Token导航 LogoToken导航

AI 资讯 · 新智元

国产全栈自主超算灵晟登顶全球TOP500

更新 2026-11-21新智元正文 4140字阅读约 13分钟12 张图片

图片

  新智元报道  

图片

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。

图片

这台机器里找不到一块英伟达的GPU,也找不到一颗Intel或AMD的处理器。

从芯片、网络、存储到系统软件,全栈自主可控!

今年6月它第一次登顶,把第二名美国「酋长岩」甩开了21%。五个月过去,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。

图片

执掌英伟达三十三年的人离场,一台没有GPU的超算守住全球第一——这个故事无人编排,但2026年的超算历史,就这么自己写出了最戏剧化的一页。

巧合之外还有一篇文章。「灵晟」系统横空出世之后,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,今年发了一篇火药味十足的文章。

标题直译就是《我们还需要GPU吗?》。

图片

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。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所阐述的「灵晟」系统设计原则之一——「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。 

灵晟,恰恰是国际上第一台按这个逻辑造出来的在线加速全CPU超算系统、并且坐上了世界第一的超算宝座。

为什么不用GPU也能赢?

外行看热闹觉得奇怪:全世界的超算都在堆GPU,你偏不用,凭什么还能跑第一?

GPU在超算里上位的逻辑很简单:它擅长大规模并行的矩阵运算,内存带宽也高,这两样传统CPU都给不了。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。在文章里,唐加拉他们点明了:现代计算里,真正贵的常常是搬数据。数据在CPU的内存和GPU的内存之间来回倒,要花时间、要耗电,程序员还得同时管两块内存。新一些的设计让两边共用内存,但文章的判断是:有帮助,但麻烦没根除。

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。

所以「不用GPU」这条路并非没人走过。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。

图片

这样一来,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。

这条路的特点,可以在成绩单上体现出来:

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,它的优势越明显。

两亿个原子的量子力学:XLSDFT和戈登贝尔奖

跑分只是门票。灵晟真正让同行多看一眼的,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,而灵晟独占 2 项、其中 1 项获奖。

在超算圈,ACM戈登贝尔奖的地位相当于诺贝尔奖。

图片

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——

「灵晟」系统创新应用《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2026年ACM戈登·贝尔奖。

图片

灵晟上实现了应用FP64性能达1.456EF,BF16性能达5.626EF,浮点效率更是高达58.9%,效率是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,在「灵晟」系统上用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,  为评估量子计算在该问题上的潜在优势提供了新的参照。

另一个入围了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。 

图片

那XLSDFT解决的是什么问题?

简单说:它让量子力学级别的材料计算,第一次触碰到了真实世界的尺度。

做材料研究的人离不开一个叫「密度泛函理论」(DFT)的工具。

它能从量子力学层面推算出材料里电子的行为方式——电池为什么衰减、合金为什么坚硬、催化剂为什么高效,底层答案都藏在电子结构里。

图片

但常规的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精度很高,却只能应付几百到几千个原子,也就是几纳米大小;而真实电池里决定性能的界面层,厚度在几十纳米以上,牵涉的原子是百万、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。

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、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,找到了一条跨过这道沟的路。

他们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。

利用这一点,XLSDFT把整个巨大的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。

算法管的是「少算」,剩下的问题是「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。

第一招,重排数据。这个程序最耗时的一类运算,是取数:芯片算得过来,数据却递不上来。团队把数据在内存里的摆法和读取顺序重排了一遍,让芯片一次多拿、少跑回头路。

第二招,草稿不必工整。计算是一轮一轮逼近答案的,每一轮都拿上一轮的结果当起点。起点反正还要再改,团队就把它按半精度存成「草稿」,每轮开头那一步进出内存的数据量直接少一半;真正动笔算的时候,仍然全程双精度,结果不打折。这一整套改下来,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。

第三招,术业有专攻。计算里还有一类活是大块的矩阵相乘,正好是LX2内置矩阵加速单元的本行。团队没用现成的通用数学库,按自己的矩阵尺寸重写了一套,直接交给加速单元去跑。1亿原子的计算中,其中最快的一步跑到了1.31 EFlops,也就是每秒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个节点起步,一路加到20480个,原子数也跟着放大20倍,每步迭代的时间从68.8秒变成71.2秒,只多了两秒多,折成弱扩展效率是96.6%。扩展性过了关,他们在同样的20480个节点上把硅晶体加到了2亿个原子。此前的纪录是1000万。

硅晶体结构规整,只有一种元素,算它主要是为了摸清程序的上限。

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。

要算反应之后的界面,先得知道反应之后原子都在哪儿。这一步靠量子力学硬算是算不动的,团队请了AI帮忙:先在几百个原子的小模型上做精确计算,用结果训练出一个DeepMD,再让它带着这1133万个原子做分子动力学模拟,搭出一个90×57×44纳米的Li/LGPS界面模型,模拟出锂金属和电解质接触、反应之后的样子。DeepMD只管原子怎么动,给不出电子的状态。

接下来换XLSDFT上场,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,这种接力的打法就是「超智融合」(HPC+AI)。最后,把算出来的结果和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。

从第一轮禁售算起的第十一年,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,拿到了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。

编辑:所罗门 大卫

文章标签算力

资讯来源:由AI资讯编辑整理自互联网公开内容,版权归原作者所有,未经许可,不得转载。