,是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。想跑上GPU,核心部分通常得照GPU的路子重写一遍。
其实绕开GPU的路子早有人试。日本的「富岳」就走了半步:纯CPU加高带宽内存,2020到2022年间坐过TOP500头把交椅,只是芯片里没放矩阵引擎。
灵晟补上的正是AI加速这一环。其处理器LX2拥有304个核心,基于Armv9指令集,每颗核心都集成向量与矩阵加速指令,双精度到INT8等多种计算精度都能支持;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。

加速单元进了核,高带宽内存进了封装,数据不用再在两块芯片间来回搬;程序照旧按CPU的方式写,OpenMP、MPI这些老工具可以接着用。
这条路线成色如何,成绩单上看得分明:
HPL比的是稠密矩阵,灵晟领先第二名21%;换到更贴近真实科学计算、更吃内存带宽的HPCG,灵晟跑出22.00 PFlops,酋长岩为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。
跑分只能算入场券。真正让同行对灵晟多看一眼的,是这台机器上跑出了什么。2026年国际ACM戈登贝尔奖最终入围6项,灵晟一家占2项,其中1项拿下奖项。
在超算这个圈子里,ACM戈登贝尔奖的分量被比作诺贝尔奖。

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年和2021年。其中2020年的DeePMD由中美团队合作完成,跑在美国的Summit上。
今年的主奖,隔了5年又回到中国团队手里。「灵晟」系统上的创新应用《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》,获得2026年ACM戈登·贝尔奖。

在灵晟上,应用FP64性能达到1.456EF,BF16性能达到5.626EF,浮点效率高达58.9%。
靠超智融合计算,团队首次把固氮酶铁钼辅基标准模型做到E级经典计算求解:在「灵晟」系统上,高精度基态计算用了1.75小时,约为目前容错量子计算最佳理论预估耗时的1/5。这为评估量子计算在该问题上的潜在优势,提供了一个新的参照。
另一项挤进ACM戈登贝尔奖最终名单的成果,是跑在「灵晟」上的「线性标度密度泛函理论」XLSDFT计算。它要解决的究竟是什么问题?

说白了,量子力学级别的材料计算,到它这里才头一回够得着真实世界的尺度。搞材料的人,手里都少不了一个叫「密度泛函理论」(DFT)的工具。
这个工具能从量子力学层面算出材料中电子的行为方式——电池为何衰减、合金为何坚硬、催化剂为何高效,底层的答案都埋在电子结构里。

可常规DFT有个致命的数学特性:计算量正比于原子数的三次方。原子数翻一倍,计算量就涨到8倍。于是局面变成:DFT精度虽高,却只吃得下几百到几千个原子,也就是几纳米大小;而真实电池中决定性能的界面层,厚度在几十纳米以上,涉及的原子达百万、千万量级。算得动的尺度和看得见的尺度,中间隔了好几个数量级。
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,与副主任付昊桓教授、徐奇门副研究员、张羽副研究员带领团队自主研发,并联合中山大学、清华大学等单位共同完成,趟出了一条跨过这道沟的路。他们借的是量子力学中「近视原理」这一性质:某个原子周边的电子状态,基本由附近一小片区域说了算,远处的影响会随距离指数衰减。
有了这条思路,XLSDFT把庞大的计算域切成小块处理,每一块只负责自己那片区域,算完再合成整体图景。再搭配「切比雪夫滤波子空间迭代」这种高效求解方法,计算量和内存占用都被压成线性增长——原子数翻倍,计算量跟着翻倍,DFT的精度照样保住。
算法解决的是「少算」,接下来要解决「算快」。XLSDFT针对灵晟芯片做了专门改造,论文里列出三招。
头一招是重排数据。程序里最耗时的运算之一是取数:芯片算力够用,数据却供不上。团队重新安排了数据在内存中的摆放方式和读取顺序,让芯片一次多取一些,少走回头路。
第二招是草稿不必工整。计算要一轮一轮逼近答案,每轮都以上一轮结果为起点。起点后面还要改,团队就把它按半精度存成「草稿」,每轮开头那步进出内存的数据量少了一半;真正计算时仍用双精度,结果不受影响。这一套改完,该类运算在每个节点上的速度从1.66 TFlops升到5.25 TFlops,达到常规写法的3.2倍。
第三招是让专用单元干专活。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。团队没有套用现成通用数学库,而是按自己的矩阵尺寸重写了一套,直接交给加速单元执行。1亿原子的计算里,最快的一步跑到1.31 EFlops,即每秒131亿亿次。
三招合起来只做一件事:让内存跟得上芯片。改完后再跑1亿原子,最吃内存的那类运算能把全机高带宽内存用到峰值的89%。
单节点跑顺了,还要看机器规模变大后会不会互相拖累。不少程序小规模时跑得欢,节点一多就开始彼此等待。
团队从1024个节点起步,逐步加到20480个,原子数也放大20倍,每步迭代时间从68.8秒变成71.2秒,只多出两秒多,折算弱扩展效率为96.6%。扩展性过关后,他们在同样的20480个节点上把硅晶体加到2亿个原子。此前纪录是1000万。
硅晶体结构规整,只含一种元素,算它主要是为了探明程序的上限。
更棘手的是电池界面:锂金属与LGPS固态电解质相接处,尺寸57×44×90纳米,约1133万个原子,金属和绝缘体混在一起。论文称,这是首次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。
要想算清反应后的界面长什么样,第一步是弄清楚反应之后每颗原子落在什么位置。靠量子力学直接硬算,算力根本撑不住。团队于是引入AI:先在几百个原子的小模型上做精确计算,用这批结果训练出DeepMD,再让它驱动1133万个原子跑分子动力学模拟,最终搭出一个尺寸为90×57×44纳米的Li/LGPS界面模型,把锂金属与电解质接触、反应之后的状态模拟出来。不过DeepMD只负责原子怎么运动,电子处于什么状态它给不出来。
随后轮到XLSDFT出场,对反应后的界面电子结构做完整计算。AI管原子、超算管电子,这样接力推进的做法就是「超智融合」(HPC+AI)。计算得到的结果,最后还要与X射线光电子能谱(XPS)的实验数据比对。

有一点需要说明:TOP500和HPCG考核的都是64位浮点,这属于科学计算的主场,并非AI训练的主场。在更贴近AI的混合精度榜HPL-MxP上,灵晟以7.92 EFlops位列第四;排在首位的是酋长岩,成绩为16.7 EFlops。
2015年、2019年、2021年,美国先后三次将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,榜首位置一空就是九年。
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,唐加拉给出了这样的评价: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。
那篇文章里,他与另外两位作者写下的是同一个判断: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有的样子,CPU正把其中一部分学过去——更宽的向量、矩阵引擎、封装内的高带宽内存、低精度运算。
这条路线里,灵晟目前走得最远。
从第一轮禁售算起,到如今已是第十一年。一台不靠GPU的中国超算,不只是拿下了世界第一、还守住了这个位置。它上面跑通了2亿原子的量子力学问题,把一块电池界面算到能与实验对照的程度,拿到2张戈登贝尔奖决赛的入场券,另有一款应用夺魁。这代表着超算的一种新范式:
眼下HPC与AI正深度融合,纯CPU的片上超智融合路线,开始被视为同时兼顾性能、精度、能效与自主可控的技术路径之一。