首页 时政热点 科技头条 智能AI 安全攻防 数码硬件 开发者生态 归档 标签 关于
智能AI morning

全国产!超算「诺奖」5年再回中国队

摘要

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...

PFlops 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 LineShine 198
2026-11-21 1 阅读 约10分钟阅读 新智元
分享:
字号:
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。 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?》。 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。 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。 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。 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。 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。 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。
这篇文章对您有帮助吗?

订阅66必读

每日精选科技资讯,直达你的邮箱