一台登顶全球的超算,机箱里找不到一块英伟达的GPU,也找不到一颗Intel或AMD的处理器。从芯片、网络、存储到系统软件,全栈自主可控。
![]()
它叫灵晟(LineShine),算力2.198 EFlops。今年6月它第一次登顶全球超算TOP500,把第二名美国「酋长岩」甩开21%;五个月后的11月16日,芝加哥SC26大会公布最新榜单,差距原封不动。在衡量真实科学计算能力的HPCG榜上,它同样还是第一。
时间线上还有一个巧合:11月12日,黄仁勋辞去英伟达CEO职位。四天后,一台没有GPU的超算蝉联世界第一。
为什么不用GPU也能赢
GPU在超算里上位的逻辑很简单:擅长大规模并行的矩阵运算,内存带宽也高,这两样传统CPU给不了。于是「CPU管调度、GPU出算力」成了主流办法,美国三台E级超算走的都是这条路。
但这有成本。图灵奖得主、TOP500联合创始人唐加拉,拉上ETH苏黎世的Hoefler和日本RIKEN的松冈聪,今年发了一篇文章,标题直译就是《我们还需要GPU吗?》。文章点明:现代计算里,真正贵的常常是搬数据。数据在CPU内存和GPU内存之间来回倒,要花时间、要耗电,程序员还得同时管两块内存。
还有一笔「翻译费」。很多科学计算软件是物理、化学、气象领域的团队写了几十年的老代码,这些人的专长是学科本身,不是GPU编程。要上GPU,核心部分往往得按GPU的方式重写一遍。
三位作者的回答是: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。如果CPU自己长出了这些,当初非用GPU不可的很多理由就不成立了。
这正是灵晟系统总设计师、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阐述的设计原则之一——「回归加速计算的本质」:不在CPU旁边再挂一块芯片,而是让CPU自己长出加速的本事。
这条路此前并非没人走过。日本的「富岳」走了半步:纯CPU,配高带宽内存,2020到2022年坐过TOP500第一,但芯片里没有矩阵引擎。灵晟把AI加速一步补上了。
它的处理器LX2有304个核心,基于Armv9指令集,每个核心都带向量和矩阵加速指令,支持从双精度到INT8的多种计算精度;高带宽内存直接封装在处理器里,每颗32GB、带宽4TB/s,是传统CPU的10倍。整机约1379万个核心。加速单元在核里,高带宽内存在封装里,数据不必在两块芯片之间倒手;程序还是按CPU的方式写,OpenMP、MPI这些老工具接着用。
成绩单上能看出这条路的特点:HPL考的是稠密矩阵,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,领先幅度拉大到26%。越靠近真实负载,优势越明显。
两亿个原子的量子力学
跑分只是门票。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项获奖。在超算圈,这个奖的地位相当于诺贝尔奖。
戈登贝尔奖历史上,中国团队拿过4次主奖:2016年、2017年、2020年、2021年,其中2020年的DeePMD是中美团队,跑在美国的Summit上。今年的主奖是时隔5年再回中国团队——《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》获奖。灵晟上实现应用FP64性能达1.456EF,BF16性能达5.626EF,浮点效率高达58.9%,是CPU+GPU架构系统CNIS(曙光8000)的两倍。团队通过超智融合计算,首次实现固氮酶铁钼辅基标准模型的E级经典计算求解,用1.75小时完成高精度基态计算,耗时约为目前容错量子计算最佳理论预估用时的1/5。
另一个入围项目是「线性标度密度泛函理论」XLSDFT。做材料研究离不开密度泛函理论(DFT),它能从量子力学层面推算材料里电子的行为方式。但常规DFT有一个要命的数学特性:计算量跟原子数的三次方成正比,原子数乘以2,计算量乘以8。结果就是DFT只能应付几百到几千个原子,而真实电池里决定性能的界面层,牵涉的原子是百万、千万量级。
团队抓住了量子力学里一个叫「近视原理」的性质:一个原子周围的电子状态,主要由它附近一小片区域决定,远处的影响随距离指数衰减。XLSDFT把整个计算域像切蛋糕一样分成小块,每块只算自己那片区域,最后再拼成完整的全局图景。配合「切比雪夫滤波子空间迭代」的求解方法,计算量和内存占用都被压到了线性——原子翻倍,计算量也只翻倍,同时保持DFT的精度。
算法管「少算」,剩下的问题是「算快」。XLSDFT照着灵晟的芯片量身改了三处:重排数据在内存里的摆法和读取顺序,让芯片一次多拿、少跑回头路;把每轮迭代的起点按半精度存成「草稿」,进出内存的数据量少一半,真正动笔算时仍全程双精度,这类运算在每个节点上的速度从1.66 TFlops提到5.25 TFlops,是常规写法的3.2倍;大块矩阵相乘则按自己的矩阵尺寸重写数学库,直接交给LX2内置的矩阵加速单元。1亿原子的计算中,最快的一步跑到了1.31 EFlops。
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%。团队从1024个节点起步,一路加到20480个,原子数也跟着放大20倍,每步迭代时间从68.8秒变成71.2秒,弱扩展效率96.6%。在同样的20480个节点上,他们把硅晶体加到了2亿个原子,此前的纪录是1000万。
更难啃的是一块电池界面:锂金属和LGPS固态电解质贴在一起的地方,57×44×90纳米,约1133万个原子,金属和绝缘体混在一起。论文称,这是第一次在实验能够表征的尺度上做这类界面的DFT计算,规模是此前同类研究的1000倍。团队先在几百个原子的小模型上做精确计算,训练出DeepMD,让它带着1133万个原子做分子动力学模拟,搭出界面模型;再换XLSDFT把反应之后的界面完整算一遍电子结构。AI管原子,超算管电子,这种接力就是「超智融合」。最后把结果和X射线光电子能谱(XPS)的实验数据放在一起比。
需要说清的一点是,TOP500和HPCG考的都是64位浮点,这是科学计算的主场,不是AI训练的主场。在更贴近AI的混合精度榜HPL-MxP上,灵晟是7.92 EFlops,排第四;第一名酋长岩是16.7 EFlops。
路是自己修的
2015年、2019年、2021年,美国三次把中国的超算机构和芯片企业列入出口管制清单。此后,中国不再向TOP500提交新的旗舰机器,榜首的位置一空就是九年。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,唐加拉评价道: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,他和另外两位作者写的是同一个判断:未来与其说是GPU对CPU,不如说是融合。GPU教会了行业高吞吐的数值硬件该长什么样,CPU正在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。
目前,在这条路上灵晟跑得最远。一台不用GPU的中国超算不仅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和实验对照的程度,拿到2张戈登贝尔奖决赛入场券,其中一款应用夺魁。片上超智融合的纯CPU路线,正在成为兼顾性能、精度、能效与自主可控的优选技术路径之一。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.