Shenzhen-systemet passerar "El Capitan" i TOP500-rankningen, visar vägen till exaskala-beräkning med enbart CPU, till skillnad från AI-kapplöpningen

Världsrankingen av superdatorer återgår till att vara en teknisk, industriell och geopolitisk indikator. Med Linjeskinn, installerad vid Nationellt superdatorcenter i Shenzheni Porslin har återtagit förstaplatsen i rankingen TOP500, kringgå det amerikanska systemet El CapitanNyheten, som också rapporterades av Natur, avser en maskin som kan klara över två kvintiljoner operationer per sekund enligt det traditionella riktmärke som används för att mäta effekten hos högpresterande system.

Det centrala resultatet är det som erhålls på testet Högpresterande Linpacken HPL: 2 198 exaflops per sekund, lika med 2.198,40 petaflops per sekund i det officiella systembladet. TOP500 indikerar också en teoretisk topp på 2.735,82 petaflops per sekund, 13.789.440 kärna och en elförbrukning på 42.220 kilowattDessa siffror placerar LineShine före El Capitan och bekräftar att exaskalaberäkning går in i en mer distribuerad fas, med toppmoderna maskiner i Asien, Nordamerika och Europa.

Den mest observerade särdragen är inte bara dess primat. LineShine är baserad på en lösning Endast CPU, det vill säga utan dedikerade grafikacceleratorer. I en tid då högpresterande datoranvändning ochartificiell intelligens och stordata ofta förknippas med GPU:er, tensorkärnor och specialiserade chip för träningsmodeller, följer den kinesiska maskinen ett annat designval. Systemet använder basen Ling Kun, processorer LX2 a 304 kärna, proprietär sammankoppling LingQi och operativsystem Kylin OS.

En exaskalamaskin baserad på processorer för allmänt bruk

Shenzhens superdator var inte bara en samling datornoder. Enligt de officiella specifikationerna byggdes maskinen av Shenzhen molntjänstcenter och installerad i 2025Den deklarerade konfigurationen inkluderar processorer LX2 304C vid 1,55 gigahertz, LingQi-nätverk, kompilator Lclang 1.0.0, matematiskt bibliotek OpenBLAS-lokal och en version av OpenMPI anpassad till systemets sammankoppling.

Valet att fokusera på processorer med mycket hög densitet, snarare än acceleratorer, är relevant för forskning och utveckling Eftersom det skiftar uppmärksamheten till en annan balans mellan parallellism, minne, nätverk och programvara. I accelererade system beror mycket av prestandan på förmågan att snabbt överföra data till specialiserade enheter. I en maskin med endast CPU härrör effektiviteten istället från skalan på den övergripande designen: antalet kärnor, minneshierarkin, kommunikationen mellan noder och den vetenskapliga programvarans förmåga att utnyttja miljontals processorenheter.

TOP500-lanseringen visar att LineShine är det första systemet på listan som överträffar två ihållande dubbelprecisions-exaflops Användning av endast processorer. Detta är ett viktigt tekniskt faktum, eftersom dubbel precision fortfarande är avgörande i många vetenskapliga simuleringar, från ingenjörskonst till beräkningsfysik. Det bör dock inte förväxlas med de mätvärden som bäst beskriver träningen av stora AI-modeller, där beräkningar med reducerad precision, dedikerade acceleratorer och snabb kommunikation mellan kluster är de viktigaste faktorerna.

Även den läsning som föreslagits av Xinhua Det betonar konvergensen mellan superdatorer och intelligent databehandling. Enligt den kinesiska myndigheten integrerar LineShine matrisaccelerationsenheter direkt i sina kinesiskdesignade processorer, i syfte att minska den flaskhals i dataöverföring som är typisk för CPU-GPU-arkitekturer. Denna förklaring överensstämmer med den angivna tekniska strategin, även om verklig konkurrenskraft på AI-arbetsbelastningar måste bedömas med specifika riktmärken och inte bara utifrån HPL-primat.

Varför TOP500-rankingen inte ensam mäter AI-kraft

Skillnaden mellan högpresterande databehandling och AI-orienterade system är avgörande. TOP500 mäter främst en maskins förmåga att utföra numeriska beräkningar med dubbel precision. Detta är fortfarande ett centralt mått för vetenskapliga simuleringar, klimatmodellering, beräkningskemi, fluiddynamik och teknisk design. Det matchar dock inte förmågan att träna stora språkmodeller eller generativa system, som är beroende av arkitekturer, minne, nätverk och programvara optimerad för blandad precision och tensorbelastning.

Detta bekräftas av en annan data från samma ranking. På riktmärket HPL-MxP, närmast blandade precisionslaster, rankas LineShine fyra med 2 198 exaflops per sekund och en acceleration av 3,6 gånger jämfört med traditionell HPL. El Capitan ligger dock kvar på första plats i detta test, följt av Aurora och Frontier. Läsningen är tydlig: den kinesiska maskinen dominerar CPU-enbart numeriska beräkningar, men det är inte det starkaste systemet när det gäller att möta vissa av behoven hos modern AI.

Samma försiktighet framträder i analysen av Reuters, vilket påminner oss om att många stora system utvecklade av Microsoft, Amazon, Google eller xAI inte deltar i TOP500-rankningen. Dessa är ofta privata infrastrukturer utformade för modellträning och inferens, inte för att konkurrera offentligt på HPL-riktmärket. Därför mäter LineShines resultat verklig prestanda, men inom ett definierat tekniskt ramverk.

"Om hyperskalare skulle presentera sina system skulle denna 'världens snabbaste' inte hamna bland de fem bästa,"

han förklarade Jimmy Goodrich, seniorforskare vidInstitutet för global konflikt och samarbeten från University of California, till Reuters

Domen av Jimmy Goodrich Det hjälper till att definiera betydelsen av denna primat. LineShine är för närvarande det kraftfullaste systemet bland de som presenteras på TOP500-listan i HPL-testet. Detta betyder inte automatiskt att det är den största globala AI-infrastrukturen. Jämförelsen med hyperskalare är relevant just för att en växande del av världens beräkningskapacitet inte längre är koncentrerad till bara nationella eller universitetscentra, utan i privata kluster optimerade för generativa modeller, blandad precision och tensorbelastning.

För företag, forskningscentra och beslutsfattare är skillnaden inte akademisk. Att köpa, designa eller använda datorkraft kräver att arkitekturen kopplas till problemet som ska lösas. Vetenskaplig beräkning kräver numerisk noggrannhet, stabilitet, minne, skalbarhet och möjligheten att köra många parallella simuleringar. djupt lärande Industriellt väger istället låg precisionsgenomströmning, tillgänglighet av acceleratorer, mognad av programvarustackar och datahantering.

Chips, teknologisk suveränitet och Kinas återkomst till listan

De tekniska uppgifterna är sammanflätade med en politisk dimension. Reuters framhåller att Kina hade slutat skicka in sina rankningar i 2023, efter år av amerikanska kontroller av exporten av avancerade chips och högpresterande datorutrustning. Återkomsten av ett topprankat system fungerar därför också som en industriell signal: Peking visar sin förmåga att designa och integrera en komplex miljö bestående av processorer, nätverk, operativsystem, matematiska bibliotek och kommunikationsverktyg.

"Det som förvånar mig är att de presenterade det och vill få erkännande för det."

han förklarade Addison Snell, VD för Intersect360 Research, till Reuters

Deklarationen av Addison Snell Det flyttar uppmärksamheten från sin egen företrädesrätt till sin offentliga visning. Prestationen visar inte fullständig autonomi över hela halvledarleveranskedjan, och löser inte heller problemet med tillgång till de mest avancerade AI-acceleratorerna. Det indikerar dock att Kina försökte visa upp sin nationella kapacitet inom generell superdatorteknik, i en tid då datorinfrastruktur i allt högre grad är knuten till industripolitik, teknisk säkerhet och vetenskaplig konkurrens.

I samma Reuters-analys kopplar Goodrich även tolkningen till exportkontroller och menar att Peking vill presentera resultatet som bevis på deras ineffektivitet. Denna tolkning bör hanteras med försiktighet. LineShine är inte baserad på avancerade AI-chips som är jämförbara med de acceleratorer som är mest efterfrågade för generativa modeller, och dess fjärdeplats i HPL-MxP bekräftar att blandad precisionsprestanda fortfarande är mindre konkurrenskraftig än accelererade arkitekturer. Maskinen visar styrka inom generell superdatorteknik, inte slutet på tekniska beroenden inom AI-sektorn.

För USA, omkörningen har ett symboliskt värde. El Capitan, installerad vid Lawrence Livermore National Laboratory, upprätthåller 2 198 exaflops per sekund på HPL, 11.340.000 kärna och en energieffektivitet på 60,94 gigaflops per wattDet är en maskin byggd på HPE Cray EX255a-arkitekturen med AMD EPYC-processorer och AMD Instinct MI300A-acceleratorer. LineShine överträffar den i de flesta avseenden, men förbrukar mer absolut kraft och har en helt annan design.

Till och medEuropeiska unionen kvar i spelet. I samma ranking visas JUPITER-förstärkaren, installerad vid Jülich Supercomputing Center in germaniumoxid, indikerat av TOP500 som det första europeiska systemet över exaskalatröskelvärdet för HPL. På sjätte plats kommer HPC7 av Eni, ett tecken på den växande närvaron av stora industriella användare inom avancerad databehandling.Italien, med vetenskaplig och industriell infrastruktur som Leonardo och HPC7, förblir därför en del av superdatorernas europeiska geografi.

Från klimat till simuleringar, där skala skapar värde

Ett tillämpningsexempel kommer från den vetenskapliga förtryck som är länkad till Nature-artikeln, publicerad den arXivVerket beskriver KAPAR, ett hybrid numeriskt AI-system för säsongsprognoser av sommarnederbörd i Östasien. Författarna pekar på ett beräkningsflöde med 174 numeriska medlemmar e 1 600 AI-genererade medlemmar, för totalt 1.774 medlemmar, använt för årliga rekonstruktioner sedan 2016 al 2025.

Enligt sammanfattningen av artikeln genomför hela LineShine-maskinen tio årliga eftergjutningar i 14,6 timmar och förbättrar den genomsnittliga prediktionspoängen med 71,8 a 75,9 jämfört med ECMWF-referensen som anges av författarna. Systemet fungerar på 15 kilometer resolution för dekadenska eftersläpningar och förklarar en kapacitet att 1 kilometer för mer detaljerade tyfonsimuleringar. Eftersom detta är en förhandsgranskning bör resultaten ses som vetenskapligt material under diskussion och inte som definitiva slutsatser som är föremål för formell granskning av experter.

Fallet är ändå användbart för att förstå varför exaskala-superdatorer behåller en specifik roll även i den generativa modellernas era. Högupplösta klimat- och väderprognoser kräver många parallella simuleringar, dataassimilering, koppling mellan atmosfären, havet och landytan, samt statistiska metoder för att bedöma osäkerhet. I detta sammanhang är hybridiseringen av fysiska och maskininlärning Det kan minska beräkningstiderna och utöka antalet analyserade scenarier.

De potentiella konsekvenserna är inte begränsade till forskning. Mer robusta prognoser för kraftigt regn, tyfoner eller säsongsbetonade händelser kan påverka dammhantering, jordbruk, försäkringar, logistik, civilförsvar och stadsplanering. Sambandet är inte automatiskt: validering, dataåtkomst, operativ expertis och institutionell kapacitet att använda den information som produceras krävs. Men det här fallet visar hur en stor beräkningsinfrastruktur kan bli ett verktyg för dataintensiva offentliga och industriella beslut.

Sedan finns det energifrågan. En absorption av 42,22 XNUMX megawatt Detta motsvarar en infrastruktur med krav som är jämförbara med de för en stor industrianläggning. Denna siffra ensam visar inte miljöpåverkan, som beror på elmix, kylning, utnyttjandegrad och komponenternas livscykel. Den indikerar dock att tillväxten av superdatorer kräver datacenterpolicyer, energiplanering och resurshanteringsstrategier. lösningens effektivitet alltmer integrerade.

LineShines överlägsenhet bör därför tolkas som tekniska nyheter med breda industriella implikationer. Det markerar Kinas återkomst till toppen av den offentliga TOP500-rankningen, bekräftar expansionen av exaskala-konkurrens och påminner oss om att datorkraft nu är en nyckelkomponent i industripolitiken. Nästa fas kommer att handla mindre om titeln "snabbast" och mer om förmågan att omvandla dessa maskiner till verifierbara resultat: mer användbara klimatmodeller, tillförlitliga simuleringar, portabel programvara, hållbar energiinfrastruktur och distribuerad expertis inom forskning, industri och offentlig förvaltning.

Här är tre insikter som kan intressera dig:

JUPITER tar Europa in i en era av exaskala-superdatorer
HPC6, den mest avancerade superdatorn för energiomställningen
Quantum Bologna: Italiens första hybrid-superdator är född.